在过去几年里，AI 成为最火热和发展最快的研究领域。神经计算和深度学习是众所周知最重要的 AI 技术。很显然，AI 落地离不开芯片。所以，包括 IBM 的 TrueNorth 仿真人脑芯片、谷歌的 TPU 先后问世。经过多年的探索，人们逐渐意识到算法和架构是推动 AI 芯片发展的唯一途径。那么站在架构角度考量，AI 落地该怎么走？
此前，清华大学—北京未来芯片技术高精尖创新中心联合发布的《人工智能芯片技术白皮书（2018）》中提出，要突破 AI 芯片在当下的困境，其中一个重要的方面就是研究具有生物系统优点而规避速度慢等缺点的新材料和新器件，采用新的计算架构和计算范式。
在 10 月 28 日开幕的类脑计算国际学术会议上，清华大学微电子研究所所长、中国半导体行业协会副理事长魏少军教授强调了可重构计算芯片对 AI 的意义，并介绍了清华大学微电子研究所 Thinker 团队打造的系列芯片。他们试图通过建立在认知计算技术（软件定义芯片）上的深度学习芯片，以及建立在电阻内存架构的存储计算芯片，来探索 AI 芯片未来的发展方向和实现真正的智能芯片的可能性。
