AI硬體專屬晶片：最新技術未來創新發展

名人推薦：專家推薦

This is a timely, comprehensive, and visionary book on AI Chips such as deep learning and neuromorphic computing Chips. In spite of many revolutionary and cutting-edge advances, in both theory and hardware, that made such AI chips possible, the author has succeeded to impart the essence of the essential recent advances, in pedagogical terms, for the lay reader to understand, and appreciate.

This book is essential reading for anyone interested in learning how AI Chips is ...

人工智慧（Artificial Intelligence，AI）正在影響各行各業，並將極大地影響我們的工作和生活。而AI 技術的核心之一就是AI 晶片。從利用圖形處理器作為最初的深度學習加速晶片開始，到專門為AI 訂製的五花八門的專用晶片，在短短幾年的時間裡，AI 晶片就高速發展成為一個新興的產業。各大公司和研究機構、大專院校紛紛成立專門的AI 研究機構，研究AI 演算法、模型和硬體（即AI 晶片），有的大學甚至還為大學生開設了AI 課程，以培養社會急需的AI 人才。

從最初深度學習加速器的產業化，到以神經形態計算為基礎的類腦晶片迅速發展，AI 晶片在數年內獲得了巨大進步。在未來5 年或更長時間內，我們期待以新型記憶體為基礎、利用記憶體內計算的深度學習AI 晶片能夠產業化，同時期待類腦晶片逐漸取代深度學習AI 晶片。按照現在的技術發展軌跡，我們或許可以預測10 ～ 20 年後AI 晶片的形態：除了比現在強大得多的性能、極低的功耗外，它將不是現在這樣硬邦邦的一顆晶圓，而可能是可彎曲、可折疊甚至全透明的薄片，可以隨時隨選列印，可以植入人類體內，甚至可能是一種用蛋白質實現或依照DNA 計算、量子計算原理設計的AI 晶片。

在這樣一個科技高速發展的時代，顛覆性的創新（包括基礎理論的創新）正不斷出現。AI 的開發包含了兩個平行發展和演進的領域：一個是「AI 發現」領域，這個領域包含了不斷在創新的新型神經網路和演算法；另一個是「AI 實現」領域，即如何透過晶片用最佳的架構、電路、元件和新的材料實現演算法。如果要在核心關鍵技術方面迎頭趕上，我們必須加強上述兩個領域的基礎研究和應用研究。

在這樣的形勢下，關於AI 的研究成果和專利正呈現出爆炸式的增長，每個月、每週，甚至每天都會出現大量新的創想、新的論文，而以新演算法為基礎所實現的AI 晶片，也已達到令人「眼花繚亂」的地步。AI 領域不再是前幾年只有幾棵「大樹」的景況，如今它已經變成了一片遼闊的「森林」。對在該領域工作的研發人員來說，先到這片「森林」中去逛一逛，再回過頭來培育自己的「大樹」或「樹苗」，一定能有所獲益。以此為初衷，本書對AI 晶片領域的理論現狀和發展進行了梳理，旨在帶領讀者俯瞰AI 這片「森林」中AI 晶片一隅的概貌，以了解AI 晶片當前最新的研發情況、技術進展和一些新的研究方向。作者也以多年經驗為基礎，列出了對未來幾年的展望，希望幫助讀者們對這個領域的知識和發展有進一步的認識。

人民郵電出版社賀瑞君編輯對書稿進行了精心審讀，提出了寶貴的意見；出版社其他工作人員也為本書作了大量努力，讓本書得以較快與讀者見面，在此謹向他們表示最誠摯的感謝！

AI 晶片的研究工作和產業化正在以日新月異的速度向前推進，這是一個涉及面非常廣的技術領域，作者也在不斷探索中。因作者水準有限，書中難免有疏漏與謬誤之處，敬請業界同行和讀者指正。

張臣雄

人工智慧（Artificial Intelligence，AI）正在影響各行各業，並將極大地影響我們的工作和生活。而AI 技術的核心之一就是AI 晶片。從利用圖形處理器作為最初的深度學習加速晶片開始，到專門為AI 訂製的五花八門的專用晶片，在短短幾年的時間裡，AI 晶片就高速發展成為一個新興的產業。各大公司和研究機構、大專院校紛紛成立專門的AI 研究機構，研究AI 演算法、模型和硬體（即AI 晶片），有的大學甚至還為大學生開設了AI 課程，以培養社會急需的AI 人才。

從最初深度學習加速器的產業化，到以神經形態計算為基礎的類腦晶片迅速發展，AI 晶...

第一篇 導論

01 AI 晶片是人工智慧未來發展的核心--什麼是AI 晶片
1.1 AI 晶片的歷史
1.2 AI 晶片要完成的基本運算
1.3 AI 晶片的種類
1.4 AI 晶片的研發概況
1.5 小結

02 執行「訓練」和「推理」的AI 晶片
2.1 深度學習演算法成為目前的主流
2.2 AI 晶片的創新計算範式
2.3 AI 晶片的創新實現方法
2.4 小結

第二篇 最熱門的AI 晶片

03 深度學習AI 晶片
3.1 深度神經網路的基本組成及硬體實現
3.2 演算法的設計和最佳化
3.3 架構的設計和最佳化
3.4 電路的設計和最佳化
3.5 其他設計方法
3.6 AI 晶片性能的衡量和評價
3.7 小結

04 近年研發的AI 晶片及其背後的產業和創業特點
4.1 對AI 晶片巨大市場的期待
4.2 "1+3" 大公司格局
4.3 學術界和新創公司
4.4 小結

05 神經形態計算和類腦晶片
5.1 脈衝神經網路的基本原理
5.2 類腦晶片的實現
5.3 以DNN 和SNN 為基礎的AI 晶片比較及未來可能的融合
5.4 類腦晶片的例子及最新發展
5.5 小結

第三篇 用於AI 晶片的創新計算範式
06 模擬計算
6.1 模擬計算晶片
6.2 新型非揮發性記憶體推動了模擬計算
6.3 模擬計算的應用範圍及其他實現方法
6.4 模擬計算的未來趨勢
6.5 小結

07 記憶體內計算
7.1 馮• 諾依曼架構與記憶體內計算架構
7.2 以記憶體內計算為基礎的AI 晶片
7.3 小結

08 近似計算、隨機計算和可逆計算
8.1 近似計算
8.2 隨機計算
8.3 可逆計算
8.4 小結

09 自然計算和仿生計算
9.1 組合最佳化問題
9.2 組合最佳化問題的最佳化演算法
9.3 超參數及神經架構搜索
9.4 以自然仿生演算法為基礎的AI 晶片
9.5 小結

第四篇 下一代AI 晶片
10 受量子原理啟發的AI晶片-- 解決組合最佳化問題的突破
10.1 量子退火機
10.2 伊辛模型的基本原理
10.3 用於解決組合最佳化問題的AI 晶片
10.4 量子啟發AI 晶片的應用
10.5 小結

11 進一步提升智慧程度的AI 演算法及晶片
11.1 自我學習和創意計算
11.2 元學習
11.3 元推理
11.4 解開神經網路內部表徵的纏結
11.5 生成對抗網路
11.6 小結

12 有機計算和自進化AI 晶片
12.1 帶自主性的AI 晶片
12.2 自主計算和有機計算
12.3 自進化硬體架構與自進化AI 晶片
12.4 深度強化學習AI 晶片
12.5 進化演算法和深度學習演算法的結合
12.6 有機計算和遷移學習的結合
12.7 小結

13 光子AI 晶片和儲備池計算
13.1 光子AI 晶片
13.2 以儲備池計算為基礎的AI晶片
13.3 光子晶片的新進展
13.4 小結

第五篇 推動AI 晶片發展的新技術
14 超低功耗與自行供電AI 晶片
14.1 超低功耗AI 晶片
14.2 自行供電AI 晶片
14.3 小結

15 後摩爾定律時代的晶片
15.1 摩爾定律仍然繼續，還是即將終結
15.2 晶片設計自動化的前景
15.3 後摩爾定律時代的重要變革是量子計算晶片
15.4 小結

第六篇 促進AI 晶片發展的基礎理論研究、應用和創新
16 基礎理論研究引領AI 晶片創新
16.1 量子場論
16.2 超材料與電磁波深度神經網路
16.3 老子之道
16.4 量子機器學習與量子神經網路
16.5 統計物理與資訊理論
16.6 小結

17 AI 晶片的應用和發展前景
17.1 AI 的未來發展
17.2 AI 晶片的功能和技術熱點
17.3 AI 的三個層次和AI 晶片的應用
17.4 更接近生物大腦的AI 晶片
17.5 AI 晶片設計是一門跨界技術
17.6 小結

A 中英文術語對照表
B 參考文獻

第一篇 導論

01 AI 晶片是人工智慧未來發展的核心--什麼是AI 晶片
1.1 AI 晶片的歷史
1.2 AI 晶片要完成的基本運算
1.3 AI 晶片的種類
1.4 AI 晶片的研發概況
1.5 小結

02 執行「訓練」和「推理」的AI 晶片
2.1 深度學習演算法成為目前的主流
2.2 AI 晶片的創新計算範式
2.3 AI 晶片的創新實現方法
2.4 小結

第二篇 最熱門的AI 晶片

03 深度學習AI 晶片
3.1 深度神經網路的基本組成及硬體實現
3.2 演算法的設計和最佳化
3.3 架構的設計和最佳化
3.4 電路的設計和最佳化
3.5 其他設計方法
3.6 AI 晶片性...