[1] 商惠敏. 人工智能芯片产业技术发展研究[J]. 全球科技经济瞭望, 2021, 36(12): 24-30. [2] 张蔚敏, 蒋阿芳, 纪学毅. 人工智能芯片产业现状[J]. 电信网技术, 2018, 34(2): 67-71. [3] 北京未来芯片技术高精尖创新中心. 人工智能芯片技术白皮书[EP/OL].[2023-05-07]. https://www.docin.com/p-2547247900.html. [4] 葛悦涛, 任彦. 2020年人工智能芯片技术发展综述[J]. 无人系统技术, 2021, 4(12):14-19. [5] 王晨; 邓昌义; 李嘉伟; 李郁佳. 人工智能芯片测评研究现状及未来研究趋势[J]. 新型工业化, 2021, 11(10): 82-87. [6]艾媒咨询. 2020上半年中国人工智能芯片行业研究报告[R/OL]. (2020-09-18)[2023-05-07]. https: //www. iimedia.cn/ c400/ 74360.html. [7]清华-中国工程院知识智能联合实验室. 人工智能芯片研究报告[R/OL]. [2023-05-07].http://www.taodudu.cc/news/show-196389.html. [8] 施羽暇. 人工智能芯片技术体系研究综述[J]. 电信科学, 2019, 35(4): 114-119. [9]史入文. 美国人工智能芯片研发动态[J]. 上海信息化, 2019(11): 80-82. [10]张荣, 李伟平, 莫同. 深度学习研究综述[J]. 信息与控制, 2018, 47(4): 385-397. [11]丛瑛瑛, 陈丝. 人工智能芯片发展态势分析及对策建议[J]. 信息通信技术与政策, 2018(8): 65-68. [12]尹首一, 郭珩, 魏少军. 人工智能芯片发展的现状及趋势[J]. 科技导报, 2018, 36(17): 45-51. [13] 李钢, 李繁荣, 程健. 应用场景需求: 驱动人工智能芯片设计发展[J]. 前沿科学, 2018, 12(4): 7-40. [14] 张臣雄. AI芯片: 前沿技术与创新未来[M]. 北京: 人民邮电出版社, 2021: 79-82. [15] IGNATOV A, TIMOFTE T, KULIK A, et al. AIBenchmark: All about deep learning on smartphones in 2019 [EB/OL].[2022-07-08].https://arxiv.org/pdf/1910.06663.pdf. [16] GitHub Copilot X. MLPerf [EB/OL].[2022-07-08]. https://github.com/mlperf. [17] 国际电信联盟第十六研究组. Metrics and evaluation methods for a deep neural network processor benchmark: ITU-T F.748.11[S]. Switzerland: International Telecommunication Union, 2020. [18]. 中国信息通信研究院.人工智能芯片基准测试评估方法. YD/T 3944-2021 [S]. 北京: 中国电子工业标准化技术协会, 2021. [19] 中国电子技术标准化研究院. 人工智能芯片面向云侧的深度学习芯片测试指标与测试方法. T/CESA 1119-2020 [S].北京:中国电子工业标准化技术协会, 2020. [20] 中国电子技术标准化研究院. 人工智能芯片面向边缘侧的深度学习芯片测试指标与测试方法. T/CESA 1120-2020 [S].北京:中国电子工业标准化技术协会, 2020. [21] 中国电子技术标准化研究院. 人工智能芯片面向端侧的深度学习芯片测试指标与测试方法.T/CESA 1121-2020 [S].北京:中国电子工业标准化技术协会, 2020.
|