英特尔中国研究中心的微处理器技术实验室，致力于研究领先于未来微处理器产品设计的核心技术。

在中国研究中心的研究团队主要从事编程系统技术方面的研究。

编程系统实验室致力于使英特尔的未来产品在受控运行时和编译技术配合上具备独特品质，并通过在这些领域的基础研究来对工业界产生影响。目前中国研究队的主要研究活动集中在移动运行时和编译技术两领域。

移动运行时研究

• XORP 高性能运行时平台项目
  Java已经在记忆体/计算能力受限的设备（例如 PDA 和手机）上得到广泛应用。为了掌握 Intel® XScale® 微处理架构对受控运行时的影响，我们独立开发了一个高性能的 J2ME 运行时平台 XORP。这个 XORP 平台同时支持 Commected Limited Device Configuration (CLDC) 和 Connected Device Configuration (CDC)。藉著这个 XORP 平台，我们研发了最新的移动运行时技术，使得现有Intel® XScale® 微处理架构展现最佳的性能。我们並且开展微系统结构方面的研究，以使下一代Intel® XScale® 及低耗能微处理架构能对运行时提供更好的支持。
  

编译技术研究

• 开放研究编译器项目
  这项目为英特尔与中科院计算所合作研究项目。它成功研制出“IA-64开放源码编译系统”。该系统为学术界提供一个可靠、灵活、高性能、含开放源码的英特尔“安腾”处理器家族编译器，促进了相关的编译与体系结构研究。
• 猜测并行多线程编译器项目
  多线程猜测是一种极具潜力的新技术，它可将难于并行的应用程序并行化运行于多内核体系架构上。这项目的研究目标是致力于寻求新型编译架构与技术，以求将应用程序优化及并行化为最优猜测并行多线程，并评估其在不同硬件设计条件下的性能表现。目前已经研制出猜测并行多线程编译器原型系统，并已应用于相关的微处理器架构与编译器的研究工作中。
• 香格里拉（Shangri-La）项目
  这项目致力于研究基于多核心多线程体系结构上数据包处理应用程序的高级编程环境。其研究领域包括：

1. 编程语言设计：数据包处理应用程序具有明显的数据流特征，如何利用编程语言自然和有效地表示这种特征，从而有利应用程序的编译和优化；
2. 编译及优化技术：研究如何有效地将数据流应用程序自动划分及映射到多核心多线程的硬件体系结构中，以满足特定的数据包吞吐量需求；
3. 运行时系统：研究如何在运行时动态地自适应调整应用程序在多核心多线程体系结构上的划分和映射，以适应网络通信量和需求的波动。

我们在这个领域的研究目标是针对不断出现的复杂计算任务，特别是那些统计计算应用，进行算法的并行优化以提高其可扩展性，并进行计算机架构上的性能分析。具体体现在：

1. 对机器学习的最新应用并行化，以推动未来英特尔架构设计，最终实现计算机的自动识别、信息挖掘与合成。
2. 与国内优秀大学和研究机构合作，共同进行并行计算与机器学习算法的研究。

在过去的几年间，我们进行了自然语言处理，信息挖掘，语音识别，视频跟踪以及生物信息学等领域的算法和应用研究，并与美国总部的英特尔系统研究实验室、英特尔俄罗斯研究中心以及Kevin Murphy博士合作开发了概率网络库(PNL)， 我们实现了其中的结构学习算法。PNL实现了基于图模型(Graphical Model)的构造、推理和学习，可以广泛用于人工智能与模式识别的多种领域。一些基本的算法，如Junction Tree 推理算法，EM学习算法，图模型的结构学习算法等，都已实现了良好的优化和并行，并已应用于生物信息学研究，包括单核苷酸多态性(SNPs)、蛋白质三维结构预测以及蛋白质同源性搜索，致病基因发现等领域。我们也正在对其它的一些有广泛应用价值的算法，如机器学习算法，优化算法等等进行深入研究。在应用研究方面，我们将把这些算法推广到其他新领域，如数据/文本挖掘等, 最终实现计算机的自动识别、信息挖掘与合成的远景。

与此同时，我们着重于算法并行化与性能评测的工作。借助于处理器内建硬件性能记数器及操作系统内建软件性能记数器, 详细地观察与记录程序的运行行为. 在此基础上对程序进行广泛的优化, 使算法达到良好的硬件/软件/网络资源使用率. 同时将程序的行为与其它通用基准程序, 如 SPEC, NPB, 进行比较, 将结果反馈给英特尔架构研究员与产品部门, 协助制定未来处理器开发策略. 我们还致力于对各类机器学习算法的并行性与可扩展性进行定量的评估和预测, 在此基础上我们已对一些有广泛应用价值的算法(如贝叶斯模型的结构学习算法)实现了广泛的并行, 在SMP机群上的加速比达到国际先进水平。我们正在对更多的重要算法进行并行化与性能评测研究，如模拟退火等。