英伟达的 GPU 板卡大算力所伴随的高功耗问题促使业界探讨 GPU 的低功耗替代方案。冯·诺依曼架构存在的“内存墙”问题,促进了新型计算架构的发展。这些新型计算架构包括存算一体、算存算一体和感存算一体架构。新型计算架构已成为人工智能发展的新亮点。 本书是人工智能软件、人工智能硬件协同发展的一本专著，详细介绍了算法、存储、处理三方面的专业知识以及算存算一体计算理论的研究历程，进而详细论述了算存算一体计算的理论、方法及其应用。 算存算一体计算的理论、方法着力于以新型计算架构来克服内存墙问题和大算力所伴随的大功耗问题。本书作者历时40余年，从1983年的邻域计算遐想，到1987年的邻域存储体设想，再到2025年 NIPC-6邻域图像并行计算机的每秒实现6000万人脸特征比对，由此，建立了算存算一体计算理论，实现了算存算一体计算理论的应用。

苏光大清华大学电子工程系教授，长期从事图像识别与高速图像处理研究。曾任多维身份认证与可信认证技术国家工程实验室技术委员、证件防伪公安部重点实验室学术委员、全国安防标委会人体生物特征识别应用分技术委员会顾问。获清华大学先进工作者（三次）、清华大学优秀教师奖、清华大学“老有所为”先进个人。8次获省部级科技奖。获发明创业奖、全国发明展览会金奖、首届中国老科协奖。获14项国家发明专利。著有4部专著，发表160余篇学术论文。提出1:1采样理论，发展采样定理；提出邻域存储体理论，推倒内存墙；提出意象人脸形成理论，协助破获周克华等大案；提出算存算一体计算理论，创建新型计算架构和计算平台。主持研制的人脸识别综合技术，成功应用于2008年北京奥运会、户籍查重和视频图像侦察，协助公安部门破获大量刑事案件，为国家安全做出突出贡献。沈寓实博士、MBA、教授、自然科学研究员，国家级特聘专家、国务院特殊津贴专家，北京市“海聚工程”特聘专家，中关村高端领军人才，多国外籍院士，香港技术研究院院士。获评“中国改革开放海归40年100人”、“福布斯中国·青年海归菁英100人·影响力25人” 、“十四五”科技创新先锋人物，荣获中国侨联和国务院侨办“全国归侨侨眷先进个人”、北京市人民政府“留学人员创新创业特别贡献奖”、“2023年广东省科技进步奖一等奖”、“第十三届发明创业奖人物奖特等奖”及“当代发明家”。长期深耕云计算、人工智能及网络通信领域的技术研发和产业落地，作为飞诺门阵创始人及首席科学家，是非冯诺依曼网络计算体系的核心提出者与实践推动者。累计拥有近百项发明专利，发表30余篇专业论文，出版20余部学术专著，参与部委重大课题7项，参编国家标准10余项及行业/团体标准30余项。

前言 当前，大模型、大算力成为科技前沿热点。在大模型训练与应用方面，大算力的需求成为业界的难点。英伟达的H100等芯片显露出超强算力，在大模型训练与应用中形成了一家独大的优势，甚至出现H100芯片供不应求的局面。在GPU成功应用的同时，其高功耗、高价位等问题也彰显无遗。单块GPU板卡高达700W的功耗引发了业界强烈的担忧，GPU的低功耗替代方案也成为业界重要的研究方向。 人工智能(AI)芯片从研制到应用，都展现出蓬勃发展的强劲生命力。随着AI芯片算力的大幅提升，其在大模型的训练和应用中也拥有一席之地。 冯·诺依曼架构存在“内存墙”问题，存算一体、算存算一体、感存算一体计算架构应运而生。这些新型计算架构彰显出存储体的重要性，而克服“内存墙”的影响则是新型计算架构的优势所在。 苏光大教授主持的清华大学图像识别与高速图像处理实验室在1997年研制成功了NIPC1邻域图像并行计算机。该项研究成果在并行处理技术的学术研究热潮中，独树一帜地研究了存储体的新型结构并于1999年在《电子学报》上发表了《邻域图像帧存储体的理论及其实现》的学术论文。该论文明确指出： “图像帧存的数据流是影响高速图像处理的瓶颈这个结论已不尽正确。”该论文从理论和方法上率先解决了“内存墙”问题。2008年1月，清华大学图像识别与高速图像处理实验室研制成功的NIPC3邻域图像并行计算机通过了科技成果鉴定。该成果在大邻域图像核和邻域图像处理的速度上达到国际领先水平，并推动了对算存算一体计算理论和方法的研究。 飞诺门阵（北京）科技有限公司是全域人工智能领域的国家级重...