2026年，国内在‘类脑计算芯片’或‘神经形态计算’方向，有哪些高校实验室或企业值得关注？这个方向对FPGA人才的需求是什么？

国内做类脑芯片的团队确实不少，但真正有硬件流片能力的还是集中在顶尖高校和少数几家明星公司。高校里，清华的类脑计算研究中心（施路平老师团队）肯定是第一梯队，他们搞出了‘天机芯’，还上了Nature封面，实力很强。北大有黄铁军老师团队，做脉冲神经网络和类脑视觉。复旦的芯片与系统前沿技术研究院也有相关研究，比如曾晓洋老师团队在做神经形态传感和计算。中科院计算所、自动化所、微电子所也都有团队在做。企业方面，初创公司像‘灵汐科技’（清华孵化）、‘时识科技’（有海外背景）比较活跃，还有‘华为’也在搞相关基础研究。

这些地方招FPGA工程师，主要就是做原型验证和算法硬件实现。因为流片成本高周期长，在芯片设计出来之前，或者研究新算法的时候，都需要用FPGA搭建一个可编程的硬件平台来验证架构、跑通算法、评估性能。比如用FPGA模拟神经元的脉冲发放、突触连接这些行为。系统仿真也会用到，但更多是软件层面的。

这个方向目前还是偏前沿研究，产业化处于非常早期的探索阶段，离大规模应用还远。但对于工程师来说，现在切入是个好时机，能积累很深的技术壁垒。

你需要补充的知识，神经科学基础肯定要懂点，比如神经元模型（LIF）、突触可塑性（STDP）、网络结构这些，不然没法跟算法研究员沟通。新型器件（忆阻器这些）的知识，如果做底层硬件设计需要了解，如果主要做FPGA实现和系统集成，暂时不是必须，但了解有好处。重点还是发挥你FPGA和硬件加速的长处，把那些抽象的神经模型高效地映射到硬件上。

从企业招聘的角度聊聊吧。我在一家做神经形态感知芯片的初创待过，招FPGA工程师主要就干两件事：一是快速原型（Rapid Prototyping），用FPGA阵列搭建一个可重构的SNN仿真平台，让算法团队能快速验证想法、调参，这比软件仿真快得多，比流片便宜灵活。二是做硬件在环（HIL）系统中的实时处理部分，比如我们做动态视觉传感器（DVS）的数据处理，FPGA负责接收脉冲流、做预处理和特征提取，再交给后端。

所以需求很明确：你要精通FPGA开发，尤其是高性能数字电路设计、时序优化、与各种高速接口（如PCIe）打交道。另外，因为处理的往往是稀疏的、异步的脉冲事件流，传统的数据搬运和并行计算模式不太一样，需要一些创新思维。对计算机体系结构（尤其是内存架构）的理解要深，因为类脑计算核心就是想突破内存墙。

高校实验室的FPGA岗位可能更偏研究支持，比如搭建测试平台、实现一些新型的神经网络模型（不只是SNN，还有ANN-SNN混合啥的）。

产业化苗头有，但都在找落地场景，比如低功耗的端侧智能感知（无人机、机器人）、高速视觉识别。现在进去，可能要做好一段时间内都是‘预研’性质项目的准备。

补充知识方面，神经科学不用学得太深，但基本概念要清楚，建议看下《神经科学原理》前几章。更重要的是，多关注这个领域的顶级会议（比如NeuroIPS, ICLR里相关workshop，以及专门的ICONS, AICAS），看看最新的硬件架构论文，了解大家是怎么用硬件去实现那些模型的。新型器件知识，除非你定位是器件-电路协同设计，否则优先级不高。先把FPGA在异构计算里的角色玩透，你已经很有优势了。

从高校实验室角度看，国内类脑计算研究确实有几个重镇。清华类脑计算研究中心（施路平老师团队）肯定是领头羊，他们做了‘天机芯’系列芯片，既有SNN也有ANN。北大有黄铁军老师团队，做脉冲视觉和‘达尔文’芯片。复旦的芯片与系统前沿技术研究院（刘琦老师等）在忆阻器交叉阵列做类脑计算方面很强。中科院计算所、自动化所也有团队在做。这些实验室招聘FPGA工程师，主要任务确实是原型验证和硬件仿真。因为全定制芯片流片成本高周期长，前期往往用FPGA搭建可重构的验证平台，来验证架构和算法。比如用FPGA模拟神经元阵列、突触连接，或者做混合信号系统的数字部分。这个方向目前还是偏前沿研究，但清华等团队也在推动产业化，有衍生创业公司。对于FPGA工程师，想切入的话，不一定需要很深的神经科学知识，但得理解SNN的基本模型（比如LIF神经元）、学习规则（STDP等）。更重要的是，要习惯处理稀疏、事件驱动的数据流，这和传统图像处理那种规整数据流很不同。可以找些开源项目（如SpiNNaker的FPGA模型）练手。

作为在企业界摸爬滚打过的FPGA工程师，我聊聊实际需求和产业情况。高校之外，国内类脑计算芯片的初创公司值得关注的有：清华背景的‘灵汐科技’、‘时识科技’（SynSense，源自苏黎世大学/浙大），还有‘九天睿芯’、‘闪易科技’等。这些公司有的专注视觉传感，有的做通用类脑处理器。他们招聘FPGA人才，目的很实际：一是做算法到硬件的快速实现和性能评估，二是为尚未流片的芯片设计构建FPGA验证系统，三是为客户提供基于FPGA的早期解决方案或开发套件。这个方向有产业化苗头，尤其在低功耗视觉感知（如无人机、物联网）场景，但离大规模替代传统架构还很远。对FPGA工程师的需求，除了常规的RTL设计和验证技能，更看重系统级思维和软硬协同能力。因为类脑系统往往要和传感器、处理器紧密耦合。你需要补充的知识点：一是脉冲神经网络的基础，了解其时空特性；二是内存计算（In-Memory Computing）或存算一体架构的基本概念，因为很多新型类脑芯片用忆阻器等器件做模拟计算。不建议深挖神经科学，而是多关注硬件友好的SNN模型和压缩方法。实际面试可能会让你讨论如何用FPGA实现一个简单的神经元网络，或者处理AER（地址事件表示）数据流。

这个问题问得很及时，类脑计算确实是个热门方向。国内高校里，清华的类脑计算研究中心（施路平老师团队）肯定是第一梯队，他们做‘天机’芯片很出名。北大有黄铁军老师团队，做脉冲视觉和芯片。复旦的芯片与系统前沿技术研究院也有相关研究。企业方面，初创公司像‘灵汐科技’、‘时识科技’都比较活跃，他们有些产品已经在特定场景（如动态视觉）尝试落地了。

对于FPGA人才的需求，目前阶段主要还是集中在原型验证和算法硬件实现上。因为类脑芯片的架构和传统CPU/GPU差异巨大，在流片之前，需要用FPGA搭建大规模的系统原型，验证架构和算法的正确性与效率。同时，脉冲神经网络（SNN）的算法也需要在硬件上高效实现和加速，FPGA的并行性和可重构性很适合做这方面的探索。

这个方向目前还是偏研究和早期产业化并存的阶段。高校以前沿研究为主，企业则在寻找可行的落地场景。对于想进入的FPGA工程师，数字电路和硬件描述语言基础是根本。需要补充的知识主要是SNN的基础模型（比如LIF神经元）、学习算法（STDP等），不一定需要很深的神经科学，但要对这种事件驱动的计算范式有理解。另外，如果涉及到存算一体等新型器件，了解一些非易失存储器的特性也会有帮助。

建议可以关注上述实验室和公司的官网，看看他们发表的论文和招聘要求，能最直接地了解他们用FPGA在做什么，以及需要什么技能。

从企业招聘的角度来聊聊吧。我就在一家做神经形态视觉传感器的公司，我们招FPGA工程师主要干两件事：一是做系统集成和实时处理，把我们的传感器和FPGA板卡搭起来，做低延迟的数据预处理和简单的SNN推理；二是做算法加速原型，探索SNN网络在硬件上的高效映射方法。

所以需求很明确：扎实的FPGA开发能力（Verilog/VHDL，高速接口，时序约束），熟悉一种高层次综合（HLS）工具会是大加分项，因为很多算法探索先用C/C++建模更快。然后就是对脉冲神经网络有基本概念，知道它稀疏、事件驱动的特点，这直接影响硬件设计思路（比如要不要用时钟）。

高校的话，除了前面提到的，浙大、中科院自动化所、计算所也有团队在做。这个方向产业化还在早期，但动态视觉、边缘低功耗感知是可能先落地的方向。

对于工程师转型，我的建议是别被‘神经科学’吓到，那不是重点。重点是把‘事件驱动’和‘稀疏性’这两个核心特点理解透，并思考如何在硬件上利用它们（比如设计异步电路或者利用稀疏激活节省功耗）。可以先从复现一些经典的SNN硬件论文开始，用FPGA实现一个小型网络，这是最快的上手方式。

这个问题问得很及时，类脑计算确实是个热门方向。国内高校里，清华的类脑计算研究中心（施路平老师团队）肯定是领头羊，他们做了‘天机芯’，还上了Nature。北大的黄铁军老师团队、复旦的芯片与系统前沿技术研究院也很强，都在做SNN芯片和硬件。企业方面，有清华背景的灵汐科技、西井科技等初创公司比较活跃。

他们招聘FPGA人才，目前阶段主要还是用于原型验证和算法硬件实现。因为类脑芯片架构特殊，用FPGA做原型可以快速迭代，验证架构和算法的可行性。系统仿真可能更多用软件或专用仿真平台。

这个方向目前还是偏前沿研究，但产业化苗头已经很明显了，一些公司已经在推落地应用了，比如边缘计算、机器人。

对于FPGA工程师想进入，数字电路和加速经验是很好的基础。神经科学知识需要补充，至少理解神经元、突触、脉冲编码这些基本概念。新型器件（如忆阻器）的知识可以后续跟进，不是必须入门。建议先找几篇经典论文和这些实验室的成果看看，了解他们用FPGA具体在做什么。

哈，同道中人。我也是做FPGA的，之前关注过这个方向。说说我的了解。

高校实验室除了上面提到的，还有中科院计算所、浙江大学、电子科技大学的一些团队也在做。企业除了初创公司，其实一些大厂如华为、阿里达摩院也有相关探索，但可能更偏算法和架构研究。

FPGA人才的需求，我觉得可以分几个层面：一是做完整的SNN硬件原型系统，把算法用RTL实现，这很考验硬件设计能力；二是做高速仿真平台，用FPGA加速大规模网络的仿真，这对系统集成和接口要求高；三是做芯片验证，流片前的FPGA原型验证是必须的。

目前整体偏研究和早期产业化，但机会很多。对于工程师来说，最大的挑战可能是思维转换，要从传统的同步电路思维，转到适应事件驱动、异步稀疏的脉冲神经网络硬件设计。

需要补充的知识：神经科学的基础，比如SNN的原理、学习规则（STDP等）。新型器件知识有助于理解一些存算一体架构，但不是必须。反而，加强并行计算架构、低功耗设计、高速接口这些硬件技能更直接有用。可以先从开源项目（如IBM的TrueNorth相关、SpiNNaker）的FPGA实现入手练手。

作为同样从FPGA转过来的同行，我聊聊我的观察。国内类脑计算目前还是高校和研究所主导，清华类脑计算研究中心（施路平老师团队）肯定是第一梯队，他们做天机芯片很出名。北大黄铁军老师团队、复旦的芯片与系统前沿技术研究院也很强。企业方面，西井科技、时识科技（SynSense）这些初创公司比较活跃，寒武纪也在布局。

FPGA人才在这些地方主要干两件事：一是做算法到硬件的快速原型验证，尤其是脉冲神经网络（SNN）这种新模型，用FPGA搭平台比流片快多了；二是做完整的仿真验证系统，因为类脑芯片往往要和传感器（比如动态视觉传感器）结合，FPGA适合做这种实时异构系统集成。

这个方向目前还是偏前沿研究，但西井科技已经在港口等场景落地了，算是产业化早期。如果你有数字电路和算法加速经验，转型其实挺顺的。神经科学知识不用太深，但得理解SNN的基本原理（比如脉冲发放、时序依赖可塑性STDP）。另外建议看看新型器件（忆阻器、RRAM）的交叉论文，虽然不一定马上用，但能帮你理解这个领域的硬件演进思路。

个人觉得，FPGA工程师的最大优势是能快速把算法变成可测试的硬件，这在探索性强的领域特别吃香。可以先从复现一篇SNN的FPGA论文开始，比如用FPGA实现一个简单的脉冲神经网络分类器，这样面试时就有话可聊了。