隨著人工智慧（Artificial Intelligence, AI）的快速普及，嵌入式記憶體與記憶體內運算技術（In-Memory Computing, IMC）已成為支撐 AI 應用落地與效率提升的關鍵基石。在當前的運算環境中，大量資料需要頻繁地在處理器和記憶體之間傳輸，而傳統運算架構（Von Neumann架構）因技術瓶頸導致運算效率降低、能耗增高，在處理高維度、大規模的 AI 模型運算時，這一問題尤為明顯，因此開發基於嵌入式記憶體的運算架構和設計方法，已成為業界解決運算效率瓶頸的重要方向。在這樣的背景下，底層的計算技術也必須迎來革新，記憶體內運算技術（Computing-in-Memory, CIM）以其突破性的架構設計成為解決瓶頸的關鍵。
記憶體內運算技術的應用領域廣泛，涵蓋AI加速器、即時資料分析以及低功耗嵌入式裝置等。在這些應用中，技術整合的挑戰不僅在於硬體架構的設計，還包括如何高效地將軟硬體協同優化。這使得對CIM的深入了解成為業界專家與工程師提升專業能力的迫切需求。工業技術研究院的蘇建維博士以其多年來在記憶體技術與電路設計的研究成果，成為推動這一技術落地的重要力量。他的研究涵蓋新興非揮發性記憶體（NVM）、靜態隨機存取記憶體（SRAM）以及記憶體內運算技術的整合應用，並已成功運用於多個實際案例中。
同時AI 晶片市場競爭日益激烈，各大晶片公司（如 NVIDIA、Intel、AMD）紛紛投入巨資，開發專為 AI 運算設計的硬體架構，而嵌入式記憶體與記憶體內運算是未來前瞻的發展方向之一，更進一步推動了相關技術的提升與標準化，也對相關技術人才的需求急劇上升。因此本課程應運而生，專注於嵌入式記憶體與記憶體內運算技術的基礎知識與應用實踐，旨在填補現今業界對高端技術人才的迫切需求，課程內容涵蓋嵌入式記憶體的基本架構設計、非揮發性記憶體的技術演進與設計技巧，以及記憶體內運算的技術原理與應用場景。透過理論與實務相結合的教學方式，學員將能夠深入理解技術的核心概念，並具備應用到實際產品設計中的能力。
