本书系统阐述了人工智能边缘计算在边缘端场景下的数字芯片设计与SoC系统集成设计。全书以“算法—芯片—系统”协同优化为主线，重点解析了轻量化深度神经网络的设计方法及其在硬件架构中的映射实现，内容涵盖卷积神经网络专用电路模块的设计原理、面向AI计算特征的数据存储架构优化策略，以及基于SoC的神经网络加速器集成技术。此外，基于软硬件协同设计方法论，本书深入探讨了如何通过量化实现算法轻量化，并保持硬件计算的准确性。在应用层面，结合人脸口罩识别和农作物病虫害识别的典型场景，解析了人工智能边缘计算芯片在功耗约束下的性能优化方案。本书融合了深度学习算法轻量化、卷积神经网络加速器设计、加速器SoC系统集成等前沿技术，构建了从理论算法到数字芯片设计的完整知识体系，为人工智能边缘计算芯片与系统的设计提供了重要参考。本书适合作为高等院校电子信息、集成电路、计算机、自动化等专业的高年级本科生及研究生教材或实践项目指导书，也可为相关行业工程技术人员的入门参考书。

钟世达，博士，毕业于英国南安普顿大学，主要研究方向为无线通信、边缘计算与数字集成电路设计等。现任深圳大学电子与信息工程学院通信工程系副系主任、副教授，硕士生导师，获广东省优粤卡人才、广东省优秀创新创业导师、深圳市优秀教育工作者、深圳市“孔雀计划”高层次引进人才等荣誉。国家级一流本科课程团队核心成员，主编多部教材，指导学生多次获得中国研究生电子设计竞赛、全国大学生集成电路创新创业大赛、全国大学生嵌入式芯片与系统设计竞赛等全国一等奖。黄磊，深圳大学讲席教授，博士生导师，现任电子与信息工程学院执行院长、射频异质异构集成全国重点实验室常务副主任、广东省智慧低空感知重点实验室主任；国家杰出青年基金获得者，国家重点研发计划项目首席科学家，中国电子学会会士，英国工程技术学会会士；4次入选全球前2%科学家“年度科学影响力排行榜”（2020—2023）和全球前2%科学家“终身科学影响力排行榜”（2023）；获中国电子学会技术发明一等奖2项，中国雷达行业协会技术发明一等奖，中国电子信息博览会创新金奖；国家级一流本科课程负责人。

第1章 边缘计算与人工智能
1.1 边缘计算
1.2 人工智能与深度学习
1.3 深度神经网络
1.4 任务及习题
第2章 人工智能芯片与系统
2.1 AI芯片发展现状介绍
2.2 GPU架构
2.3 TPU架构
2.4 适用于边缘计算的人工智能芯片架构
2.5 其他芯片类型
2.6 任务及习题
第3章 轻量化深度神经网络
3.1 轻量化神经网络的背景
3.2 深度可分离卷积
3.3 剪枝
3.4 量化
3.5 知识蒸馏
3.6 任务及习题
第4章 卷积神经网络电路模块设计
4.1 卷积层设计
4.2 池化层设计
4.3 全连接层设计
4.4 加速器主体架构设计
4.5 任务及习题
第5章 数据存储设计
5.1 内存模块
5.2 内存存取
5.3 权重的格式与存取
5.4 任务及习题
第6章 神经网络加速器与SoC系统集成
6.1 微处理器与系统芯片介绍
6.2 AMBA系统总线
6.3 AHB总线
6.4 APB总线
6.5 AXI总线
6.6 常用SoC外设介绍
6.7 加速器与SoC系统集成
6.8 任务及习题
第7章 人工智能芯片的软硬件协同设计
7.1 算法与硬件的数据交互
7.2 模型训练与权重生成
7.3 算法量化
7.4 任务及习题
第8章 人工智能边缘计算芯片应用
8.1 人脸识别
8.2 农作物病虫害识别
8.3 任务及习题
参考文献