《AI芯片：科技探索与AGI愿景》张臣雄『EPUB电子书下载』

内容简介

本书旨在从创新的角度探讨AI芯片的现状和未来，共分9章。第1章为概论，介绍大模型浪潮下，AI芯片的需求与挑战。第2章、第3章分别介绍实现深度学习AI芯片的创新方法与架构，以及一些新兴的算法和思路。第4章全面介绍半导体芯片产业的前沿技术，包括新型晶体管、集成芯片、分子器件与分子忆阻器，以及打印类脑芯片等。第5章～第8章分别探讨用化学或生物方法实现AI、AI在科学发现中的创新应用、实现神经形态计算与类脑芯片的创新方法，以及具身智能芯片。第9章展望未来的AGI芯片，并探讨相关的发展和伦理话题。

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，以及创投从业者参考，也可供AI、集成电路、计算机等相关专业的本科生、研究生和教学工作者，以及所有对AI芯片感兴趣的读者阅读。

作者简介

张臣雄，毕业于上海交通大学电子工程系，在德国卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology，KIT， 原卡尔斯鲁厄大学）理论电子学研究所获得工学硕士和工学博士学位。曾在德国西门子、美国Interphase 任职多年，并在一家世界500强大型高科技企业担任首席科学家，曾任上海通信技术中心CEO。

两家创业公司的创始人之一。长期致力于半导体芯片的研究与开发，参与并领导了多个重要的国际研究项目，多次获得业内奖项。有200 余项专利在多个国家获授权或在申请中，出版多部专著并发表多篇学术论文。著有《AI 芯片：前沿技术与创新未来》。

目录

第1章大模型浪潮下，AI芯片的需求与挑战//1
1.1　生成式AI开创新时代//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　边缘AI芯片//34
1.4　AI芯片的算力提升与能耗挑战//37
1.5　本章小结//40
参考文献//41
第2章实现深度学习AI芯片的创新方法与架构//43
2.1　基于大模型的AI芯片//46
2.1.1　Transformer模型与引擎//46
2.1.2　存内计算AI芯片//53
2.1.3　基于GPU的大模型计算//57
2.1.4　基于FPGA的大模型计算//59
2.1.5　基于ASIC的大模型计算//60
2.1.6　Transformer模型的后继者//61
2.2　用创新方法实现深度学习AI芯片//63
2.2.1　基于开源RISC-V的AI加速器//65
2.2.2　射频神经网络//69
2.2.3　光电组合AI芯片//74
2.2.4　量子AI芯片//78
2.2.5　矩阵乘法计算的加速//85
2.3　用于边缘侧训练或推理的AI芯片//91
2.3.1　边缘AI训练//93
2.3.2　Transformer模型边缘部署//95
2.3.3　智能手机AI芯片//96
2.3.4　边缘侧的4种AI终端设备//101
2.3.5　极低功耗的AI芯片//103
2.4　本章小结//108
参考文献//109
第3章AI的未来：提升AI算力还是提升AI智力//113
3.1深度学习算法的困境：大模型是一条不可持续发展的道路//114
3.1.1收益递减法则适用于神经网络//114
3.1.2资源浪费与环境破坏的问题//116
3.2　超越ChatGPT的新趋势：用小模型替代大模型//118
3.2.1强化学习//119
3.2.2指令调整//119
3.2.3合成数据//120
3.3　终身学习与迁移学习//122
3.3.1终身学习//122
3.3.2迁移学习//123
3.4　符号计算//125
3.4.1　超维计算//127
3.4.2　耦合振荡计算//138
3.4.3　神经符号计算//146
3.5　本章小结//150
参考文献//152
第4章AI芯片：汇聚半导体芯片产业前沿技术//155
4.1　摩尔定律仍在不断演进//156
4.1.1　晶体管架构从FinFET到CFET//156
4.1.2　晶背供电技术——打破传统规则//159
4.1.3　EUV光刻机与其他竞争技术//162
4.2　从“集成电路”到“集成芯片”//168
4.2.1　芯粒与异质集成//170
4.2.2　3D堆叠//179
4.2.3“无封装”的晶圆级单片芯片//184
4.3　开发使用新材料、新工艺的芯片//186
4.3.1　0D、1D、2D材料//187
4.3.2　用于类脑芯片的固态离子器件//189
4.3.3　分子器件与分子忆阻器//192
4.3.4　打印类脑芯片//199
4.4　本章小结//201
4.4.1工艺技术创新//201
4.4.2芯片架构创新//202
4.4.3新材料与制造工艺//203
参考文献//204
第5章从AI硬件到AI湿件：用化学或生物方法实现AI//206
5.1　化学计算//209
5.1.1　用酸碱反应实现逻辑门和神经网络//210
5.1.2　液态的忆阻器、MAC计算单元及存储器//213
5.1.3　化学计算的总体现状与前景//225
5.2　生物计算//225
5.2.1　用活细胞实现AI//226
5.2.2　真菌计算//236
5.2.3　生物计算//239
5.3　本章小结//242
参考文献//244
第6章AI在科学发现中的创新应用//246
6.1　科学发现的4个传统范式与正在开启的第五范式//248
6.2　科学发现的过程与方法//252
6.2.1科学推理的类型//253
6.2.2自动化科学发现框架//254
6.3　直觉和灵感与诺贝尔奖和重大科学发现//255
6.4　AI替代人类生成假说//256
6.4.1直接生成//259
6.4.2穷举搜索//261
6.4.3分析排错与组合优化//262
6.5　用AI实现诺贝尔奖级别的科学发现//263
6.5.1AI科学家的构建//263
6.5.2AI科学家取得诺贝尔奖级别成果面临的挑战//268
6.6　AI芯片用于“AI科学家”系统//270
6.7　用量子启发AI技术发现新型超材料的案例//272
6.8　本章小结//275
参考文献//277
第7章实现神经形态计算与类脑芯片的创新方法//279
7.1　云端使用的神经形态计算与类脑芯片//282
7.2　基于大模型的神经形态计算架构//286
7.3　超导与非超导低温类脑芯片//290
7.3.1　超导低温类脑芯片//291
7.3.2　半导体与超导体混合式神经形态网络//294
7.3.3　非超导低温类脑芯片//296
7.3.4　低温AI类脑芯片的巨大发展潜力//297
7.4　以树突为中心的“合成大脑”//298
7.5　自旋波类脑芯片//303
7.6　本章小结//307
参考文献//310
第8章具身智能芯片//312
8.1　AI的下一个前沿：具身智能//313
8.1.1具身智能的缘起//314
8.1.2具身智能中的第一人称视角//316
8.2　AI感知技术与芯片//318
8.2.1　输入端的数据压缩//319
8.2.2　视觉：眼睛——摄像头与视觉传感器//321
8.2.3　触觉：皮肤——触摸屏、触摸板、人工皮肤及3D生物组织打印//325
8.2.4　听觉：耳朵——麦克风与助听器//327
8.2.5　味觉：舌头——电子舌//329
8.2.6　嗅觉：鼻子——电子鼻//331
8.2.7　具身智能的增强感知//334
8.2.8　新的“第六感”//335
8.3　具身智能系统与芯片//337
8.3.1　基于忆阻器的感存算一体化技术//341
8.3.2　具身智能的执行控制//346
8.3.3　感知、存储、计算、执行一体化//347
8.4　湿件具身智能//347
8.5　本章小结//349
参考文献//352
第9章从AI芯片到AGI芯片//354
9.1　生成式AI点燃AGI之火//355
9.2　现阶段更智能、更接近AGI的6种算法与模型//358
9.2.1　MoE模型//359
9.2.2　Q*算法//363
9.2.3　测试时计算：提高泛化能力//366
9.2.4　具身智能与渗透式AI//367
9.2.5　大型多模态模型//370
9.2.6　分布式群体智能//373
9.2.7发展重点：基于强化学习的后训练与推理//377
9.2.8　超越大模型：神经符号计算//379
9.3　AGI芯片的实现//381
9.3.1　技术需求//382
9.3.2　架构与形态//387
9.4　未来：AGI和ASI——神话还是悲歌//392
9.5　本章小结//394
参考文献//396
附录：芯片技术发展进程中具有里程碑意义的几本书//397
······