【基本简介】

 陈鹏，工学博士/博士后，副教授，硕士生导师。新加坡国立大学（QS2026世界排名第8）博士后。新加坡南洋理工大学、香港理工大学与重庆大学联合培养博士。现任CCF体系结构、嵌入式系统专委会执行委员（重邮唯一），重邮CPU设计集训队创始人兼总教练。

 研究专长聚焦芯片与计算机系统领域，涵盖嵌入式系统、片上网络、编译器优化、软硬件协同设计、AI处理器硬件设计和自动驾驶系统设计等方向。致力于从操作系统/编译器（即软件中偏硬的部分）与体系结构（即硬件中偏软的部分）的软硬结合视角出发，平衡芯片/计算机系统的面积、性能和功耗，助力我国自主可控基础软硬件发展，推动芯片国产化进程。

 育人方面，突破传统“用”计算机的培养模式，以“造”计算机为核心目标，构建并实施了“一体两翼”计算机全栈系统能力培养体系——以“教学-竞赛-科研-实践”四位一体为核心；左翼重构教学内容，贯通算法到电路全栈培养路径；右翼创新教学方法，激发学生内生动力与探索精神。践行“为党育人、为国育才、为国造芯”使命，助力国家科技自立自强。

【招生说明】

陈老师以教学育人和科技报国为其终生的志向和兴趣，对中国文化哲学怀有深厚的热爱，尤其对老子《道德经》情有独钟。陈老师深谙《道德经》中的“无为而无不为”思想，这一理念也深深影响着他的教育与教学方式。“无为”，在陈老师看来，并非真正的无所作为，而是不过度追求功利和结果，更强调顺应自然规律。陈老师坚信，以高尚的品格立世，以端正的态度行事，注重过程并全力以赴，才是真正的“无为”之道。而“无不为”则是在恪守自然法则的前提下，自然而然地获得成功。

因此，陈老师对人才的评价为人品和态度第一，其次是能力，没有高分情结，海纳百川。陈老师珍视人才，致力于栽培志向远大、能力出众的学子。无论你是来自何方学府、何种专业的准研究生，无论你是计科文峰班还是计科菁英班等的本科生，陈鹏老师团队（Sysarch@CQUPT）都热忱欢迎你的加入。但因为名额有限，请附上简历、成绩单和加入缘由，提前邮件（chenpeng@cqupt.edu.cn）申请。

2026年硕士研究生招生信息

招生学院：计算机科学与技术学院（示范性软件学院）

招生专业：

        学术学位（全日制）：081200计算机科学与技术

        专业学位（全日制）：085404计算机技术、085405软件工程

招生计划：学硕1-2人，专硕1-2人

研究方向：计算机系统结构（此为学院稀缺研究方向，发展潜力巨大）

加分项（熟悉以下一门或多门课程者将优先考虑）：

        硬件课程：计算机组成原理、计算机体系结构

        软件课程：操作系统、编译原理

【培养目标】

根据陈老师构建的系统人才培养体系，全面培养学生在计算机全栈式软硬件系统开发、抽象思维、创新实践和团队协作等多方面的能力。为提升学生实战和学术水平，陈老师以全国大学生计算机系统能力培养大赛等全国性赛事为平台，鼓励学生参赛并争取国家级奖项，以此彰显计算机全栈工程能力。同时，陈老师还将CCF-A/B类推荐的学术论文及专利发表等成果，作为学生学术能力的直观体现。该系统人才培养体系将助力学生脱颖而出，赢得如华为“天才少年”计划等头部人才计划Offer。此外，陈老师还将为学生铺设通往国内外名校深造的坦途，践行“为党育人、为国育才”的崇高使命。为确保学生学习方向的连贯性，针对表现突出的本科生，将实施本硕连读一体化培养模式。

【教育理念】

一、秉承“四位一体”教育模式。

该模式以“造计算机”为核心驱动，系统培养具备全栈思维与实践能力的计算机人才。将核心课程教学、学科竞赛锤炼、前沿科研探索与工程实践应用深度融合，通过项目贯穿、问题驱动，实现理论、技术、创新与能力的有机统一。教学提供理论基础，竞赛激发创新动力，科研开拓技术视野，实践促进能力转化。四者环环相扣、彼此赋能：科研为竞赛注入前沿方法，竞赛成果反哺教学案例，工程实践贯穿各环节，最终在“造计算机”的这一完整项目中实现知识贯通、能力聚合与系统思维的全面提升。

 二、强调布“道”与传“术”并重。

“道”与“术”并重，是培养知行合一、兼具深度与广度人才的核心理念。“道”指向系统思维与创新范式，“术”强调具体知识与实践能力。主张既授人以鱼，亦授人以渔：在教学中既注重锻炼学生的抽象思维与多维度分析能力，引导其从现象提炼本质，从具体拓展至一般；同时坚持理论联系实际，鼓励学生开展广度探索与深度钻研，构建立体化的知识体系。

三、打造计算机“全栈式”人才培养体系。

为扭转“重应用、轻系统，重软件、轻硬件”的计算机学科现状，在后摩尔定律时代，系统软件和体系架构成为关键的推动因素。在软件维度，从系统软件层延伸至应用算法层；在硬件维度，从体系架构层贯穿至逻辑电路层。依托四位一体培养载体，构建覆盖“逻辑电路层—体系结构层—系统软件层—应用算法层”的系统化培养路径，旨在培育具备跨层理解、系统设计、整体优化能力的全栈型人才。

当前，系统能力培养已成为国内高校计算机教育的普遍共识，适应人工智能与大模型时代对跨栈型人才的迫切需求。具备全栈贯通能力，学生能够运用系统思维理解架构、高效解决复杂问题，显著增强创新与竞争力。这一方向也已得到政策与实践支持：教育部“101计划”将系统类课程提升至核心课程50%以上，研究生招生408考试逐步加强对系统能力与软硬件协同知识的考查，推动全栈人才培养体系与国家自主创新战略紧密结合。

四、推崇“启发式”教育，重视知识的循环输入输出。

 通过“教学相长”机制与“费曼学习法”，引导学生深入探究问题本质及其系统关联，并掌握“What-How-Why”的递进式分析方法。在知识输入阶段，学生通过文献研读、技术调研与小组研讨等途径构建认知基础；在输出阶段，则通过学术报告、论文发表、专利申请、项目实践及学科竞赛等形式，实现知识向实践成果的转化。过程中，导师与高年级学生将协同参与，针对产出内容提供结构化、个性化反馈，形成“输入-输出-反馈”的闭环学习机制。同时，鼓励学生主动表达成长需求，导师依据个体差异、发展动态与环境变化，持续优化培养路径，实现因材施教与情境化育人的有机统一。

五、倡导师门内部的团结与互助，追求共同卓越。

   正如非洲谚语和《礼记·学记》所言“独行快而众行远，独学寡而众学乐”，单独学习或许能让人快速进步，但团队协作却能让人走得更远。众多同学通过共同参与相同或类似的课题，与师门同仁并肩学习、一同解决技术难题。在这个过程中，大家相互激励、分享技术，不仅能逐步提升自身的成就感，还能取得持续性的进步，从而顺利地从“他驱型”学习者转变为“自驱型”学习者。这样的转变不仅显著提高学习效果，更让每位同学都深刻领略到学习的无穷乐趣。

【研究经历】

陈老师在计算机系统结构领域取得了显著的研究成果。近年参与发表了30余篇国际学术论文，其中包括12篇 ACM/IEEE Transactions级别论文和10篇 中国计算机学会CCF-A类推荐论文。其中，作为第一作者，在CCF-A类国际学术期刊如IEEE Transactions on TC、TCAD以及ACM Transactions on TACO上发表了多篇学术论文。还曾5次（韩国首尔、台湾新竹、韩国光州、美国纽约和中国北京）在国际学术会议上作学术报告，并荣获了Best Presentation Award和Best Poster Paper Award等多项学术奖项。

陈老师先后主持 国家自然科学基金-青年项目、重庆市自然科学基金-面上项目、重庆市教委科学技术研究计划-青年项目和重庆邮电大学-人才引进项目；同时，还先后参研国家自然科学基金-面上项目和新加坡-国家重点项目。主持 教育部产学合作协同育人项目“基于自主指令集CPU设计赛的计算机系统能力‘课赛一体化’培养体系探索与实践”、重庆邮电大学校级教改项目“破解AI时代‘系统思维赤字’：计算机专业系统人才培养的路径探索与实践”；参研市级教改项目1项、校级“课程思政”项目2项。

【教育教学】

在教学方面，陈老师主讲“硬件三件套”系列课程，包括本科生课程《计算机组织与结构》《微机原理与接口技术》及研究生课程《高级计算机系统结构》。在教学竞赛中获校级奖4项、院级第一名2项，其中《计算机组织与结构》入选校级优秀课堂教学案例。负责建设本科生新课《智能计算与体系结构》。此外，陈老师担任计科文峰班与计科菁英班的科研导师，并兼任计科菁英班班导师。

作为重邮CPU集训队的创立者，陈老师长期指导全国大学生计算机系统能力大赛-CPU设计赛（龙芯杯）、全国大学生集成电路创新创业大赛-CPU设计赛（竞业达杯），获评全国总决赛优秀指导教师。2025年，陈老师带领集训队在这两项全国总决赛中共获奖4项，不仅实现了重邮在该赛事全国总决赛获奖“零的突破”，更使重邮成为西部地区唯二在“龙芯杯”中同时斩获“团体+个人”奖项的高校（另一所为西北工业大学）。作为第一指导老师，指导学生主要获奖如下：

CPU集训队相关新闻：

2025年7月16日：新成绩！我院学子斩获全国大学生集创赛CPU赛道西南赛区一等奖并晋级全国总决赛（点击链接查看）

2025年8月21日：重邮CPU集训队优秀作品@重庆邮电大学-重邮一队（点击链接查看）

2025年8月27日：暑期赛不停！计算机学子在CPU设计全国总决赛再创佳绩（点击链接查看）

2025年8月27日：中国教育电视台 @ 2025年全国大学生计算机系统能力大赛CPU设计赛（龙芯杯）全国总决赛（点击链接查看）

2025年12月6日：北京竞业达走进重邮，开展CPU能力提升集训（点击链接查看）

【研究内容】

面对美西方技术封锁和限制的严峻挑战，中国芯的发展正遭遇前所未有的困境。对此，习近平总书记为我国信息产业“把脉”并指出“在别人的墙基上砌房子，再大再漂亮也可能经不起风雨，甚至会不堪一击”。为打破美西方主导的信息产业体系，习总书记进一步“开方”：“加速推进国产自主可控替代计划，构建安全可控的信息技术体系”。在这一背景下，实现芯片国产化已成为刻不容缓的战略任务，势在必行。当前，IT产业主要由Wintel（Windows+Intel）体系和AA（Android+ARM）体系主导，而要打破这一格局，必须建立起能与之抗衡的自主体系。这包括自主扩展指令集、设计CPU微结构、开发编译器和社区版操作系统，以及构建产业联盟和软件生态等关键环节，从而确保真正的自主可控。

与此同时，软件热点层出不穷，从云计算、大数据、AI到区块链、5G/6G、元宇宙、自动驾驶（如华为高阶智能驾驶系统）、无人机（如大疆无人机）、机器人（如宇树机器人）、AI大模型（如ChatGPT、DeepSeek）等，几乎每隔两年，就有一次技术应用革新。图灵奖得主、计算机体系结构宗师John Hennessy和David Patterson在2017年提出了“计算机体系结构的黄金年代”。针对传统冯·诺依曼机架构存在的固有瓶颈，以及摩尔定律和登纳德缩放定律走向终结的现状，他们指出，必须结合特定应用场景，研发出具有针对性的优化架构DSA（Domain-Specific Architectures）如AI DSA、存算一体和网络DSA。同时，大算力芯片规模越大，“二八定律”特征越明显。可以把确定性的共性的部分（80%）硬件加速实现，而相对不确定的个性的部分（20%）通过软件编程实现。不同指令集（如x86、ARM、RISC-V、LoongArch）的异构CPU、不同架构的异构处理器（如CPU、GPU、DSA、ASIC、FPGA、CGRA）融合形成超异构系统，打破传统单一通用CPU处理器的性能瓶颈，以实现计算性能的再飞跃。

鉴于当前国内外芯片与计算机系统设计的需求现状及其面临的挑战，在下图a描述的层次结构中，陈老师团队主要聚焦于系统软件层（即软件中偏硬的部分）和体系结构层（即硬件中偏软的部分），致力于优化单个芯片或整个计算机系统的PPA（Performance, Power, Area），以追求更高的性能、更低的功耗和更小的面积。下图b展示了半导体芯片制造的工艺流程，该流程以图a的硬件部分为起点。

具体的研究方向包括（但不限于）以下三个方面：

一、片上网络（NoC，Network-on-Chip）

为提升基于电（或光）片上网络的多核（或众核、超异构）芯片（例如数据中心芯片、汽车SoC芯片、AI加速器）的计算性能、片上通信效率和热可靠性，从操作系统层或体系架构层对NoC进行优化。

具体研究方向包括：

（1）任务映射（Task Mapping）策略的研究，以实现更高效的任务分配；

（2）设计更先进的路由算法（Routing），显著提升数据传输效率；

（3）合理分配任务优先级，确保关键任务的及时执行；

（4）进行芯片温度建模（Thermal Model）和优化，以提高热可靠性；

（5）设计合适的NoC拓扑结构（Topology），进一步提升数据的传输效率；

（6）探索片上网络的软硬件协同设计方法，实现更紧密的系统集成。

在NoC领域，Arteris、Sonics和Netspeed等企业处于领先地位，其技术广泛应用于宝马、Mobileye、地平线、芯擎、寒武纪、芯驰等知名汽车SoC芯片厂家，同时，在AI领域，百度、寒武纪、壁仞、鲲云、眸芯、燧原等也是其重要客户。

二、嵌入式系统 (Embedded Systems)

主要聚焦于如自动驾驶汽车（Autonomous Vehicles）、机器人（Robot）、无人机（Drone）等安全关键型应用场景（Safety-Critical Applications）。为确保这类嵌入式系统的安全性、低资源消耗及实现完全自动控制（Fully Automatic Control）等核心目标，从操作系统和体系架构两个层面，对嵌入式软件进行深入的调度理论分析，并依据其特性设计相应的系统软件和硬件体系架构。

具体研究方向包括：

（1）深入探索实时调度理论，以在理论上确保任务执行的功能上和时间上正确；

（2）研究多核处理器上计算任务的并行调度，提升多核处理器的执行效率；

（3）优化NoC上通信流的调度，保障数据传输的及时性与稳定性；

（4）开发实时操作系统（如RT-Thread），以满足嵌入式系统对实时性的严苛要求；

（5）构建和完善机器人操作系统（如ROS2），以适应机器人技术的快速发展和应用需求；

（6）进行硬件体系结构设计，为嵌入式系统软件提供稳固的硬件支撑平台。

三、AI芯片与系统 (AI Chips and Systems)

为智能边缘计算系统和超异构计算系统进行软硬件协同优化。为实现高性能、低功耗和小面积等多重目标，从应用算法层、编译器层和体系架构层对AI应用进行优化。

具体研究方向包括：

（1）对大型算法模型进行压缩，如采用量化、神经网络架构搜索和知识蒸馏以减小大模型体积；

（2）AI Infra，如vLLM、Flash Attention、深度学习编译器框架TVM，提升AI效率；

（3）针对边缘场景，精心设计指令集ISA，以提升芯片执行效率（对此感兴趣可进一步了解数据流处理器Google TPU的CISC指令集）；

（4）针对领域专用芯片架构（如FPGA、CGRA）进行编译器后端设计，优化算法到硬件的映射和指令调度；

（5）深入设计处理器微架构（如RISC-V CPU、AI加速器），即芯片电路的逻辑设计（涵盖verilog/vivado/chisel的使用），封装成IP核，为应用软件和系统软件提供支撑。

对处理器微架构感兴趣的话，可以进一步了解：  

通用CPU：国产龙芯3A6000处理器、华为麒麟CPU 9000S或9020，如下图所示；

专用加速器：DNN加速器如Google TPU和MIT Eyeriss。

陈老师注：

a. 真正的“做CPU”是设计微架构；

b. 与支持bit-level的FPGA 相比，CGRA 支持word-level可配置性，并且通常具有更严格的结构和互连网络。因此，CGRA 兼顾ASIC的高能效和FPGA的高重构灵活性；

c. 造芯片与造房子有相似之处。指令集ISA相当于房子的地基，IP核微架构相当于房子的设计图纸，芯片相当于造好的房子。