商品详情
书名：AI芯片：科技探索与AGI愿景
定价：199.0
ISBN：9787115666031
作者：张臣雄
版次：第1版
出版时间：2025-07
内容提要：
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*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。
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*科学家，曾任上海通信技术中心CEO。 两家创业公司的*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 *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 *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 *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*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 *导与非*导低温类脑芯片 // 290
7.3.1 *导低温类脑芯片 // 291
7.3.2 半导体与*导体混合式神经形态网络 // 294
7.3.3 非*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 *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
定价：199.0
ISBN：9787115666031
作者：张臣雄
版次：第1版
出版时间：2025-07
内容提要：
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*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。
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*科学家，曾任上海通信技术中心CEO。 两家创业公司的*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 *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 *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 *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*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 *导与非*导低温类脑芯片 // 290
7.3.1 *导低温类脑芯片 // 291
7.3.2 半导体与*导体混合式神经形态网络 // 294
7.3.3 非*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 *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
- 人民邮电出版社有限公司 （微信公众号认证）
- 人民邮电出版社微店，为您提供最全面，最专业的一站式购书服务
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
