下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《AI芯片》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《AI芯片》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。
《AI芯片》书籍信息摘要
《AI芯片》内容简介与阅读建议，作者 张臣雄，计算机类，2025年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：AI芯片、大模型、计算机类。
- 作者：张臣雄
- 分类：计算机类
- 出版年份：2025
- 出版社：人民邮电出版社
- 页数：400 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《AI芯片》适合哪些读者？
适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。 评分 8.5 可作为选书参考。
获取建议
《AI芯片》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
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
展开全部（共 147 章节）
- 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
- 6.5.1 AI 科学家的构建 // 263
- 6.5.2 AI 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
合规获取说明
当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《AI芯片》适合谁读？
适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。 评分 8.5 可作为选书参考。
《AI芯片》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《AI芯片》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《AI芯片》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《AI芯片》？
当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《AI芯片》相关书籍？
可以进入 张臣雄 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
