新书AI芯片前沿技术与创新未来张臣雄著半导体量子场论超材料生物技术神经网络芯片 pdf下载

【套装2本】由AI通往2030
	定价	208.80
	出版社	人民邮电出版社
	版次	1
	出版时间	2021年04月
	开本	16开
	作者	张臣雄
	装帧	平装
	页数	0
	字数	456
	ISBN编码	9787115553195

《AI芯片:前沿技术与创新未来》
本书从AI的发展历史讲起，介绍了目前Z热门的深度学习加速芯片和基于神经形态计算的类脑芯片的相关算法、架构、电路等，并介绍了近年来产业界和学术界一些ZM的 AI芯片，包括生成对抗网络芯片和深度强化学习芯片等。本书着重介绍了用创新的思维来设计 AI 芯片的各种计算范式，以及下 一代AI芯片的几种范例，包括量子启发的 AI芯片、进一步提升智能程度的AI芯片、有机自进化AI芯片、光子AI芯片及自供电AI芯片等。本书也介绍了半导体芯片技术在“后摩尔定律时代”的发展 趋势，以及基础理论（如量子场论、信息论等）引领 AI 芯片创新并将不断发挥巨大作用。Z后，本书介绍了AI发展的三个层次、AI 芯片与生物大脑的差距以及未来的发展方向。 本书可供在AI芯片领域学习和工作的研究生、本科生、工程技术人员，以及所有对AI芯片感兴趣的人员参考。
《华为的下一座山：由AI通往2030》

如今华为对人工智能技术的投入、布局以及应用程度，都处在SJ1；CY=CYj水平。华为究竟为什么做人工智能？做了怎样的人工智能？一家中国企业从Z底层做人工智能，

对于未来科技版图又将产生怎样的影响？《华为的下一座山：由AI通往2030》描绘了华为在人工智能领域的完整布局，涉及芯片、网络、云、算法架构、开发工具与

平台等不同技术从无到有的过程，分析了华为的人工智能布局对于创业者、大学生、科技相关人群的影响，让读者从中得到启发和价值。

9787115553195 【人邮代发】 AI芯片:前沿技术与创新未来 159.8
9787302563822 华为的下一座山：由AI通往2030 49
  

《AI芯片:前沿技术与创新未来》
DY篇 导论  
D1章　AI芯片是人工智能未来发展的核心  
——什么是AI芯片　//　2  
1.1　AI芯片的历史 //　3  
1.2　AI芯片要完成的基本运算 //　5  
1.2.1　大脑的工作机制 //　5  
1.2.2　模拟大脑运作的神经网络的计算 //　7  
1.2.3　深度学习如何进行预测 //　8  
1.2.4　提高性能和降低功耗 //　9  
1.3　AI芯片的种类 //　11  
1.3.1　深度学习加速器 //　15  
1.3.2　类脑芯片 //　16  
1.3.3　仿生芯片及其他智能芯片 //　17  
1.3.4　基于忆阻器的芯片 //　19  
1.4　AI芯片的研发概况 //　22  
1.5　小结 //　23  
 
D2章　执行“训练”和“推理”的AI芯片 //　25  
2.1　深度学习算法成为目前的主流 //　25  
2.1.1　深度学习的优势与不足 //　28  
2.1.2　监督学习与无监督学习 //　29  
2.1.3　AI芯片用于云端与边缘侧 //　31  
2.1.4　把AI 计算从云端迁移到边缘侧 //　36  
2.1.4.1　为什么要在边缘侧部署AI //　37  
2.1.4.2　提高边缘侧AI 计算能力的几个思路 //　38  
2.2　AI 芯片的创新计算范式 //　40  
2.3　AI 芯片的创新实现方法 //　42  
2.4　小结 //　45  
 
D二篇　Z热门的AI 芯片  
D3章　深度学习AI 芯片 //　48  
3.1　深度神经网络的基本组成及硬件实现 //　48  
3.1.1　AI 芯片的设计流程 //　50  
3.1.2　计算引擎和存储系统 //　51  
3.1.2.1　计算引擎 //　51  
3.1.2.2　存储系统 //　55  
3.2　算法的设计和优化 //　57  
3.2.1　降低数值精度的量化技术 //　57  
3.2.2　压缩网络规模、“修剪”网络 //　62  
3.2.3　二值或三值神经网络 //　63  
3.2.4　可变精度和迁移精度 //　64  
3.2.5　简化卷积层 //　66  
3.2.6　增加和利用网络稀疏性 //　66  
3.3　架构的设计和优化 //　67  
3.3.1　把数据流用图表示的架构设计 //　68  
3.3.2　架构设计及优化的其他考虑 //　71  
3.4　电路的设计和优化 //　72  
3.4.1　用模数混合电路设计的MAC //　73  
3.4.2　FPGA 及其Overlay 技术（“软件定义硬件”） //　74  
3.5　其他设计方法 //　76  
3.5.1　卷积分解方法 //　76  
3.5.2　提前终止方法 //　77  
3.5.3　知识蒸馏方法 //　77  
3.5.4　经验测量方法 //　78  
3.5.5　哈希算法取代矩阵乘法 //　78  
3.5.6　神经架构搜索 //　78  
3.6　AI 芯片性能的衡量和评价 //　79  
3.7　小结 //　82  
 
D4章　AI 芯片产业和创业  
——近年研发的AI　芯片及其特点 //　85  
4.1　对AI 芯片巨大市场的期待 //　86  
4.2　“1+3”大公司格局 //　87  
4.2.1　英伟达 //　87  
4.2.2　谷歌 //　91  
4.2.3　英特尔 //　94  
4.2.4　微软 //　96  
4.2.5　其他一些ZM公司的AI 芯片 //　97  
4.2.6　三位SJ级AI 科学家 //　101  
4.3　学术界和初创公司 //　102  
4.3.1　大学和研究机构的AI 芯片 //　103  
4.3.2　四家初创“D角兽”公司的芯片 //　111  
4.4　小结 //　119  
 
D5章　神经形态计算和类脑芯片 //　121  
5.1　脉冲神经网络的基本原理 //　122  
5.2　类脑芯片的实现 //　125  
5.2.1　忆阻器实现 //　127  
5.2.2　用自旋电子器件实现 //　129  
5.3　基于DNN 和SNN 的AI 芯片比较及未来可能的融合 //　131  
5.4　类脑芯片的例子及Z新发展 //　133  
5.5　小结 //　138  
 
D三篇　用于AI 芯片的创新计算范式  
D6章　模拟计算 //　142  
6.1　模拟计算芯片 //　143  
6.2　新型非易失性存储器推动了模拟计算 //　147  
6.2.1　用阻变存储器实现模拟计算 //　147  
6.2.2　用相变存储器实现模拟计算 //　149  
6.2.3　权重更新的挑战 //　150  
6.2.4　NVM 器件的材料研究和创新 //　151  
6.3　模拟计算的应用范围及其他实现方法 //　153  
6.4　模拟计算的未来趋势 //　154  
6.5　小结 //　156  
 
D7章　存内计算 //　158  
7.1　冯·诺依曼架构与存内计算架构 //　158  
7.2　基于存内计算的AI 芯片 //　161  
7.2.1　改进现有存储芯片来完成存内计算 //　161  
7.2.2　用3D 堆叠存储技术来完成存内计算 //　164  
7.2.3　用新型非易失性存储器来完成存内计算 //　165  
7.3　小结 //　171  
 
D8章　近似计算、随机计算和可逆计算 //　174  
8.1　近似计算 //　174  
8.1.1　减少循环迭代次数的近似计算 //　176  
8.1.2　近似加法器和近似乘法器 //　177  
8.1.3　降低电源电压的近似计算 //　178  
8.1.4　基于RRAM 的近似计算 //　180  
8.1.5　应对电路故障的近似计算 //　182  
8.2　随机计算 //　182  
8.3　可逆计算 //　187  
8.4　小结 //　191  
 
D9章　自然计算和仿生计算 //　192  
9.1　组合优化问题 //　193  
9.2　组合优化问题的Z优化算法 //　195  
9.2.1　模拟退火 //　195  
9.2.2　自组织映射 //　197  
9.2.3　群体算法 //　199  
9.3　超参数及神经架构搜索 //　201  
9.3.1　粒子群优化的应用 //　202  
9.3.2　强化学习方法的应用 //　202  
9.3.3　进化算法的应用 //　203  
9.3.4　其他自然仿生算法的应用 //　204  
9.4　基于自然仿生算法的AI 芯片 //　205  
9.4.1　粒子群优化的芯片实现 //　206  
9.4.2　用忆阻器实现模拟退火算法 //　207  
9.5　小结 //　208  
 
D四篇　下一代AI 芯片  
D10　章 受量子原理启发的AI 芯片 //　210  
10.1　量子退火机 //　210  
10.2　伊辛模型的基本原理 //　212  
10.3　用于解决组合优化问题的AI 芯片 //　214  
10.3.1　基于FPGA 的可编程数字退火芯片 //　214  
10.3.2　使用OPO 激光网络来进行Z优化计算 //　216  
10.3.3　CMOS 退火芯片 //　218  
10.3.4　商用量子启发AI 芯片 //　220  
10.4　量子启发AI 芯片的应用 //　221  
10.5　小结 //　223  
 
D11　章 进一步提高智能程度的AI 算法及芯片 //　224  
11.1　自学习和创意计算 //　225  
11.2　元学习 //　226  
11.2.1　模型不可知元学习 //　226  
11.2.2　元学xg享分层 //　227  
11.2.3　终身学习 //　228  
11.2.4　用类脑芯片实现元学习 //　229  
11.3　元推理 //　230  
11.4　解开神经网络内部表征的缠结 //　231  
11.5　生成对抗网络 //　235  
11.5.1　生成对抗网络的FPGA 实现 //　239  
11.5.2　生成对抗网络的CMOS 实现 //　239  
11.5.3　生成对抗网络的RRAM 实现 //　240  
11.6　小结 //　242  
 
D12　章 有机计算和自进化AI 芯片 //　243  
12.1　带自主性的AI 芯片 //　244  
12.2　自主计算和有机计算 //　247  
12.3　自进化硬件架构与自进化AI 芯片 //　248  
12.3.1　自进化硬件架构 //　248  
12.3.2　自进化AI 芯片 //　250  
12.4　深度强化学习AI 芯片 //　252  
12.5　进化算法和深度学习算法的结合 //　253  
12.6　有机计算和迁移学习的结合 //　254  
12.7　小结 //　255  
 
D13　章 光子AI 芯片和储备池计算 //　256  
13.1　光子AI 芯片 //　257  
13.1.1　硅光芯片 //　258  
13.1.2　光学神经网络架构 //　259  
13.1.3　光子AI 芯片 //　261  
13.2　基于储备池计算的AI 芯片 //　263  
13.3　光子芯片的新进展 //　267  
13.4　小结 //　268  
 
D五篇　推动AI 芯片发展的新技术  
D14　章 超低功耗与自供电AI 芯片 //　271  
14.1　超低功耗AI 芯片 //　271  
14.2　自供电AI 芯片 //　274  
14.2.1　使用太阳能的AI 芯片 //　276  
14.2.2　无线射频信号能量采集 //　277  
14.2.3　摩擦生电器件 //　280  
14.2.4　微尘大小的AI 芯片 //　282  
14.2.5　可采集能源的特点 //　283  
14.2.6　其他可能被发掘的能源 //　284  
14.3　小结 //　285  
 
D15　章 后摩尔定律时代的芯片 //　287  
15.1　摩尔定律仍然继续，还是即将终结 //　287  
15.1.1　摩尔定律进一步 //　290  
15.1.2　比摩尔定律更多 //　293  
15.1.3　CYCMOS //　300  
15.2　芯片设计自动化的前景 //　310  
15.3　后摩尔定律时代的重要变革是量子计算芯片 //　312  
15.4　小结 //　313  
 
D六篇　促进AI 芯片发展的基础理论研究、应用和创新  
D16　章 基础理论研究引领AI 芯片创新 //　316  
16.1　量子场论 //　317  
16.1.1　规范场论与球形曲面卷积 //　317  
16.1.2　重整化群与深度学习 //　321  
16.2　超材料与电磁波深度神经网络 //　322  
16.3　老子之道 //　327  
16.4　量子机器学习与量子神经网络 //　331  
16.5　统计物理与信息论 //　333  
16.6　小结 //　336  
 
D17　章 AI 芯片的应用和发展前景 //　338  
17.1　AI 的未来发展 //　338  
17.2　AI 芯片的功能和技术热点 //　341  
17.3　AI 的三个层次和AI 芯片的应用 //　343  
17.4　更接近生物大脑的AI 芯片 //　346  
17.4.1　带“左脑”和“右脑”的AI 芯片 //　349  
17.4.2　用细菌实现的扩散忆阻器 //　350  
17.4.3　用自旋电子器件实现的微波神经网络 //　351  
17.4.4　用电化学原理实现模拟计算 //　352  
17.5　AI 芯片设计是一门跨界技术 //　353  
17.6　小结 //　355  
附录　中英文对照表 //　360  
参考文献　//　371  

《华为的下一座山：由AI通往2030》

D1章　华为AI的底座与蓝图 / 001

1. 华为AI，建造中的全景图 / 002

2. 从火种到能源，华为zuoAI的逻辑链 / 007

3. 九个关键词，读懂华为如何思考 / 013

4. 多米诺效应的起点：昇腾910为何重要？ / 019

5. 华为号，决定穿越计算光年 / 026

D2章　华为手机中的AI密码 / 033

1. 华为移动AI的原点：麒麟970与NPU / 034

2. HiAI，跟开发者打个招呼 / 039

3. 落子即求道：方寸间的麒麟简史 / 047

4. 次移动时代：手机如何被AI改变？ / 050

5. 达芬奇架构的钥匙：麒麟810背后的AI变局 / 054

6. 5G到来，麒麟重写所有故事 / 058

D3章　华为云，千行百业的智能故事 / 062

1. 从智能到致用：产业SJ需要怎样的AI？ / 064

2. 变与不变：华为云的生长逻辑 / 071

3. ModelArts：让AI开发者的“吐槽大会”结束 / 077

4. 用智能称量现实：华为云EI的探索 / 081

5. ModelArts Pro：行业AI的进一步解题 / 084

6.从智慧停车，理解HiLens的普惠机器视觉 / 091

7. 普惠AI：华为云的D特思考方式 / 096

8. 十万行业质变正D时：华为云解出的产业AI公式 / 100

D4章　企业数字化浪潮里的沃土 / 106

1. 华为企业业务2.0，从数字平台开始 / 107

2. D深圳变成一座数字花园 / 114

3. 转型不畏：华为向企业客户提供什么？ / 121

4. 沃土数字平台：产业数字化中的太J之道 / 128

D5章　智能计算SJ里的“大力神” / 135

1. 擎天神Atlas，撑起智能计算风暴 / 136

2. 企业AI的封印，为何能被Atlas之箭打开？ / 142

3. 从东京到欧洲：华为智能计算的quanqiu之旅 / 145

4. 从海洋到天空：何处需要智能计算？ / 152

5. Atlas 900：进击的地表Z强AI算力 / 156

D6章　酝酿在5G时代的智能联接 / 160

1. 生于AI时代的5G，跟过去有什么不同？ / 161

2. 5G筑塔人和他的少年SJ / 165

3. 从5G到万物，华为提供什么？ / 171

4. 斑斓时代，天地寻光 / 176

D7章　从IT，到云与智能的底座 / 183

1. 一云两翼双引擎：华为计算的悠悠长卷 / 185

2. GaussDB：智能时代的数据变局 / 191

3. OceanStor：智能存储中的搏水剑鱼 / 195

4. 从软件定义摄像机，到华为给安防产业带来的全息智能 / 198

5. 华为的浮槎：云与计算渡过时代之海 / 203

D8章　智能SJ的感性与温暖 / 208

1. 华为的梦想：每个人化身CJ英雄 / 209

2.华为的温柔：Tech 4 all给SJ一个拥抱 / 214

3. 华为与开发者：14岁的钢铁之心 / 218

4. 任正非如何思考人工智能？ / 223

省略部分目录