人工智能芯片设计相关架构/设计相关论文整理分享

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。当前，AI芯片主要分为 GPU 、FPGA 、ASIC。

AI芯片该使用什么方法原理去实现，仍然众说纷纭，这是新技术的特点，探索阶段百花齐放，这也与深度学习等算法模型的研发并未成熟有关，即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。因此，集中在如何更好的适应已有的数据流式处理模式进行的芯片优化设计。

技术手段方面AI市场的第一颗芯片包括现成的CPU，GPU，FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通，以及IBM等公司开发，但还不清楚哪家的方法会胜出。似乎至少需要一个CPU来控制这些系统，但是当流数据并行化时，就会需要各种类型的协处理器

本资源整理了AI芯片设计相关的论文，旨在帮助工程师，研究人员和学生轻松找到和学习与AI相关领域的良好思想和设计，例如在顶级架构会议上提出的AI / ML / DL加速器，芯片和系统（ ISCA，MICRO，ASPLOS，HPCA）。该项目由上海交通大学的高级计算机架构实验室（ACA Lab）与Biren Research合作发起，并且不断补充之中。

资源整理自网络，资源获取见源地址：https://github.com/BirenResearch/AIChip_Paper_List

论文资源列表