AI芯片

本书从人工智能（AI）的发展历史讲起，介绍了目前非常热门的深度学习加速芯片和基于神经形态计算的类脑芯片的相关算法、架构、电路等，并介绍了近年来产业界和学术界一些著名的AI芯片，包括生成对抗网络芯片和深度强化学习芯片等。本书着重介绍了用创新的思维来设计AI芯片的各种计算范式，以及下一代AI芯片的几种范例，包括量子启发的AI芯片、进一步提升智能程度的AI芯片、有机自进化AI芯片、光子AI芯片及自供电AI芯片等。本书也介绍了半导体芯片技术在后摩尔定律时代的发展趋势，以及基础理论（如量子场论、信息论等）在引领AI芯片创新方面发挥的巨大作用。最后，本书介绍了AI发展的三个层次、现阶段AI芯片与生物大脑的差距及未来的发展方向。

本书可供AI和芯片领域的研究人员、工程技术人员，科技、产业决策和管理人员，创投从业者和相关专业研究生、本科生以及所有对AI芯片感兴趣的人士阅读参考。

第一篇 导论

第1章 AI芯片是人工智能未来发展的核心——什么是AI芯片

 1.1 AI芯片的历史

 1.2 AI芯片要完成的基本运算

 1.2.1 大脑的工作机制

 1.2.2 模拟大脑运作的神经网络的计算

 1.2.3 深度学习如何进行预测

 1.2.4 提高性能和降低功耗

 1.3 AI芯片的种类

 1.3.1 深度学习加速器

 1.3.2 类脑芯片

 1.3.3 仿生芯片及其他智能芯片

 1.3.4 基于忆阻器的芯片

 1.4 AI芯片的研发概况

 1.5 小结

第2章 执行“训练”和“推理”的AI芯片

 2.1 深度学习算法成为目前的主流

 2.1.1 深度学习的优势与不足

 2.1.2 监督学习与无监督学习

 2.1.3 AI芯片用于云端与边缘侧

 2.1.4 把AI计算从云端迁移到边缘侧

 2.1.4.1 为什么要在边缘侧部署AI

 2.1.4.2 提高边缘侧AI计算能力的几个思路

 2.2 AI芯片的创新计算范式

 2.3 AI芯片的创新实现方法

 2.4 小结

第二篇 最热门的AI芯片

第3章 深度学习AI芯片

 3.1 深度神经网络的基本组成及硬件实现

 3.1.1 AI芯片的设计流程

 3.1.2 计算引擎和存储系统

 3.1.2.1 计算引擎

 3.1.2.2 存储系统

 3.2 算法的设计和优化

 3.2.1 降低数值精度的量化技术

 3.2.2 压缩网络规模、“修剪”网络

 3.2.3 二值或三值神经网络

 3.2.4 可变精度和迁移精度

 3.2.5 简化卷积层

 3.2.6 增加和利用网络稀疏性

 3.3 架构的设计和优化

 3.3.1 把数据流用图表示的架构设计

 3.3.2 架构设计及优化的其他考虑

 3.4 电路的设计和优化

 3.4.1 用模数混合电路设计的MAC

 3.4.2 FPGA及其Overlay技术（“软件定义硬件”）

 3.5 其他设计方法

 3.5.1 卷积分解方法

 3.5.2 提前终止方法

 3.5.3 知识蒸馏方法

 ……

第三篇 用于AI芯片的创新计算范式

第四篇 下一代AI芯片

第五篇 推动AI芯片发展的新技术

第六篇 促进AI芯片发展的基础理论研究、应用和创新

附录 中英文术语对照表

参考文献

张臣雄，现任世界500强企业之一的大型高科技公司的首席科学家。先后在德国西门子公司和美国纳斯达克上市公司一一Iterphase工作多年；曾任上海通信技术中心总经理，中国CEC集团电子公司技术总监，iCom公司CEO等职。张臣雄毕业于上海交通大学电子工程系，在德国卡尔斯鲁厄大学获得工学硕士和工学博士学位。张臣雄博士是《中国的全球化革命》一书的作者之一，也曾在美国和德国出版了4本电子、通信和半导体领域的著作，其中一本以人工智能、神经网络应用于芯片设计为主题。