10月27日晚，微电子学院前沿技术分享系列讲座（二）顺利开讲。本次讲座特邀杨仕伟博士作《TinyML端侧智能开发》专题分享，学院全体专业教师参会学习。

杨博士首先对比云端AI与端侧AI的技术差异，剖析传统云端AI带宽占用高、离线不可用、数据隐私风险等局限；介绍端侧AI依托本地芯片完成推理计算的技术特点，具备低时延、低带宽依赖、数据隐私可控、低功耗等优势，十分适配智能穿戴、工业互联网等需要不间断感知监测的应用场景。

随后，他阐释TinyML（微型机器学习）的核心内涵。该技术可在毫瓦级功耗、KB级内存资源的微控制器上承载AI算法。受MCU算力、存储资源约束，相关开发需要突破传统开发思路，在硬件资源边界内完成轻量化模型部署。在万物智联的发展浪潮下，语音唤醒、人体动作识别、设备故障检测、轻量化视觉识别、手势交互等场景已实现商业化落地，海量物联网终端正带动TinyML形成广阔市场空间。

讲座中，杨博士介绍了量化、剪枝、知识蒸馏、网络结构精简四类主流模型压缩优化手段，指出模型优化需统筹兼顾模型体积与识别精度，算法设计需适配MCU硬件条件，做好硬件感知（Hardware-aware）设计。他系统梳理TinyML完整开发流程：数据采集、数据预处理、模型训练、模型转换、嵌入式部署、端侧推理，并围绕采样参数配置、样本均衡、特征工程、过拟合抑制等关键实操要点展开说明。

针对工程落地，杨博士对比解释器、编译器两类部署技术路线，结合场景需求解析三款主流开发工具链的技术特点与适用边界；并结合端侧推理工作循环，分享了防颤检测、人体运动识别、工业电机故障预警等教学案例，提出三级进阶实训体系，为课程实践模块设计提供完整的实施路径。

本次讲座有效拓宽了教师在嵌入式人工智能方向的专业视野，为TinyML相关课程开发、科创实践项目建设提供技术支撑。下一步，微电子学院将持续引入产业前沿技术资源，推动行业新技术、新工艺反哺教育教学，夯实师资队伍专业能力，持续提升集成电路复合型技术技能人才培养质量。（图文：黄仁静、刘锡锋，复审：徐敏，终审：叶露林）