作者：張臣雄

出版社：人民郵電出版社

書度/開本：16開  頁數：397

內容簡介

●詳解為生成式AI和大模型而生的晶片架構。

●探究晶片如何支撐大模型等AI科技，如何實現低能耗與生物智慧。

●思考低能耗、小數據、低成本的新一代AI算灋架構從何而來。

●系統梳理神經符號計算晶片、化學計算晶片、生物計算晶片與AGI架構思維，從全域視角展望未來的晶片世界。

●追跡通向AGI的關鍵路徑——類腦晶片和具身智慧晶片的快速演進。

內容簡介

本書旨在從創新的角度探討AI晶片的現狀和未來，共分9章。 第1章為概論，介紹大模型浪潮下，AI晶片的需求與挑戰。 第2章、第3章分別介紹實現深度學習AI晶片的創新方法與架構，以及一些新興的算灋和思路。 第4章全面介紹電晶體晶片產業的前沿技術，包括新型電晶體、集成晶片、分子器與分子憶阻器，以及列印類腦晶片等。 第5章~第8章分別探討用化學或生物方法實現AI、AI在科學發現中的創新應用、實現神經形態計算與類腦晶片的創新方法，以及具身智慧晶片。 第9章展望未來的AGI晶片，並探討相關的發展和倫理話題。 本書可供AI和晶片領域的研究人員，工程技術人員，科技、產業決策和管理人員，以及創投從業者參攷，也可供AI、集成電路、電腦等相關專業的大學生、研究生和教學工作者，以及所有對AI芯片感興趣的讀者閱讀。

作者簡介

張臣雄，畢業於上海交通大學電子工程系，在德國卡爾斯魯厄理工學院（Karlsruhe Institute of Technology，KIT，原卡爾斯魯厄大學）理論電子學研究所獲得工學碩士和工學博士學位。 曾在德國西門子、美國Interphase任職多年，並在一家世界500强大型高科技企業擔任首席科學家，曾任上海通信技術中心CEO。 兩家創業公司的創始人之一。 長期致力於電晶體晶片的研究與開發，參與並領導了多個重要的國際研究專案，多次獲得業內獎項。 有200餘項專利在多個國家獲授權或在申請中，出版多部專著並發表多篇學術論文。 著有《AI芯片：前沿技術與創新未來》。

目錄

第1章大模型浪潮下，AI晶片的需求與挑戰// 1

1.1生成式AI開創新時代// 2

1.2 AI晶片：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邊緣AI晶片// 34

1.4 AI晶片的算力提升與能耗挑戰// 37

1.5本章小結// 40

參考文獻// 41

第2章實現深度學習AI晶片的創新方法與架構// 43

2.1基於大模型的AI晶片// 46

2.1.1 Transformer模型與引擎// 46

2.1.2存內計算AI晶片// 53

2.1.3基於GPU的大模型計算// 57

2.1.4基於FPGA的大模型計算// 59

2.1.5基於ASIC的大模型計算// 60

2.1.6 Transformer模型的後繼者// 61

2.2用創新方法實現深度學習AI晶片// 63

2.2.1基於開源RISC-V的AI加速器// 65

2.2.2射頻神經網路// 69

2.2.3光電組合AI晶片// 74

2.2.4量子AI晶片// 78

2.2.5矩陣乘法計算的加速// 85

2.3用於邊緣側訓練或推理的AI晶片// 91

2.3.1邊緣AI訓練// 93

2.3.2 Transformer模型邊緣部署// 95

2.3.3智能手機AI晶片// 96

2.3.4邊緣側的4種AI終端設備// 101

2.3.5極低功耗的AI晶片// 103

2.4本章小結// 108

參考文獻// 109

第3章AI的未來：提升AI算力還是提升AI智力// 113

3.1深度學習算灋的困境：大模型是一條不可持續發展的道路// 114

3.1.1收益遞減法則適用於神經網路// 114

3.1.2資源浪費與環境破壞的問題// 116

3.2超越ChatGPT的新趨勢：用小模型替代大模型// 118

3.2.1强化學習// 119

3.2.2指令調整// 119

3.2.3合成數據// 120

3.3終身學習與遷移學習// 122

3.3.1終身學習// 122

3.3.2遷移學習// 123

3.4符號計算// 125

3.4.1超維計算// 127

3.4.2耦合振盪計算// 138

3.4.3神經符號計算// 146

3.5本章小結// 150

參考文獻// 152

第4章AI晶片：彙聚電晶體晶片產業前沿技術// 155

4.1摩爾定律仍在不斷演進// 156

4.1.1電晶體架構從FinFET到CFET // 156

4.1.2晶背供電科技——打破傳統規則// 159

4.1.3 EUV光刻機與其他競爭科技// 162

4.2從“集成電路”到“集成晶片”// 168

4.2.1芯粒與異質集成// 170

4.2.2 3D堆疊// 179

4.2.3“無封裝”的晶圓級單片晶片// 184

4.3開發使用新材料、新工藝的晶片// 186

4.3.1 0D、1D、2D資料// 187

4.3.2用於類腦晶片的固態離子器件// 189

4.3.3分子器件與分子憶阻器// 192

4.3.4列印類腦晶片// 199

4.4本章小結// 201

4.4.1工藝技術創新// 201

4.4.2晶片架構創新// 202

4.4.3新材料與制造技術// 203

參考文獻// 204

第5章從AI硬體到AI濕件：用化學或生物方法實現AI // 206

5.1化學計算// 209

5.1.1用酸堿反應實現邏輯門和神經網路// 210

5.1.2液態的憶阻器、MAC計算單元及記憶體// 213

5.1.3化學計算的總體現狀與前景// 225

5.2生物計算// 225

5.2.1用活細胞實現AI // 226

5.2.2真菌計算// 236

5.2.3生物計算// 239

5.3本章小結// 242

參考文獻// 244

第6章AI在科學發現中的創新應用// 246

6.1科學發現的4個傳統範式與正在開啟的第五範式// 248

6.2科學發現的過程與方法// 252

6.2.1科學推理的類型// 253

6.2.2自動化科學發現框架// 254

6.3直覺和靈感與諾貝爾獎和重大科學發現// 255

6.4 AI替代人類生成假說// 256

6.4.1直接生成// 259

6.4.2窮舉蒐索// 261

6.4.3分析排錯與組合優化// 262

6.5用AI實現諾貝爾獎級別的科學發現// 263

6.5.1 AI科學家的構建// 263

6.5.2 AI科學家取得諾貝爾獎級別成果面臨的挑戰// 268

6.6 AI晶片用於“AI科學家”系統// 270

6.7用量子啟發AI科技發現新型超資料的案例// 272

6.8本章小結// 275

參考文獻// 277

第7章實現神經形態計算與類腦晶片的創新方法// 279

7.1雲端使用的神經形態計算與類腦晶片// 282

7.2基於大模型的神經形態計算架構// 286

7.3超導與非超導低溫類腦晶片// 290

7.3.1超導低溫類腦晶片// 291

7.3.2電晶體與超導體混合式神經形態網絡// 294

7.3.3非超導低溫類腦晶片// 296

7.3.4低溫AI類腦晶片的巨大發展潜力// 297

7.4以樹突為中心的“合成大腦”// 298

7.5自旋波類腦晶片// 303

7.6本章小結// 307

參考文獻// 310

第8章具身智慧晶片// 312

8.1 AI的下一個前沿：具身智慧// 313

8.1.1具身智慧的緣起// 314

8.1.2具身智慧中的第一人稱視角// 316

8.2 AI感知科技與晶片// 318

8.2.1輸入端的資料壓縮// 319

8.2.2視覺：眼睛——監視器與視覺感測器// 321

8.2.3觸覺：皮膚——觸控式螢幕、觸控板、人工皮膚及3D生物組織列印// 325

8.2.4聽覺：耳朵——麥克風與助聽器// 327

8.2.5味覺：舌頭——電子舌// 329

8.2.6嗅覺：鼻子——電子鼻// 331

8.2.7具身智慧的增强感知// 334

8.2.8新的“第六感”// 335

8.3具身智慧系統與晶片// 337

8.3.1基於憶阻器的感存算一體化科技// 341

8.3.2具身智慧的執行控制// 346

8.3.3感知、存儲、計算、執行一體化// 347

8.4濕件具身智慧// 347

8.5本章小結// 349

參考文獻// 352

第9章從AI晶片到AGI晶片// 354

9.1生成式AI點燃AGI之火// 355

9.2現階段更智慧、更接近AGI的6種算灋與模型// 358

9.2.1 MoE模型// 359

9.2.2 Q*算灋// 363

9.2.3測試時計算：提高泛化能力// 366

9.2.4具身智慧與滲透式AI // 367

9.2.5大型多模態模型// 370

9.2.6分佈式群體智慧// 373

9.2.7發展重點：基於强化學習的後訓練與推理// 377

9.2.8超越大模型：神經符號計算// 379

9.3 AGI晶片的實現// 381

9.3.1技術需求// 382

9.3.2架構與形態// 387

9.4未來：AGI和ASI——神話還是悲歌// 392

9.5本章小結// 394

參考文獻// 396

附錄：晶片科技發展行程中具有里程碑意義的幾本書// 397