本模組針對「邊緣運算人工智慧晶片設計與實作」進行模組教材開發與應用，核心目標在於教授學生如何開發與設計低功耗 AI 晶片，並使用一個在無人機 (UAV) 平台上實現即時火災偵測的應用作為實例。本模組使用的神經網路模型透過建立多出口 (Early Exit) 之卷積神經網路模型 (CNN)，並搭配量化技術 (DoReFaNet) 降低權重與活化值的位元數，以達到在資源受限的環境中仍能維持高偵測準確度的目的。在硬體實作層面，採用 TSMC ADFP 虛擬製程 (N16) 進行 RTL 設計、合成、佈局與繞線 (APR)，最後使用 Calibre 進行 DRC/LVS 驗證，完整模擬晶片開發的流程。過程中著重記憶體管理與電源閘控 (power gating) 技術，以因應 UAV 之電池與空間限制。

本模組已完成規劃課程模組內容：包含 Python 端的 CNN 模型訓練與量化的說明文件、Verilog RTL 模擬與測試實作講義、Gate-level 電路合成與自動化佈局繞線與佈局後驗證。透過這些實作與教學範例，學生能學習到先進製程 (FinFET 16nm) 在低功耗 AI 晶片上的開發流程，同時亦加強在無人機應用情境下的即時偵測與動態資源調配之觀念。