智能物联网在人们的生产生活中越来越普及,随之而来的是其产生的海量数据。如何高效地存储、传输和处理这些数据是当下物联网进一步普及的过程中必须要解决的问题。通过将算力下放到系统边缘端,使终端具备本地数据处理能力,是目前可行的解决方案。然而,在传统的感知系统中,受限于冯·诺依曼架构,“功耗墙”和“存储墙”始终存在,与此同时,在终端上部署神经网络这类计算密集型算法,更进一步加剧了这一能耗瓶颈。持续智能感知系统通过在传感器端集成智能处理模块,实现了数据的本地化智能处理,降低了数据转换和传输量级,减轻了后级系统的计算压力,可以有效克服上述能耗瓶颈。因此,本文针对持续感知系统中高能效的集成电路设计开展了研究,设计了一款面向持续智能感知应用的芯片。本文完成的主要工作如下:（1）设计了一种存内计算单元（CIM单元）。该单元既可以作为标准SRAM存储器使用,同时又可以在该单元内进行乘法运算操作。在CIM单元的基础上,对其进行横向和纵向拓展,构成CIM单元阵列。该阵列支持电流模的加法运算,具有高效执行乘累加运算的能力,同时支持神经网络算法的映射。（2）设计了基于CIM单元的系统架构。该架构采用混合信号模式,包含数字逻辑控制部分和相应的支撑电路,使CIM阵列在合理的逻辑控制下,能够分别进行存储和计算,同时兼顾高能效性和拓展性。（3）针对上述电路和架构设计,进行了充分的电路仿真与验证,包括模拟电路设计与仿真、数字逻辑电路的编码与调试、模数混合仿真和后端验证（LVS和DRC）,在此基础上,在TSMC 65nm工艺节点下进行了流片验证。（4）针对设计的芯片,制定了合理的测试方案,设计了必要的辅助电路,形成以芯片为中心的计算平台,完成其功能性测试和功耗分析,芯片的能效可达到15.75TOPS/W。进一步的,设计了实际应用场景下的唤醒系统来验证芯片部署后的有效性,结果表明,其能够达到93.0%的关键词识别准确率和98.0%的人脸检测准确率。