香港科技大學成立亞洲首個研發人工智慧晶片設計的跨國聯盟，並投入培育人工智慧晶片人才，智慧晶片與系統研發中心(AI Chip Center for Emerging Smart Systems, ACCESS)由香港科大與史丹佛大學、香港大學和香港中文大學合作成立，已獲香港政府InnoHK創新香港研發平台提供4.439億港幣計畫經費。該中心目標為致力創造運算效能提升1,000倍、且更具能源效益的AI晶片。
自2020年9月成立以來，ACCESS至今已啟動了14個研究項目，另有更多項目正在籌劃。人工智慧晶片市場快速成長，估計至2026年的產業規模將達2,915億美元，香港科大工學院院長及智慧晶片與系統研發中心創始總監鄭光廷教授表示，ACCESS不僅以從快速成長的市場獲益為目標，更希望能培育人才，為科技新創與較小規模的公司提供客製化的晶片設計及軟硬體協同設計方案。
ACCESS的研究工作由36位學者督導，來自各參與大學的研究人員超過100位。團隊規模將持續擴大，目標是招募並維持60至80名以中心為工作基地的全職研究人員團隊。
鄭光廷強調，ACCESS研發希望有效縮小科研與成果應用成效之間的「死亡谷」差距。亦在中心所建立的機制下與大學及產業界緊密合作。ACCESS已發展的研究工作包括：探討整合採用可調節規模矽晶片的矽相容新興記憶和矽光子科技；新型以記憶為中心的晶片結構和異質系統整合；開發新興和專屬的設計方法及設計自動化工具，以助設計人工智慧晶片；以及人工智慧應用、算法和硬體的協同優化，以突破人工智慧硬體上的速度與能源效率瓶頸。已開發兩款全新的人工智慧晶片原型，並進行評估和產品分析。
ACCESS並提出數個開發專案：
特殊應用壓縮硬體協同設計(Application-specific Compression Hardware Co-design)
為壓縮深度神經網路(DNN)提出協同設計方法和AI加速器開發流程，以智慧物聯網(AIoT)應用為驅動，開發神經網路壓縮、編譯和硬體設計空間探索的自動封閉迴路平台，用於優化特定應用的硬體加速系統。從FPGA原型和AI晶片中擷取即時分析數據以反饋到協同設計平台中，與傳統方法相比，這種方法可以實現10倍的能量效率和三倍的開發效率。
AI加速器FPGA原型系統採用創新的方法實現人工智慧加速FPGA系統，透過協同設計和協同優化壓縮神經網路和硬體結構，減少記憶體消耗和提高處理速度，提出可支援不同位寬和稀疏性的硬體架構，該系統可高效能地運行各種人工智慧應用。
混合訊號運算晶片與開發平台(Mixed-signal Computing Chip and Bring-up Platform)
開發記憶體內運算(Computing-In-Memory, CIM)並完成AISC晶片設計；採用CMOS製程相容的SRAM作爲模擬運算單元，可以與數位邏輯電路無縫整合；乘積和累加運算採用基於時間的電流訊號機制；實現較高的運算能力以及高於當前最先進的CIM方法三倍以上的能量效率。
同時開發一個晶片測試系統，搭建一個易於調試和可配置的CIM晶片測試系統，在這個系統中，為CIM晶片定制的PCB板透過轉接FPGA與PC相連；提供好的用戶互聯介面，方便用戶做迴路測試以及配置模擬運算單元，例如特定的測試樣本和各種不同的位寬模式；可以較低功耗和較高運行速度支持各種AI應用，例如人數計算。
智慧飛時測距(ToF)深度感測器
應用多種不同的成像技術可以看見不同維度的世界。在該項目中，間接飛時測距(iToF)3D成像技術被應用到特殊應用積體電路中，而實現即時3D感測應用，例如自主導航、生活環境輔助和工業組裝。
飛時測距深度感測器技術設計了具有定制電位和頻率的可測試和可配置的ToF晶片，ToF感測器採用低成本高相容性標準CMOS製程製造，感測元件可以與任何實現機器學習或深度學習算法的運算電路整合。實現每像素19.1fW的功耗，比市售的商用電流輔助光電解調器(CAPD)ToF感測器低約八個數量級。調製對比度達到98%，具有高速高精度的成像能力。
具有列級相關雙採樣(CDS)放大器，可抑制固定模式雜訊(FPN)，包括閃爍雜訊、像素電路失配和放大器固定偏移，效果超過55%。具有動態的工作模式，並行檢測電路可以將背景光(BGL)水平抑制到120klux，所需額外的時間和功耗被降低到可以忽略不計，而去除了在感測器頻寬、功率和背景光抑制水平之間進行交換權衡的限制。
