目录 北京未来芯片技术高精尖创新中心 1前言 1.1背景与意义 1.2内容与目的 2 AI芯片的关键特征2.1 技术总述 2.2 新型计算范式 2.3训练和推断 2.4 大数据处理能力 2.5 数据精度 2.6可重构能力2.7软件工具3 AI 芯片发展现状 3.1 云端AI计算 3.2 边缘AI计算 3.3云和端的配合 4 AI芯片的技术挑战 4.1冯·诺伊曼瓶颈4.2CMOS工艺和器件瓶颈 5 AI芯片架构设计趋势 5.1云端训练和推断：大存储、高性能、可伸缩 5.2边缘设备：把效率推向极致 5.3 软件定义芯片 6 AI芯片中的存储技术 6.1 AI友好型存储器 6.2 片外存储器 6.3片上（嵌入型）存储器 6.4 新兴的存储器 7 新兴计算技术 7.1 近内存计算 7.2 存内计算（In-memory Computing） 7.3基于新型存储器的人工神经网络 7.4生物神经网络 7.5对电路设计的影响 8 神经形态芯片 8.1神经形态芯片的算法模型 8.2神经形态芯片的特性 8.2.1可缩放、高并行的神经网络互联 8.2.2 众核结构 8.2.3 事件驱动 8.2.4数据流计算 8.3机遇与挑战 9 AI芯片基准测试和发展路线图 10 展望未来参考文献索引编写委员会主席 尤 政 中国工程院院士 清华大学 魏少军 IEEE Fellow 清华大学 编写委员会副主席 吴华强清华大学 邓 宁 清华大学 编写委员会成员（按姓氏笔划排序） 尹首一清华大学 王 玲清华大学 朱 晶北京半导体欧亿·体育（中国）有限公司协会刘勇攀清华大学 杨建华马萨诸塞大学 杨美基 IEEE Fellow 香港应用科技研究院吴臻志清华大学 汪 玉清华大学 张孟凡IEEE Fellow 台湾新竹清华大学 陈 安半导体研究联盟 陈怡然 IEEE Fellow 杜克大学 郑光廷 IEEE Fellow 香港科技大学 胡晓波 IEEE Fellow 圣母大学 唐 杉新思科技 黄汉森 IEEE Fellow 斯坦福大学 凡德·斯皮格尔 IEEE Fellow 宾夕法尼亚大学 谢 源 IEEE Fellow 加利福尼亚大学圣巴巴拉分校 人工智能芯片技术白皮书（2018） 。。。。。。