新智元报道
编辑：yaxin
【新智元导读】今天是第26个世界读书日。在这个特别的日子，为大家推荐一本张臣雄博士所著新书《AI芯片：前沿技术与创新未来》，让阅读从这本书开始。
4月23日，是第26个世界读书日。今天你读书了吗？
今年是芯片荒年。
让人印象最为深刻的是，芯片短缺对汽车产业的冲击，从大众蔓延到全球更多车企，汽车生产被迫「踩刹车」。
全球芯片供不应求也让原本并没有对此担忧的手机厂商进入了抢购芯片的行列。
最重要的是，这轮「芯片荒」的影响，已经转移到了购买手机、平板、电脑等电子产品的消费者身上。
让人不得不感叹，一颗「小小的」芯片已经牵动了全球产业的神经！
但是你真正了解有关芯片的一切故事吗？
什么是AI芯片？AI芯片又细分为哪些芯片？为什么芯片扼住了某些行业的咽喉？下一代AI芯片又是什么样子？
别急！《AI芯片：前沿技术与创新未来》这本新书能够为你解答。
科技巨头争相追捧，AI芯片成就了谁？
什么是AI芯片，它又有什么样的前景、能让众多传统硬件公司和互联网公司纷纷折腰呢？
AI芯片简单讲就是专门用于处理AI相关计算任务的芯片，就像用来处理图像和视频的显卡（GPU）一样。
现在人工智能领域无论学术还是产业方面最火爆的就是深度学习，也就是通过深度神经网络来进行学习。
而对深度学习意义重大的「反向传播」算法。
早在1986年就被 Geoffrey Hinton 等用于改善神经网络性能了，那时候神经网络算法跑在通用中央处理器（CPU）上，速度堪比「蜗牛」。
几十年来，半导体行业进步的背后存在着一条金科玉律，即摩尔定律。
摩尔定律表明：每隔 18~24 个月，集成电路上可容纳的元器件数目便会增加一倍，芯片的性能也会随之翻一番。
然而，在摩尔定律放缓甚至失效的今天，全球几大半导体公司依旧在拼命「厮杀」，希望率先拿下制造工艺布局的制高点。
到了1989年，当时还在贝尔实验室的 Yann LeCun 开发了可以通过训练来识别手写邮政编码的神经网络，证明了能够在现实世界中应用这一新技术。
然而他们训练一个深度学习卷积神经网络（CNN）竟需要花费3天的时间。
关于神经网络研究就此停滞了20年，因为CPU拿来训练神经网络并不给力！
庆幸的是，2009年斯坦福大学的吴恩达教授等人发文昭告天下：用GPU，GPU，GPU啊！
他们证明了用GPU训练神经网络，比用CPU快70倍！
这块冰山终于打破了。
Hinton 等人扎堆神经网络，一路把深度学习推到《纽约时报》头版，变成业界显学，带来了人工智能的新一轮全球发展大潮。
GPU一时成为对付深度学习的不二选择，显卡一夜之间供不应求。
英伟达GPU成为了众星。黄教主年年厨房烤出显卡，网友纷纷YES！
为什么GPU就能够处理深度学习强？很大程度上是因为GPU的并行性强。
到现在，英特尔、英伟达等传统芯片厂商，亚马逊、微软等云计算厂商、Facebook等互联网大厂、特斯拉等车企和许许多多初创企业和研究团队纷纷投入AI芯片的探索中来。
但是AI芯片研发接近极限，未来芯片该如何发展？
接下来的故事还应该去《AI芯片：前沿技术与创新未来》这本书中寻找答案。
《AI芯片》：「忆阻器之父」力荐
《AI芯片：前沿技术与创新未来》是由张臣雄博士总结了多年的芯片设计经验和2015年以来推进AI芯片研发直至应用的经验，和人民邮电出版社共同推出经典之作。
全面讲述AI芯片的发展历史、的技术路线、理论基础和产业实践等诸多方面。
本书从AI的发展历史讲起，介绍了目前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）引发AI 芯片创新并将不断发挥巨大作用。
最后，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。
《AI芯片：前沿技术与创新未来》作者张臣雄教授毕业于上海交通大学电子工程系，在德国获得工学硕士和工学博士学位。
曾在西门子、Interphase任职多年，曾任上海通信技术中心及一家世界500强大型高科技企业分别担任CEO/CTO、&席科学家等职，长期从事及主管半导体芯片的研究和开发，推动芯片的产业化应用。
张臣雄博士是两家创业公司的创始人之一。他拥有200余项专利及专利申请，出版了多本专著并发表了100多篇论文。