【基本简介】

 陈鹏，工学博士/博士后，副教授，硕士生导师。曾在新加坡国立大学从事博士后研究，为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体系结构专委会执行委员、CCF嵌入式系统专委会执行委员，重庆邮电大学CPU设计集训队总教练。

 研究方向为计算机系统全栈设计，从算法模型、系统软件到芯片架构开展软硬件协同优化，在面积、性能与功耗（PPA）之间寻求系统级最优解，服务我国基础软硬件自主可控战略。主要围绕三个相互支撑的方向展开：片上网络与Chiplet互连、面向具身智能及安全关键应用的嵌入式系统、Chip for AI 与 AI for Chips，分别对应互连底座、应用验证与AI芯片/设计自动化支撑。

 育人方面，针对传统计算机教育偏“用”而轻视“造”的局限，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。“一体”即“教学-竞赛-科研-实践”四位一体；“两翼”分别为：左翼重构教学内容，贯通从算法到电路的全栈培养路径；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，服务国家科技自立自强。

【招生说明】

 陈老师将教书育人与科技报国视为毕生志业，对中国传统文化有浓厚兴趣，尤其推崇《道德经》“无为而无不为”的思想。在他看来，“无为”并非无所作为，而是不过度追求功利，顺应规律、注重过程；“无不为”则是在恪守规律的前提下自然达成目标。这一理念也贯穿于他的教学与指导方式中。

 在人才评价上，陈老师首重人品与态度，其次是能力，不唯分数论、海纳百川。团队（Sysarch@CQUPT）欢迎来自本院本科生、不同学府和专业的准研究生加入。因名额有限，有意申请者请提前将简历、成绩单和加入缘由发送至 chenpeng@cqupt.edu.cn。

2027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2-3人

研究方向：计算机系统全栈研究

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：嵌入式机器学习(Embedded ML/TinyML)、操作系统、编译原理

【培养目标】

 “一体两翼”培养体系旨在全面培养学生的全栈式软硬件系统开发能力、抽象思维、创新实践能力和团队协作能力。为提升学生的实战与学术水平，陈老师以全国大学生计算机系统能力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。同时，将CCF-A/B类推荐学术论文及专利等成果作为衡量学生学术能力的重要指标。该体系支持学生进入头部企业人才计划，或赴国内外知名高校继续深造。针对表现突出的本科生，在符合学校相关政策的前提下，可实施本硕一体化培养。

【教育理念】

一、以“四位一体”为培养载体。

 以“造计算机”为核心目标，将核心课程教学、学科竞赛、前沿科研与工程实践深度融合，通过项目贯穿和问题驱动，实现理论、技术、创新与能力的有机统一。四者相互支撑：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。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”的完整项目中实现知识贯通与系统思维提升。

 二、布“道”与传“术”并重。

 培养知行合一、兼具深度与广度的人才，需兼顾“道”与“术”。“道”指向系统思维与创新范式，“术”强调具体知识与实践能力。既授人以鱼，更授人以渔：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；也坚持理论联系实际，鼓励广度探索与深度钻研，构建立体化知识体系。

三、构建“全栈式”人才培养体系。

 针对计算机学科教育中“重应用、轻系统，重软件、轻硬件”的倾向，在后摩尔定律时代，单纯依靠制程进步提升性能的路径收窄，系统软件与体系架构的优化变得更为关键。该体系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—芯片架构层—系统软件层—应用算法层”的培养路径，旨在培养具备跨层理解、系统设计与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，以适应人工智能与大模型时代对跨栈型人才的需求。具备全栈贯通能力的学生，能够运用系统思维理解架构、解决复杂问题。课程与考试层面的改革也印证了这一趋势：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。上述政策动向表明，全栈人才培养正与国家自主创新战略形成更紧密的衔接。

四、采用“启发式”教育，构建知识循环输入输出机制。

 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，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构建认知基础；在输出阶段，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。导师与高年级学生协同参与，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，导师依据个体差异和发展动态持续调整培养路径，实现因材施教。

五、倡导师门内部的团结与互助，追求共同卓越。

   正如《礼记·学记》所言“独学而无友，则孤陋而寡闻”，又如有谚语谓“独行快，众行远”——单独学习或许见效快，但团队协作方能走得长远。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领域持续开展研究，近年参与发表了30余篇国际学术论文，其中包括14篇 ACM/IEEE Transactions级别论文和12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。  

   陈老师主持的科研项目和教改项目如下：

【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》《智能计算与体系结构》及研究生课程《高级计算机系统结构》，并担任《智能计算与体系结构》课程负责人。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》两度入选校教育教学督导简报优秀课堂教学案例。

   作为重邮CPU设计集训队创立者，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，他带领集训队实现重邮在CPU设计赛全国总决赛获奖“零的突破”；2026年，集训队在CPU设计赛（龙芯杯）获奖总数位列全国并列第二。2025、2026年，重邮均为西南地区唯一在CPU设计赛（龙芯杯）团体与个人赛道上同时获奖的高校。截至目前，集训队累计获CPU设计赛国家级一等奖1项、二等奖1项、三等奖7项、优胜奖5项，省部级奖7项。

   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：

2026年9月5日：喜报！重邮学子在这项赛事中获奖总数并列全国第二（点击链接查看）

2026年8月26日：全国大学生计算机系统能力大赛CPU设计赛(龙芯杯)十周年（点击链接查看）

2026年8月5日：西南赛一等奖+2、二等奖+1，大一学生领衔奔赴全国赛的“芯”辰大海（点击链接查看）

2026年5月6日：重邮获批教育部计算机类专业系统能力培养试点高校（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）

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）

【研究内容】

研究背景：当前，我国信息产业面临外部技术环境变化带来的挑战，芯片与基础软件自主可控已成为国家战略需求。习近平总书记曾指出：“在别人的墙基上砌房子，再大再漂亮也可能经不起风雨。”构建涵盖指令集、处理器、编译器及软件生态的自主信息技术体系，是应对这一挑战的必然选择。与此同时，我们正处在图灵奖得主Hennessy和Patterson所预言的“计算机体系结构的黄金年代”。随着摩尔定律放缓、登纳德缩放定律终结，传统通用处理器遭遇性能瓶颈；领域专用架构（DSA）、超异构计算、存算一体等新兴技术路径，为突破“冯·诺依曼瓶颈”提供了历史性机遇。从AI大模型（如DeepSeek）到自动驾驶（华为ADS），再到具身智能（宇树机器人），每一轮软件热潮都对底层硬件提出新的挑战与优化空间。陈老师团队直面上述机遇与挑战，致力于打通“算法模型—系统软件—芯片架构—逻辑电路”全技术栈，对芯片及系统的PPA进行系统级优化，培养能够从底层逻辑到顶层应用进行系统级创新设计的复合型人才。

研究特色：传传统研究往往局限于单一技术层级——或只写算法、或只做操作系统、或只画电路。然而，当代计算系统（尤其是AI芯片、自动驾驶SoC）的性能瓶颈，本质上是跨层耦合的：算法设计需考虑硬件特征，硬件设计也需适配算法特性。例如：

• DeepSeek-V3 面向 H800 集群的访存与跨卡通信约束，采用 MLA、FP8、DualPipe 实施硬件感知优化，在硬件带宽限制下实现高效训练；算法若脱离硬件特征，理论效率难以落地；

• Google TPU v1 的MXU为矩阵乘法定制，XLA 将算法图编译为适配数据流，并以软件管理片上暂存器替代 Cache，规整计算下 MAC 利用率可达90%；硬件若缺少软件适配，算力也难以充分释放。

可见，算法与硬件相互约束、互为前提，性能突破依赖“算法—系统/编译—硬件”的跨层协同，这正是全栈研究的价值。

陈老师团队不满足于培养“只会写Verilog”或“只会调参”的单一层级工程师，而是致力于培养能从应用负载特性出发，贯通操作系统、编译系统、芯片架构直至晶体管级别的全栈系统架构师——这正是当前国产芯片与自主可控产业亟需的核心人才。

研究方向面向具身智能、自动驾驶、机器人、无人机、AI大模型、数据中心等核心应用场景，紧密对接地平线、华为、大疆等企业的技术需求，推动研究内容与产业需求同频共振。

   研究详述：以下以陈老师团队的三个代表性研究方向为例。

方向一：面向超异构计算的片上网络（NoC）与Chiplet互连

- 研究痛点：随着多核、众核及超异构芯片（CPU+GPU+AI加速器）规模扩大，片上通信延迟与功耗成为关键瓶颈，存储墙与功耗墙问题进一步加剧。此外，芯片热可靠性、任务调度效率以及Chiplet集成带来的片间互连复杂度，是数据中心芯片、汽车SoC和AI加速器面临的主要挑战。

- 研究内容与目标：研究基于电/光NoC的多核、众核及超异构芯片设计，从操作系统调度与芯片架构层面出发，涵盖任务映射策略、路由算法、动态优先级管理、热感知建模与热管理、低延迟拓扑结构以及Chiplet互连通信协议等。目标是有效提升片上网络的通信效率、吞吐率与热可靠性，构建从片内到封装级的统一通信骨架，为下一代大算力芯片提供通信与集成支撑。

- 产业应用：研究成果可应用于自动驾驶SoC、AI云端/边缘加速器、数据中心芯片等场景。该领域核心技术长期由国际企业提供，自主方案具有迫切的产业需求，以开源NoC IP“温榆河”与“珠江”（源自香山处理器项目）为代表的工作已逐步发展。

方向二：面向具身智能及安全关键应用的嵌入式实时系统

- 研究痛点：具身智能（Embodied AI）要求智能体通过物理实体与环境实时交互，其核心挑战在于感知—决策—执行闭环必须在确定的时间约束内完成。在自动驾驶汽车、无人机、机器人等安全关键系统中，任务执行不仅要求功能正确，更要求时间正确，即满足实时性。如何从理论层面保证多处理器、多任务并发下的最差情况执行时间（WCET）可分析、系统行为可预测，并在此前提下实现低功耗与高可靠控制，是关键挑战。

- 研究内容与目标：聚焦嵌入式算法、实时系统理论与硬件设计，内容包括嵌入式机器学习（TinyML）、实时调度理论、多处理器并行调度、NoC通信流调度、轻量化实时操作系统（如RT-Thread）与机器人操作系统（如ROS 2）的底层优化，以及面向特定场景的硬件架构设计。目标是构建从形式化方法提升实时性可保障性，到具身智能软硬件平台实现高可靠控制的一体化解决方案。

- 产业应用：研究成果可广泛应用于高阶自动驾驶、无人机飞行控制、足式/工业机器人、航空航天等领域。

方向三：Chip for AI 与 AI for Chips

- 研究痛点：大模型正从云端向手机、汽车、物联网等边缘端渗透，边缘设备面临算力、内存、功耗三重约束；同时，传统芯片设计流程效率不高、迭代周期长。如何为AI设计高效芯片（Chip for AI），以及如何用AI辅助芯片设计（AI for Chips），是智能计算的两个核心问题。

- 研究内容与目标：（1）Chip for AI：覆盖从算法到电路的AI全栈优化，包括模型压缩（量化、蒸馏、剪枝、NAS、算子融合）、AI Infra（vLLM、Flash Attention、TVM）、编译器后端（FPGA/CGRA/自研DSA）、芯片架构与电路（RISC-V指令集扩展、领域专用指令集、AI加速器微架构、存算一体），并使用Verilog/Chisel开发IP核。（2）AI for Chips：探索以AI辅助微架构优化与设计空间探索，提升芯片设计自动化水平。目标是面向边缘场景，实现高性能、低功耗、小面积的AI芯片与系统。

- 产业应用：研究成果可应用于手机SoC中的NPU、自动驾驶域控制器、智能传感器、AIoT设备。研究可参考Google TPU、MIT Eyeriss等代表性设计，并与国产龙芯CPU、香山RISC-V开源处理器等自主生态结合，为国产AI芯片自主可控提供技术支撑。