在智能交通领域的前沿，多代理列车控制系统的创新框架正在重塑列车控制系统的未来。该系统结合了许可区块链和强化学习的应用，展现了智能交通领域的最新进展。通过建立一个去中心化的运动授权生成平台，团队成功解决了传统列车控制系统面临的信任和协作问题。这一创新不仅提高了系统的效率和智能化水平，还基于分布式预言机的参数化列车运营费用结算机制，充分考虑了实时数据和动态环境对准确性的挑战，确保了支付过程的透明与公正。此外，团队利用同态加密和分布式检测器来保护数据隐私，并抵御潜在的攻击，充分体现了对安全性的重视。团队通过集成先进技术，致力于推动智能交通系统的发展，提升列车控制的智能化和安全性，迈向国际领先的水平。

在通用人工智能（AGI）领域的软硬件协同设计中，项目团队的硕博研究聚焦于算法轻量化和高能效硬件设计的探索。在算法方面，团队深入研究了AI模型的轻量化和稀疏化方法，以优化存储和计算效率。在硬件方面，团队专注于稀疏计算以及对CNN、RNN和GNN等模型的高能效加速，致力于设计低功耗、高性能且高度灵活的硬件架构，以满足AI应用对计算资源的高效需求。研究涉及跨层优化，结合软件算法和硬件架构的特点，进一步提升整体系统的协同性和响应速度。通过构建具备动态适应能力的计算架构，团队能够针对不同任务需求灵活调整资源分配，实现多场景下的能效最优。这些研究为实现更高效的AGI系统奠定了基础。

项目作为多类型人工智能计算芯片的通用化底层架构，由海外专家领衔，技术来源于国内外顶尖科研机构的核心研发成果、以及十余个国家重大专项和数十颗流片芯片的技术积累。支持多模态敏捷计算范式，支持敏捷计算稀疏剪枝机制，多维以搜代算方案，近似量化方法，实现能效突破；集成自主可控多核 RISC-V，开发自主可控多核 RISC-V 替代 ARM，实现芯片内部指令流级驱动计算；兼容异构融合共性架构，片内异构融合 ASIC+DSA+FPGA+ GPU+CPU 端口，支持智能计算演进及算力聚合；面向感存算通一体设计，支持多类型传感器分布式计算。项目特别适用于端侧训练推理一体化场景，致力于构建敏捷异构多模融合的智能计算时代。