《AI芯片：科技探索與AGI願景》張臣雄『EPUB電子書下載』

內容簡介

本書旨在從創新的角度探討AI芯片的現狀和未來，共分9章。第1章為概論，介紹大模型浪潮下，AI芯片的需求與挑戰。第2章、第3章分別介紹實現深度學習AI芯片的創新方法與架構，以及一些新興的算法和思路。第4章全麵介紹半導體芯片產業的前沿技術，包括新型晶體管、集成芯片、分子器件與分子憶阻器，以及打印類腦芯片等。第5章～第8章分別探討用化學或生物方法實現AI、AI在科學發現中的創新應用、實現神經形態計算與類腦芯片的創新方法，以及具身智能芯片。第9章展望未來的AGI芯片，並探討相關的發展和倫理話題。

本書可供AI和芯片領域的研究人員，工程技術人員，科技、產業決策和管理人員，以及創投從業者參考，也可供AI、集成電路、計算機等相關專業的本科生、研究生和教學工作者，以及所有對AI芯片感興趣的讀者閱讀。

作者簡介

張臣雄，畢業於上海交通大學電子工程係，在德國卡爾斯魯厄理工學院（Karlsruhe Institute of Technology，KIT， 原卡爾斯魯厄大學）理論電子學研究所獲得工學碩士和工學博士學位。曾在德國西門子、美國Interphase 任職多年，並在一家世界500強大型高科技企業擔任首席科學家，曾任上海通信技術中心CEO。

兩家創業公司的創始人之一。長期致力於半導體芯片的研究與開發，參與並領導了多個重要的國際研究項目，多次獲得業內獎項。有200 餘項專利在多個國家獲授權或在申請中，出版多部專著並發表多篇學術論文。著有《AI 芯片：前沿技術與創新未來》。

目錄

第1章大模型浪潮下，AI芯片的需求與挑戰//1
1.1　生成式AI開創新時代//2
1.2　AI芯片：CPU、GPU、FPGA、ASIC//4
1.2.1　CPU//6
1.2.2　GPU//13
1.2.3　FPGA//21
1.2.4　ASIC//23
1.3　邊緣AI芯片//34
1.4　AI芯片的算力提升與能耗挑戰//37
1.5　本章小結//40
參考文獻//41
第2章實現深度學習AI芯片的創新方法與架構//43
2.1　基於大模型的AI芯片//46
2.1.1　Transformer模型與引擎//46
2.1.2　存內計算AI芯片//53
2.1.3　基於GPU的大模型計算//57
2.1.4　基於FPGA的大模型計算//59
2.1.5　基於ASIC的大模型計算//60
2.1.6　Transformer模型的後繼者//61
2.2　用創新方法實現深度學習AI芯片//63
2.2.1　基於開源RISC-V的AI加速器//65
2.2.2　射頻神經網絡//69
2.2.3　光電組合AI芯片//74
2.2.4　量子AI芯片//78
2.2.5　矩陣乘法計算的加速//85
2.3　用於邊緣側訓練或推理的AI芯片//91
2.3.1　邊緣AI訓練//93
2.3.2　Transformer模型邊緣部署//95
2.3.3　智能手機AI芯片//96
2.3.4　邊緣側的4種AI終端設備//101
2.3.5　極低功耗的AI芯片//103
2.4　本章小結//108
參考文獻//109
第3章AI的未來：提升AI算力還是提升AI智力//113
3.1深度學習算法的困境：大模型是一條不可持續發展的道路//114
3.1.1收益遞減法則適用於神經網絡//114
3.1.2資源浪費與環境破壞的問題//116
3.2　超越ChatGPT的新趨勢：用小模型替代大模型//118
3.2.1強化學習//119
3.2.2指令調整//119
3.2.3合成數據//120
3.3　終身學習與遷移學習//122
3.3.1終身學習//122
3.3.2遷移學習//123
3.4　符號計算//125
3.4.1　超維計算//127
3.4.2　耦合振蕩計算//138
3.4.3　神經符號計算//146
3.5　本章小結//150
參考文獻//152
第4章AI芯片：匯聚半導體芯片產業前沿技術//155
4.1　摩爾定律仍在不斷演進//156
4.1.1　晶體管架構從FinFET到CFET//156
4.1.2　晶背供電技術——打破傳統規則//159
4.1.3　EUV光刻機與其他競爭技術//162
4.2　從“集成電路”到“集成芯片”//168
4.2.1　芯粒與異質集成//170
4.2.2　3D堆疊//179
4.2.3“無封裝”的晶圓級單片芯片//184
4.3　開發使用新材料、新工藝的芯片//186
4.3.1　0D、1D、2D材料//187
4.3.2　用於類腦芯片的固態離子器件//189
4.3.3　分子器件與分子憶阻器//192
4.3.4　打印類腦芯片//199
4.4　本章小結//201
4.4.1工藝技術創新//201
4.4.2芯片架構創新//202
4.4.3新材料與製造工藝//203
參考文獻//204
第5章從AI硬件到AI濕件：用化學或生物方法實現AI//206
5.1　化學計算//209
5.1.1　用酸堿反應實現邏輯門和神經網絡//210
5.1.2　液態的憶阻器、MAC計算單元及存儲器//213
5.1.3　化學計算的總體現狀與前景//225
5.2　生物計算//225
5.2.1　用活細胞實現AI//226
5.2.2　真菌計算//236
5.2.3　生物計算//239
5.3　本章小結//242
參考文獻//244
第6章AI在科學發現中的創新應用//246
6.1　科學發現的4個傳統範式與正在開啟的第五範式//248
6.2　科學發現的過程與方法//252
6.2.1科學推理的類型//253
6.2.2自動化科學發現框架//254
6.3　直覺和靈感與諾貝爾獎和重大科學發現//255
6.4　AI替代人類生成假說//256
6.4.1直接生成//259
6.4.2窮舉搜索//261
6.4.3分析排錯與組合優化//262
6.5　用AI實現諾貝爾獎級別的科學發現//263
6.5.1AI科學家的構建//263
6.5.2AI科學家取得諾貝爾獎級別成果麵臨的挑戰//268
6.6　AI芯片用於“AI科學家”係統//270
6.7　用量子啟發AI技術發現新型超材料的案例//272
6.8　本章小結//275
參考文獻//277
第7章實現神經形態計算與類腦芯片的創新方法//279
7.1　雲端使用的神經形態計算與類腦芯片//282
7.2　基於大模型的神經形態計算架構//286
7.3　超導與非超導低溫類腦芯片//290
7.3.1　超導低溫類腦芯片//291
7.3.2　半導體與超導體混合式神經形態網絡//294
7.3.3　非超導低溫類腦芯片//296
7.3.4　低溫AI類腦芯片的巨大發展潛力//297
7.4　以樹突為中心的“合成大腦”//298
7.5　自旋波類腦芯片//303
7.6　本章小結//307
參考文獻//310
第8章具身智能芯片//312
8.1　AI的下一個前沿：具身智能//313
8.1.1具身智能的緣起//314
8.1.2具身智能中的第一人稱視角//316
8.2　AI感知技術與芯片//318
8.2.1　輸入端的數據壓縮//319
8.2.2　視覺：眼睛——攝像頭與視覺傳感器//321
8.2.3　觸覺：皮膚——觸摸屏、觸摸板、人工皮膚及3D生物組織打印//325
8.2.4　聽覺：耳朵——麥克風與助聽器//327
8.2.5　味覺：舌頭——電子舌//329
8.2.6　嗅覺：鼻子——電子鼻//331
8.2.7　具身智能的增強感知//334
8.2.8　新的“第六感”//335
8.3　具身智能係統與芯片//337
8.3.1　基於憶阻器的感存算一體化技術//341
8.3.2　具身智能的執行控製//346
8.3.3　感知、存儲、計算、執行一體化//347
8.4　濕件具身智能//347
8.5　本章小結//349
參考文獻//352
第9章從AI芯片到AGI芯片//354
9.1　生成式AI點燃AGI之火//355
9.2　現階段更智能、更接近AGI的6種算法與模型//358
9.2.1　MoE模型//359
9.2.2　Q*算法//363
9.2.3　測試時計算：提高泛化能力//366
9.2.4　具身智能與滲透式AI//367
9.2.5　大型多模態模型//370
9.2.6　分布式群體智能//373
9.2.7發展重點：基於強化學習的後訓練與推理//377
9.2.8　超越大模型：神經符號計算//379
9.3　AGI芯片的實現//381
9.3.1　技術需求//382
9.3.2　架構與形態//387
9.4　未來：AGI和ASI——神話還是悲歌//392
9.5　本章小結//394
參考文獻//396
附錄：芯片技術發展進程中具有裏程碑意義的幾本書//397
······