《AI芯片》电子书下载

获取这本书 已有电子书下载入口

下载电子书

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
豆瓣评分: ★ 8.5 (35人评价)

AI芯片大模型计算机类

《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》电子书下载，作者张臣雄，计算机类，2025年。获取前建议核对书名、作者、ISBN 和版本信息。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。

查看张臣雄的作品顺序浏览计算机类书籍查看“AI芯片”相关书籍读完这本读什么查看书籍排行榜

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。

下载

下载电子书

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

获取电子书

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》？

本页提供电子书下载入口，获取后请核对书名、作者和版本。

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。