中国科学院计算技术研究所与寒武纪公司提出了国际上首个稀疏深度学习处理器 Cambricon-X，相关工作于近日被计算机体系结构领域顶级国际会议 MICRO 2016 接收。深度学习是一类借鉴生物的多层神经网络处理模式所发展起来的智能处理技术。基于深度学习的围棋程序 AlphaGo 甚至已经达到了职业棋手的水平。稀疏深度学习可大幅度削减神经网络中连接数量，因此被业界广泛采用。
但是，稀疏深度学习的计算和访存模式非常不规则，给相应的芯片设计带来了巨大挑战。寒武纪团队针对稀疏深度神经网络特殊的计算模式和访存特性，提出采用一维稀疏表示、专用的数据访问引擎和动态计算调度策略来实现稀疏深度学习的专用处理器 Cambricon-X，能高效处理各种类型的稀疏深度神经网络，包括卷积神经网络和递归神经网络等。
在 TSMC 65nm 工艺下，Cambricon-X 峰值性能可达 0.5Tops/s，面积开销仅为 6.38 平方毫米，稀疏深度学习速度相较于主流高端 GPU 提升性能 10 倍，能耗仅为其 3.4%。相关工作已于 2016 年 1 月申请国内和 PCT 专利。
此前，中科院计算所提出了国际上首个深度学习处理器结构（与法国 Inria 合作完成）、国际上首个多核深度学习处理器结构（与法国 Inria 合作完成），研制了国际上首个深度学习处理器芯片，提出了国际上首个深度学习指令集，多次获得计算机体系结构顶级会议最佳论文奖。Cambricon-X 的工作进一步夯实了中科院与寒武纪在深度学习处理器领域的国际领导地位。
2014 年，中科院计算所博士陈云霁（寒武纪公司首席科学家）、陈天石（寒武纪公司创始人和 CEO）与法国 Inria 的博士 Olivier Temam 共同开创了深度学习处理器方向，目前已成为相关领域国际上最受关注的研究方向之一。