- 芯术(算力驱动架构变革)/芯科技前沿技术丛书
- - 作者：编者:李申(歪睿老哥)|责编:李晓波
  - 出版社：机械工业
  - ISBN：9787111781998
  - 出版日期：2025/06/01
  - 页数：345
- 售价：51.6

内容大纲
随着数字信号处理、3D图像处理、人工智能处理、智能手机等新型技术和应用的出现，传统芯片领域的霸主——CPU面临更多的挑战。本书从应用需求和发展历程出发，以多个名人典故为引导介绍不同形式的可编程芯片，如CPU、GPU、NPU、XPU、SoC、DSA等。通过这些具备编程能力的芯片及相关的开源项目，深入介绍不同类型芯片的架构及编程方式。本书通过开源项目深入介绍这些芯片的细节，通过芯片追求内功的“可编程性”以及外功的“高性能”这条主线，将目前的高性能芯片形式串联起来，从而引出CPU到DSA的演进。随书附赠源码、案例素材等，获取方式见封底。
本书适合从事芯片研发的人员及相关专业的在校大学生阅读，也适合关注我国芯片技术发展的读者阅读。
作者介绍
李申中国科学院大学计算机博士，创立公众号“歪睿老哥”（芯片设计语言verilog的谐音）。资深芯片架构师、硬核科技作家，从事SoC及基于RISC-V的DSA芯片研发十余年，亲历国产芯片等产业变革。为以历史兴衰解技术博弈，将晦涩术语化为工程师的浪漫史诗。笔下《日本芯片产业大败局》《台积电崛起背后的故事》等文破圈传播，成为解读半导体竞争范本，身体力行积极支持RISC-V开源生态、拒绝芯片神话与标签，唯信仰动态芯片迭代内生动力。
目录
前言
第1章  芯片——算力的基座
  1.1  算力之争——原子弹背后的功臣
  1.2  从二进制到集成电路
    1.2.1  莱布尼茨：二进制和“八卦”
    1.2.2  布尔：运算的真和假
    1.2.3  香农：硕士论文和开关电路
    1.2.4  基尔比：从晶体管到集成电路
  1.3  芯片进步的力量
    1.3.1  肖克利与八叛徒
    1.3.2  摩尔与摩尔定律
    1.3.3  后摩尔时代：鱼鳍和GAA
  1.4  芯片是怎样炼成的
    1.4.1  芯片设计——如何从零开始设计一款芯片
    1.4.2  芯片验证——保证芯片成功的七种武器
    1.4.3  芯片制造——究竟难在什么地方
    1.4.4  芯片封装——先进封装怎么成为超越摩尔定律的利器
    1.4.5  芯片测试——工艺挖坑测试来填
  1.5  芯片的大格局
    1.5.1  分工明确——从IDM与Fabless说起
    1.5.2  周期漫长——芯片设计与生产的耐心之旅
    1.5.3  灵活可变——形态各异的处理器争奇斗艳
第2章  CPU与个人计算
  2.1  计算机的诞生
    2.1.1  艾达·洛芙莱斯——维多利亚时代的程序媛
    2.1.2  艾伦·图灵——可判定性问题悖论
    2.1.3  冯·诺依曼——可编程的机器打开计算机的世界
  2.2  硅芯片与计算机时代
    2.2.1  白雪公主和七个小矮人——大型机时代
    2.2.2  单芯片的可编程计算机——微处理器的诞生
    2.2.3  飞入寻常百姓家——苹果开启了个人计算机时代
    2.2.4  开放还是封闭——IBM兼容机
    2.2.5  放弃意味着前进——Intel在PC时代的崛起
  2.3  处理器发展的烦恼
    2.3.1  频率——摩尔定律的灵魂
    2.3.2  流水线——提升频率的利器
    2.3.3  超线程——装有多个大脑的躯体
    2.3.4  内存墙——冯·诺依曼架构的缺陷
    2.3.5  多核技术——情非所愿的选择
  2.4  处理器的编程
    2.4.1  指令集——CISC还是RISC
    2.4.2  编译器——软件和硬件的翻译官
    2.4.3  操作系统——从命令行到图形界面
第3章  GPU与光影计算
  3.1  GPU的诞生
    3.1.1  洪荒时代——从显示到绘图
    3.1.2  青铜时代——从OEM开始
    3.1.3  白银时代——打开3D之门的雷神之锤
    3.1.4  黄金时代——列王的纷争
    3.1.5  钻石时代——棋逢对手的较量

  3.2  色彩世界的计算方式
    3.2.1  色彩的显示——RGB
    3.2.22  D的计算——点、线、面
    3.2.33  D的计算——光影魔术师
  3.3  GPU的编程
    3.3.1  OpenGL
    3.3.2  DirectX
    3.3.3  OpenCL
  3.4  CUDA——并行计算大师
    3.4.1  生而逢时——CUDA
    3.4.2  CUDA成就了GPU的灵魂
    3.4.3  SIMT
    3.4.4  CUDA编程实例
  3.5  开源GPU实例——MIAOW
    3.5.1  阳春白雪：难得一见的开源GPU
    3.5.2  MIAOW的简介和目标
    3.5.3  MIAOW的架构
    3.5.4  MIAOW的设计实现
    3.5.5  功耗、性能和面积
    3.5.6  线程块压缩
    3.5.7  MIAOW的总结
第4章  NPU与人工智能
  4.1  人工智能的兴起
    4.1.1  巅峰之战
    4.1.2  从源起到低潮
    4.1.3  起死回生
    4.1.4  卷积神经网络
    4.1.5  机器学习的革命
  4.2  GPGPU的AI计算
    4.2.1  GPGPU在人工智能时代崛起
    4.2.2  从图像处理到AI计算
    4.2.3  张量加速计算——Tensor Core
  4.3  人工智能的计算范式
    4.3.1  标量、向量、矩阵和张量
    4.3.2  CPU的落寞
    4.3.3  GPU的崛起
    4.3.4  专用AI处理器的诞生
  4.4  TPU——专用人工智能处理器
    4.4.1  TPU的简介
    4.4.2  TPU的架构设计
    4.4.3  TPU的编程
    4.4.4  TPU的演进
  4.5  人工智能编程与测试
    4.5.1  人工智能的编程——TensorFlow
    4.5.2  人工智能测试基准——不服跑个分
  4.6  开源AI处理器的实例——NVDLA
    4.6.1  NVDLA的简介
    4.6.2  NVDLA的架构
    4.6.3  卷积核心
    4.6.4  单点数据处理器

    4.6.5  二维数据处理器
    4.6.6  跨通道数据处理器
    4.6.7  数据重塑引擎
    4.6.8  NVDLA的编程
第5章  XPU与云计算
  5.1  云计算的兴起与CPU的影响
    5.1.1  算力的共享——当计算成为基础设施
    5.1.2  权力的游戏——新王的诞生
    5.1.3  从芯到云——谁主沉浮
    5.1.4  卷土重来未可知——ARM服务器芯片
  5.2  云计算CPU的技术演进
    5.2.1  盗梦空间
    5.2.2  虚拟化支持
    5.2.3  多核与高性能
    5.2.4  绿色和节能
    5.2.5  可扩展性
  5.3  智能云与AI计算
    5.3.1  智能云对芯片需求的变化
    5.3.2  智能云与GPGPU
    5.3.3  AI算力的虚拟化
    5.3.4  AI算力的扩展
    5.3.5  GPU的存储
  5.4  云计算与FPGA加速器
    5.4.1  FPGA是什么
    5.4.2  EDA工具
    5.4.3  FPGA的作用
    5.4.4  FPGA在Azure的用例
  5.5  超级AI计算实例
    5.5.1  TPU POD——谷歌的创新
    5.5.2  Ascend 910——华为的登峰
第6章  SoC与移动计算
  6.1  手机处理器
    6.1.1  从麒麟9000S开始说起
    6.1.2  手机SoC的历史
    6.1.3  手机SoC的未来
  6.2  SoC设计的组件
    6.2.1  嵌入式CPU的王者——ARM
    6.2.2  百花齐放的嵌入式GPU
    6.2.3  嵌入式NPU
  6.3  边缘AI算力
    6.3.1  智能座舱SoC
    6.3.2  智能驾驶SoC
第7章  DSA与专属领域算力
  7.1  RISCV的开启
    7.1.1  图灵奖得主
    7.1.2  开源指令集
    7.1.3  开源生态
  7.2  RISCV与DSA
    7.2.1  开源处理器
    7.2.2  DSA：领域定制架构

    7.2.3  DSL：领域定制语言
  7.3  Jim Keller的DSA实践
    7.3.1  Tensix：从RISCV到AI处理器
    7.3.2  Jim Keller的芯片研发之道
  7.4  DOJO——特斯拉的“训练场”
    7.4.1  大模型训练的挑战
    7.4.2  DOJO解决问题的方法
    7.4.3  D1的架构
    7.4.4  训练场的搭建
第8章  那些年我们追过的算力
  8.1  比特币和区块链
  8.2  元宇宙与扩展现实
  8.3  ChatGPT和大模型
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目