商品簡介
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，創投從業者和相關專業研究生、本科生以及所有對AI芯片感興趣的人士閱讀參考。
作者簡介
張臣雄
畢業於上海交通大學電子工程系，在德國獲得工學碩士和工學博士學位。曾在德國西門子、Interphase、上海通信技術中心及一家世界500 強大型高科技企業分別擔任項目主管、CTO、CEO、首席科學家等職，長期從事及主管半導體芯片的研究和開發，推動芯片的產業化應用。
張臣雄博士是兩家創業公司的創始人之一，兼任首席科學家。他擁有200 餘項專利及專利申請，出版了多本專著並發表了100 多篇論文。
名人/編輯推薦
市面上jue無僅有的AI芯片全書；
AI芯片主流大廠首席科學家多年研究經驗和前瞻的傾心總結；
覆蓋AI芯片相關的技術路線、理論基礎和產業實踐等諸多方面；
揭示AI芯片全球舞臺上，芯片巨頭、互聯網巨頭、初創企業和學術界等各方面態勢；
從深度學習AI芯片等現有產品，到自學習/進化等下一代技術，再到量子場論、超材料甚至生物技術AI芯片等遠期前瞻題材，本書將帶你走進AI芯片的未來。
目次
第一篇 導論
第1 章 AI 芯片是人工智能未來發展的核心——什麼是 AI 芯片 // 2
1.1 AI 芯片的歷史 // 3
1.2 AI 芯片要完成的基本運算 // 5
1.2.1 大腦的工作機制 // 5
1.2.2 模擬大腦運作的神經網絡的計算 // 7
1.2.3 深度學習如何進行預測 // 8
1.2.4 提高性能和降低功耗 // 9
1.3 AI 芯片的種類 // 11
1.3.1 深度學習加速器 // 15
1.3.2 類腦芯片 // 16
1.3.3 仿生芯片及其他智能芯片 // 17
1.3.4 基於憶阻器的芯片 // 19
1.4 AI 芯片的研發概況 // 22 1.5 小結 // 23
第2 章 執行“訓練”和“推理”的 AI 芯片 // 25
2.1 深度學習算法成為目前的主流 // 25
2.1.1 深度學習的優勢與不足 // 28
2.1.2 監督學習與無監督學習 // 29
2.1.3 AI 芯片用於云端與邊緣側 // 31
2.1.4 把 AI 計算從云端遷移到邊緣側 // 36
2.2 AI 芯片的創新計算範式 // 40
2.3 AI 芯片的創新實現方法 // 42 2.4 小 結 // 46
第二篇 最熱門的 AI 芯片
第3 章 深度學習 AI 芯片 // 48
3.1 深度神經網絡的基本組成及硬件實現 // 48
3.1.1 AI 芯片的設計流程 // 50
3.1.2 計算引擎和存儲系統 // 51
3.2 算法的設計和優化 // 57
3.2.1 降低數值精度的量化技術 // 57
3.2.2 壓縮網絡規模、“修剪”網絡 // 62
3.2.3 二值和三值神經網絡 // 63
3.2.4 可變精度和遷移精度 // 64
3.2.5 簡化卷積層 // 66
3.2.6 增加和利用網絡稀疏性 // 66
3.3 架構的設計和優化 // 67
3.3.1 把數據流用圖表示的架構設計 // 68
3.3.2 架構設計及優化的其他考慮 // 71
3.4 電路的設計和優化 // 72
3.4.1 用模數混合電路設計的 MAC // 73
3.4.2 FPGA 及其 Overlay 技術 // 74
3.5 其他設計方法 // 76
3.5.1 卷積分解方法 // 76
3.5.2 提前終止方法 // 76
3.5.3 知識蒸餾方法 // 77
3.5.4 經驗測量方法 // 77
3.5.5 哈希算法取代矩陣乘法 // 78
3.5.6 神經架構搜索 // 78
3.6 AI 芯片性能的衡量和評價 // 79
3.7 小 結 // 82
第4 章 近年研發的 AI 芯片及其背後的產業和創業特點 // 85
4.1 對 AI 芯片巨大市場的期待 // 86 4.2 “1+3”大公司格局 // 87
4.2.1 英偉達 // 87
4.2.2 谷歌 // 91
4.2.3 英特爾 // 94
4.2.4 微軟 // 96
4.2.5 其他一些著名公司的 AI 芯片 // 97
4.2.6 三位世界級 AI 科學家 // 101
4.3 學術界和初創公司 // 102
4.3.1 大學和研究機構的 AI 芯片 // 103
4.3.2 四家初創“獨角獸”公司的芯片 // 111
4.4 小 結 // 119
第5 章 神經形態計算和類腦芯片 // 121
5.1 脈衝神經網絡的基本原理 // 122
5.2 類腦芯片的實現 // 125
5.2.1 憶阻器實現 // 127
5.2.2 自旋電子器件實現 // 129
5.3 基於 DNN 和 SNN 的 AI 芯片比較及未來可能的融合 // 131
5.4 類腦芯片的例子及最新發展 // 133
5.5 小 結 // 138
第三篇 用於 AI 芯片的創新計算範式
第6 章 模擬計算 // 142
6.1 模擬計算芯片 // 143
6.2 新型非易失性存儲器推動了模擬計算 // 147
6.2.1 用阻變存儲器實現模擬計算 // 147
6.2.2 用相變存儲器實現模擬計算 // 149
6.2.3 權重更新的挑戰 // 150
6.2.4 NVM 器件的材料研究和創新 // 151
6.3 模擬計算的應用範圍及其他實現方法 // 153
6.4 模擬計算的未來趨勢 // 154
6.5 小 結 // 156
第7 章 存內計算 // 158
7.1 馮·諾依曼架構與存內計算架構 // 158
7.2 基於存內計算的 AI 芯片 // 161
7.2.1 改進現有存儲芯片來完成存內計算 // 161
7.2.2 用 3D 堆疊存儲技術來完成存內計算 // 164
7.2.3 用新型非易失性存儲器來完成存內計算 // 165
7.3 小 結 // 171
第8 章 近似計算、隨機計算和可逆計算 // 174
8.1 近似計算 // 174
8.1.1 減少循環迭代次數的近似計算 // 176
8.1.2 近似加法器和近似乘法器 // 177
8.1.3 降低電源電壓的近似計算 // 178
8.1.4 基於 RRAM 的近似計算 // 180
8.1.5 應對電路故障的近似計算 // 182
8.2 隨機計算 // 182
8.3 可逆計算 // 187
8.4 小 結 // 191
第9 章 自然計算和仿生計算 // 192
9.1 組合優化問題 // 193
9.2 組合優化問題的最優化算法 // 195
9.2.1 模擬退火 // 195
9.2.2 自組織映射 // 197
9.2.3 群體算法 // 199
9.3 超參數及神經架構搜索 // 201
9.3.1 粒子群優化的應用 // 202
9.3.2 強化學習方法的應用 // 202
9.3.3 進化算法的應用 // 203
9.3.4 其他自然仿生算法的應用 // 204
9.4 基於自然仿生算法的 AI 芯片 // 205
9.4.1 粒子群優化的芯片實現 // 206
9.4.2 用憶阻器實現模擬退火算法 // 207
9.5 小 結 // 208
第四篇 下一代 AI 芯片
第10 章 受量子原理啟發的 AI 芯片——解決組合優化問題的突破 // 210
10.1 量子退火機 // 210
10.2 伊辛模型的基本原理 // 212
10.3 用於解決組合優化問題的 AI 芯片 // 214
10.3.1 基於 FPGA 的可編程數字退火芯片 // 214
10.3.2 使用 OPO 激光網絡來進行最優化計算 // 216
10.3.3 CMOS 退火芯片 // 218
10.3.4 商用量子啟發 AI 芯片 // 220
10.4 量子啟發 AI 芯片的應用 // 221
10.5 小 結 // 223
第11 章 進一步提高智能程度的 AI 算法及芯片 // 224
11.1 自學習和創意計算 // 225
11.2 元學習 // 226
11.2.1 模型不可知元學習 // 226
11.2.2 元學習共享分層 // 227
11.2.3 終身學習 // 228
11.2.4 用類腦芯片實現元學習 // 229
11.3 元推理 // 230
11.4 解開神經網絡內部表征的纏結 // 231
11.5 生成對抗網絡 // 235
11.5.1 生成對抗網絡的 FPGA 實現 // 239
11.5.2 生成對抗網絡的 CMOS 實現 // 239
11.5.3 生成對抗網絡的 RRAM 實現 // 240
11.6 小結 // 242
第12 章 有機計算和自進化 AI 芯片 // 243
12.1 帶自主性的 AI 芯片 // 244
12.2 自主計算和有機計算 // 247
12.3 自進化硬件架構與自進化 AI 芯片 // 248
12.3.1 自進化硬件架構 // 248
12.3.2 自進化 AI 芯片 // 250
12.4 深度強化學習 AI 芯片 // 252
12.5 進化算法和深度學習算法的結合 // 253
12.6 有機計算和遷移學習的結合 // 254
12.7 小 結 // 255
第13 章 光子 AI 芯片和儲備池計算 // 256
13.1 光子 AI 芯片 // 257
13.1.1 硅光芯片 // 258
13.1.2 光學神經網絡架構 // 259
13.1.3 光子 AI 芯片 // 261
13.2 基於儲備池計算的 AI 芯片 // 263
13.3 光子芯片的新進展 // 267
13.4 小 結 // 268
第五篇 推動 AI 芯片發展的新技術
第14 章 超低功耗與自供電 AI 芯片 // 271
14.1 超低功耗 AI 芯片 // 271
14.2 自供電 AI 芯片 // 274
14.2.1 使用太陽能的 AI 芯片 // 276
14.2.2 無線射頻信號能量采集 // 277
14.2.3 摩擦生電器件 // 280
14.2.4 微塵大小的 AI 芯片 // 282
14.2.5 可采集能源的特性 // 283
14.2.6 其他可能被發掘的能源 // 284
14.3 小 結 // 285
第15 章 後摩爾定律時代的芯片 // 287
15.1 摩爾定律仍然繼續，還是即將終結 // 287
15.1.1 摩爾定律進一步 // 290
15.1.2 比摩爾定律更多 // 293
15.1.3 超越 CMOS // 300
15.2 芯片設計自動化的前景 // 311
15.3 後摩爾定律時代的重要變革是量子計算芯片 // 312
15.4 小 結 // 314
第六篇 促進 AI 芯片發展的基礎理論研究、應用和創新
第16 章 基礎理論研究引領 AI 芯片創新 // 316
16.1 量子場論 // 317
16.1.1 規範場論與球形曲面卷積 // 317
16.1.2 重整化群與深度學習 // 321
16.2 超材料與電磁波深度神經網絡 // 322
16.3 老子之道 // 327
16.4 量子機器學習與量子神經網絡 // 331
16.5 統計物理與信息論 // 333
16.6 小結 // 336
第17 章 AI 芯片的應用和發展前景 // 338
17.1 AI 的未來發展 // 338
17.2 AI 芯片的功能和技術熱點 // 341
17.3 AI 的三個層次和 AI 芯片的應用 // 343
17.4 更接近生物大腦的 AI 芯片 // 347
17.4.1 帶“左腦”和“右腦”的 AI 芯片 // 349
17.4.2 用細菌實現的擴散憶阻器 // 350
17.4.3 用自旋電子器件實現的微波神經網絡 // 351
17.4.4 用電化學原理實現模擬計算 // 352
17.5 AI 芯片設計是一門跨界技術 // 353
17.6 小 結 // 355
附錄 中英文術語對照表 // 360
參考文獻 // 369
今日66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。