芯术：算力驱动架构变革

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。

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，十余年从事SOC及基于RISC-V的DSA芯片研发，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。

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/ 3.1GPU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/ 3.2.22D的计算——点、线、面/ 3.2.33D的计算——光影魔术师/ 3.3GPU的编程/ 3.3.1OpenGL/ 3.3.2DirectX/ 3.3.3OpenCL/ 3.4CUDA——并行计算大师/ 3.4.1生而逢时——CUDA/ 3.4.2CUDA成就了GPU的灵魂/ 3.4.3SIMT/ 3.4.4CUDA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/ 3.5.2MIAOW的简介和目标/ 3.5.3MIAOW的架构/ 3.5.4MIAOW的设计实现/ 3.5.5功耗、性能和面积/ 3.5.6线程块压缩/ 3.5.7MIAOW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/ 4.2GPGPU的AI计算/ 4.2.1GPGPU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/ 4.3.2CPU的落寞/ 4.3.3GPU的崛起 / 4.3.4专用AI处理器的诞生/ 4.4TPU——专用人工智能处理器/ 4.4.1TPU的简介/ 4.4.2TPU 的架构设计/ 4.4.3TPU 的编程/ 4.4.4TPU 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/ 4.6.1NVDLA的简介/ 4.6.2NVDLA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/ 4.6.8NVDLA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/ 5.3.3AI算力的虚拟化/ 5.3.4AI算力的扩展/ 5.3.5GPU的存储/ 5.4云计算与FPGA加速器/ 5.4.1FPGA是什么/ 5.4.2EDA工具/ 5.4.3FPGA的作用/ 5.4.4FPGA在Azure的用例/ 5.5超级AI计算实例/ 5.5.1TPU POD——谷歌的创新/ 5.5.2Ascend 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/ 6.2SoC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/ 7.1RISC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/ 7.2RISCV与DSA/ 7.2.1开源处理器/ 7.2.2DSA：领域定制架构/ 7.2.3DSL：领域定制语言/ 7.3Jim Keller的DSA实践/ 7.3.1Tensix：从RISCV到AI处理器/ 7.3.2Jim Keller的芯片研发之道/ 7.4DOJO——特斯拉的“训练场”/ 7.4.1大模型训练的挑战/ 7.4.2DOJO解决问题的方法/ 7.4.3D1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/ 8.3ChatGPT和大模型/ 参考文献/