AI的進化已擺脫GPU/TPU而進入FPGA/ASIC裏了！物聯網及Humanoid時代，專屬AI晶片將打造未來世界
當特斯拉推出Humanoid Robot時，舉世嘩然，人形機器人將成真！當然人形機器人是不會有所謂的GPU在裏面的，相對的，針對人工智慧的專屬硬體已悄然進入我們的世界。從最初深度學習加速器的產業化，到以神經形態計算為基礎的類腦晶片迅速發展，AI晶片在數年內獲得了巨大進步。在未來5年或更長時間內，我們期待以新型記憶體為基礎、利用記憶體內計算的深度學習AI晶片能夠產業化，同時期待類腦晶片逐漸取代深度學習AI晶片。10～20年後AI晶片的形態：除了比現在強大得多的性能、極低的功耗外，它將不是現在這樣硬邦邦的一塊晶圓，而可能是可彎曲、可折疊甚至全透明的薄片，可以隨時隨選列印，可以植入人類體內，甚至可能是一種用蛋白質實現或依照DNA計算、量子計算原理設計的AI晶片。使用GPU/TPU做深度學習早已落伍，本書將帶你進入全新的AI世界，讓你一窺未來20年的巨大革命。
本書技術內容
●深度學習AI晶片
●神經形態計算和類腦晶片
●近似計算、隨機計算和可逆計算等數學運算
●自然計算和仿生計算
●元學習與元推理
●有機計算和自進化AI晶片
●量子場論、規範場論與球形曲面卷積
●重整化群與深度學習
●超材料與電磁波深度神經網路
●量子機器學習與量子神經網路
本書特色
●市面上第一本AI晶片詳解專書
●500強企業首席科學家多年研究心血和前瞻未來的傾心總結
●1超3強，世界頂級技術公司爭先恐後大力投入AI晶片，看見未來趨勢
●超過200張豐富的圖表、表格，佐以深入紮實的講解，知識含金量大上升
●讓你洞察5年、10年後的AI理論、技術，以及產業趨勢
專家推薦
This is a timely, comprehensive, and visionary book on AI Chips such as deep learning and neuromorphic computing Chips. In spite of many revolutionary and cutting-edge advances, in both theory and hardware, that made such AI chips possible, the author has succeeded to impart the essence of the essential recent advances, in pedagogical terms, for the lay reader to understand, and appreciate.
This book is essential reading for anyone interested in learning how AI Chips is spearheading the next industrial revolution.——Leon O. Chua
這是一本關於深度學習和神經形態計算等類別AI 晶片的及時、全面而富有遠見的書。儘管使AI 晶片成為可能的革命性前沿進展在理論和硬體方面都層出不窮，作者還是成功地以循循善誘的口吻分享了最新進展的精髓，讓眾多讀者能夠理解和領會。
對於任何有興趣瞭解AI 晶片如何引領下一次工業革命的人來說，這本書都是必不可少的讀物。——蔡少棠（Leon O. Chua）
作者
張臣雄
在德國獲得工學碩士和工學博士學位。
曾在德國西門子、Interphase、上海通信技術中心及一家世界500 強大型高科技企業分別擔任項目主管、CTO、CEO、首席科學家等職，長期從事及主管半導體芯片的研究和開發，推動芯片的產業化應用。
張臣雄博士是兩家創業公司的創始人之一，兼任首席科學家。
他擁有200 餘項專利及專利申請，出版了多本專著並發表了100 多篇論文。
目錄
第一篇 導論
01 AI 晶片是人工智慧未來發展的核心--什麼是AI 晶片
1.1 AI 晶片的歷史
1.2 AI 晶片要完成的基本運算
1.3 AI 晶片的種類
1.4 AI 晶片的研發概況
1.5 小結
02 執行「訓練」和「推理」的AI 晶片
2.1 深度學習演算法成為目前的主流
2.2 AI 晶片的創新計算範式
2.3 AI 晶片的創新實現方法
2.4 小結
第二篇 最熱門的AI 晶片
03 深度學習AI 晶片
3.1 深度神經網路的基本組成及硬體實現
3.2 演算法的設計和最佳化
3.3 架構的設計和最佳化
3.4 電路的設計和最佳化
3.5 其他設計方法
3.6 AI 晶片性能的衡量和評價
3.7 小結
04 近年研發的AI 晶片及其背後的產業和創業特點
4.1 對AI 晶片巨大市場的期待
4.2 "1+3" 大公司格局
4.3 學術界和新創公司
4.4 小結
05 神經形態計算和類腦晶片
5.1 脈衝神經網路的基本原理
5.2 類腦晶片的實現
5.3 以DNN 和SNN 為基礎的AI 晶片比較及未來可能的融合
5.4 類腦晶片的例子及最新發展
5.5 小結
第三篇 用於AI 晶片的創新計算範式
06 模擬計算
6.1 模擬計算晶片
6.2 新型非揮發性記憶體推動了模擬計算
6.3 模擬計算的應用範圍及其他實現方法
6.4 模擬計算的未來趨勢
6.5 小結
07 記憶體內計算
7.1 馮· 諾依曼架構與記憶體內計算架構
7.2 以記憶體內計算為基礎的AI 晶片
7.3 小結
08 近似計算、隨機計算和可逆計算
8.1 近似計算
8.2 隨機計算
8.3 可逆計算
8.4 小結
09 自然計算和仿生計算
9.1 組合最佳化問題
9.2 組合最佳化問題的最佳化演算法
9.3 超參數及神經架構搜索
9.4 以自然仿生演算法為基礎的AI 晶片
9.5 小結
第四篇 下一代AI 晶片
10 受量子原理啟發的AI晶片-- 解決組合最佳化問題的突破
10.1 量子退火機
10.2 伊辛模型的基本原理
10.3 用於解決組合最佳化問題的AI 晶片
10.4 量子啟發AI 晶片的應用
10.5 小結
11 進一步提升智慧程度的AI 演算法及晶片
11.1 自我學習和創意計算
11.2 元學習
11.3 元推理
11.4 解開神經網路內部表徵的纏結
11.5 生成對抗網路
11.6 小結
12 有機計算和自進化AI 晶片
12.1 帶自主性的AI 晶片
12.2 自主計算和有機計算
12.3 自進化硬體架構與自進化AI 晶片
12.4 深度強化學習AI 晶片
12.5 進化演算法和深度學習演算法的結合
12.6 有機計算和遷移學習的結合
12.7 小結
13 光子AI 晶片和儲備池計算
13.1 光子AI 晶片
13.2 以儲備池計算為基礎的AI晶片
13.3 光子晶片的新進展
13.4 小結
第五篇 推動AI 晶片發展的新技術
14 超低功耗與自行供電AI 晶片
14.1 超低功耗AI 晶片
14.2 自行供電AI 晶片
14.3 小結
15 後摩爾定律時代的晶片
15.1 摩爾定律仍然繼續，還是即將終結
15.2 晶片設計自動化的前景
15.3 後摩爾定律時代的重要變革是量子計算晶片
15.4 小結
第六篇 促進AI 晶片發展的基礎理論研究、應用和創新
16 基礎理論研究引領AI 晶片創新
16.1 量子場論
16.2 超材料與電磁波深度神經網路
16.3 老子之道
