Embedded Artificial Intelligence — 全书拆解
30 秒导读: 这不是一本 AI 通识书,而是一场暑期学校的讲义集——IEEE 电路与系统学会 把电路工程师和深度学习(让机器从海量例子里自己凑出规律的技术)研究者拉进同一间教室。
因为双方各自都造不出「能跑 AI 的边缘设备(不插电源线、计算能力和电池都小的那类机器)」。
全书沿一条产业链走:应用连接 → 模型(从数据里自己学出规律的机器) → 器件 → 测量 → 电路 → 能量, 每一环给出的结论出奇一致:把深度学习塞进电池供电的小设备,没有哪一环能照旧。 原书正文约 11 万字符;本拆解 9 章,读完不必看原书。
1. 先交代清楚:这是谁在什么时候写的
| 编者 | François Rivet、Cristell Maneux、Sylvain Saïghi——全部来自波尔多大学 IMS 实验室 / 波尔多综合理工 |
| 成书 | 版权页写 2025 年出版(River Publishers, Routledge 发行,版权归 IEEE-CASS);PDF 文件属性标 2026——两处以版权页为准1 |
| 性质 | IEEE CAS「人工智能技术季节学校」的讲义集:五场报告各成一章,讲者不同、深浅不均2 |
| 利益相关 | 编者即施工队:三人分别协调两个欧盟项目——一个的名字里就带 LLM(大语言模型:在海量文字上练出来、能听能说的语言机器),叫 FVLLMONTI;另一个叫 RadioSpin——书里几乎每个数字都出自这两个项目3 |
两件事影响怎么读:第一,这是讲义 集不是专著——有的章每页有讲稿(语音、测量), 有的章只有提纲(6G)或只有图注(通信史后半);第二,数字可信、乐观要打折—— 实验数据是团队自己的论文,但对自家路线(非传统器件、Walsh 信号处理)的判断, 读者要留一分心。
2. 全书一条主线(读完这一节,你就懂了这本书)
下面把这条链完整走一遍。只读这一节,你也能把这本书的主张复述出来。 机制细节全部留在对应章节,这里只讲「发生了什么、为什么只能这样」。
① 问题:AI 想上你的耳朵,但它上不去
云端 AI 越强,越暴露一件事:把数据送到远处机房再等回答,慢、贵、还交出隐私。 解法是把模型放进设备本身。但设备是个封闭小盒:算力(每秒能做多少次计算)小、内存小、电池小。
模型要变小、硬件要省电、数据要留在本地——三个约束同时成立,才叫嵌入 AI(把模型塞进设备就地跑的做法)。(第 01 章)
② 拉力:通信那边也要同样的事
设备不是孤岛——它要连网。通信行业一百五十年只做一件事:更高的频率、更大的带宽(一条线路每秒能运的数据量)。 6G 的清单是把频段再翻一个数量级、把卫星织进蜂窝网,而行业自己承认: 头号挑战不是速度,是能效;而且有一张八个格子的清单,逐条列着工艺层面 会拖垮信号处理的物理事实。(第 02 章)
③ 模型这一环:能压,而且必须压
语音识别(把说的话变成文字)是嵌入 AI 的代表性负载,它四十年的演化刚刚好走完了整条路:
从「三个模块接力猜词」的旧管线,到「一个网络从头管到尾」——书里管后者叫端到端; 代价是吃的数据要多、练一遍要烧真金白银。
而真正决定能不能装进耳朵的是最后一步:把模型里的数压粗——这一招叫量化——99MB 压到 20MB 还不止;
再把没用的连接整个删掉——这一招叫剪枝——最后 20MB,错误率只涨 0.6 个点。
还有一个反直觉的发现:原始成绩更好的模型,反而可能更怕剪——选模型要看压缩后的成绩,不是原生成绩。(第 03、04 章)
④ 器件这一环:连教科书开关都要重造
跑模型的晶体管也在换代。平面缩小撞了物理的墙,路线图给的两步棋是 「栅极四面包围」加「彻底取消掺杂边界」;造出来的新器件(垂直无结纳米线) 默认关得严、开起来像一根可调电阻——和老教科书里的开关长得不一样, 原理也不一样。(第 05 章)
⑤ 测量这一环:造出来还不算数,得先「测得准」
这是全书最出人意料的一章:新器件造出来了,却没有人会测它—— 测试垫比器件大一千倍,仪表读到的永远是器件和一堆寄生的混合物。 老一套「校准+扣除」流程在 3D 器件上算出了物理上不存在的负电容, 于是测量方法本身要重新发明:用电磁仿真把寄生网络一比一重建,再逐层剥掉。 测不准,后面的电路设计全是空中楼阁。(第 06 章)
⑥ 电路这一环:省电靠换数学,不靠换工艺
射频电路是耗电大户,而最狠的省电招数出人意料:把正弦波换成方波。 方波是数字电路的母语,同样的活儿,时钟和功耗都砍到同行的零头—— 书里那只转换器 60mW,对照表里 16nm 工艺的同类要 350-530mW。 放大器的失真用「先拧歪再扳直」治,高频镜像从生成的源头消除。
代价同样真实:转换出来的数不够细(9 位,同行 12-16 位——这个「细」的口径叫精度);
处理上也贵:要多背一套信号处理的算法(一套定好的计算步骤);
而且窗化自己会带上一层本底的噪声(自己引入的杂音),行话叫噪声底。这是一笔用精度换功耗的系统级交易。(第 07 章)
⑦ 通信定义这一环:传意思,不传比特
上面的省钱都是「在同一套通信定义里省」。更进一步的问题是: 为什么要把原始数据整个搬过去? 传统理论只管比特传得准; 当发送方带着会「看懂」内容的神经网络(靠调内部连接强弱来学本领的数学机器),它就该只传对接收方有意义的部分。 书里给的量级:智能自主无线电,能耗除以一千到一万。 拓扑随之改变:边缘优先于云。(第 08 章)
⑧ 能量这一环:第一性原理的答案
所有省电技巧的最后一句由计算范式给出:信息与通信技术用电六年翻四倍的预测之下, 最好的节能不是把电路做得更省,而是让无用的比特根本不诞生—— 传感器只报告变化,计算只在事件发生时发生,学习规则局部到不需要标签, 器件本身(忆阻器)就是突触。大脑用 20W 干的活,「存算一体(记和算发生在同一处,不用来回搬运)」是唯一的解释。 但书里也当众摔了一跤:天真的神经形态规则识别率 0%——实验室到产品的距离是实测出来的。(第 09 章)
⑨ 一句话收尾
把深度学习塞进电池供电的小设备,模型、器件、测量、电路、通信、能量六环全部要重造; 这本书是施工队画的图纸——链条可信,方向乐观打折。
3. 九章地图
这张表不用记术语——每章名字后面写的是「读完你能回答什么问题」。
| 章 | 读完你就能回答 |
|---|---|
| 01 这本书在桥接什么 | 「嵌入 AI」三个字为什么是三个约束?全书五章怎么拼成一条链? |
| 02 从电报到 6G | 消息怎么骑上电波?为什么 6G 的头号挑战是能效?哪 8 条物理事实在封顶? |
| 03 语音识别·传统管线 | 声音怎 么瘦身成 40 个数?三个模块怎么接力猜词?WER 怎么算? |
| 04 语音识别·端到端与压缩 | 端到端替掉了什么?99MB 怎么压进 20MB?为什么更好的模型更怕剪? |
| 05 无结垂直纳米线 | 晶体管为什么要立体化?「无结」省了什么?它凭什么默认是关的? |
| 06 测量纳米器件 | 探针比器件大一千倍怎么测?负电容事故说明什么?新方法五步是什么? |
| 07 Walsh 与省电射频 | 无线电为什么可以不用正弦波?60mW 是怎么省出来的?代价清单是什么? |
| 08 传意思的通信 | 通信只管「传得对」不够;语义——说的内容是什么意思——为什么值一千倍的能效? |
| 09 Green AI | 电烧在哪?大脑的 20W 怎么来的?为什么最好的节能是不生成无用数据? |
推荐顺序: 01 → 02 → 03 → 04 → 05 → 06 → 07 → 08 → 09。 03/04 是一条链(软件侧),05/06 是一条链(器件侧),不建议跳着读; 只想拿结论:读本页第 2 节加第 04、09 两章。
4. 这本书覆盖什么、不覆盖什么
覆盖(而且讲得比多数材料实在)——读完你能回答:
- 嵌入 AI 的三个约束是什么,为什么电池是最硬的那个;
- 语音识别从 HMM 管线到端到端网络的完整演化,和一套带全表数据的压缩实证;
- 一只新兴晶体管的工作原理,以及「怎么把它测准」这个几乎没人写的方法论全流程;
- 用方波换正弦波的省电路线,附一张与其他五只 DAC 的对比表;
- 「先理解再传」的通信定义之争,和它落到物理层的样子;
- 神经形态计算(脉冲网络+忆阻器)的机制,和一个 0% 识别率的真实失败案例。
不覆盖(别指望在这本里找):
-
深度学习的基础原理不教:那套「看错题、把责任往回分摊给每个可调的数」的算法(行话叫反向传播),书当它是已知,只点名不教——本库《神经网络与深度学习》系列拆解可补。
-
训练(给机器喂例子、让它自己调内部那些数的过程)的实操书里只字未提。
-
6G 射频那章只有提纲(原书第 1 章):数字与图表都在幻灯图里,无文字版。
-
机制的数学细节:老管线算「这段声音像这句话」的可能性有多大(这个量叫概率)的推导,书里在图里,文字没给。
-
对齐(把声音的每一帧指认给对应的字)的数学——书里没有,图里有示意。
-
部分书页的可靠正文:通信史后半与 STDP 六页插图只有(甚至是推测性的)图注/占位文字,本拆解凡引必核、图-only 处如实照录。
-
部署工程:模型怎么编译上设备、runtime、在线学习、更新机制,一字未提。
-
语音之外的模态:视觉、雷达等传感器侧的嵌入 AI 没有正面展开。
5. 我们的判断
判断(我们的,不是书里的): 这本书的价值排序是—— ① 实测数据(压缩 5 倍、60mW 转换器、负电容事故、0% 识别率)> ② 方法论(测量五步、省电交易清单)> ③ 愿景(6G、语义通信、绿色 AI)。 引它时引①②,③要当「施工队对自家路线的乐观」打折听。 如果错,会错在: 如果这些实测数字在各自论文里有更强的对照条件 (本书是讲义,给的是点成绩),①的份量会下降——引用前应回原论文核对口径。
判断(我们的,不是书里的): 全书六环给出的答案是同一个形状: 每环都把「把现有做法改得更好」换成了「重定义问题」。 模型环换的是竞争的尺子 (词典→数据),测量环换的是方法(公式→仿真重建),电路环换的是数学(正弦→方波), 通信环换的是目标(比特→意思),能量环换的是第一性原理(省电→不生成)。 这不是巧合:嵌入 AI 之所以难,正因为约束紧到「改着用」不够用,只剩「重定义」。 如果错,会错在: 如果某些环节其实靠工艺进步(更先进的节点)就能续命, 「重定义」的必要性被高估——但书中数据(老工艺 65nm 做出最低功耗)恰恰反着支持本书。
判断(我们的,不是书里的): 读这本书要一直盯着谁在说话。 五位讲者三位是编者、全部是项目当事人;第 4 章里相当多页的正文是推测性图注 (「这张幻灯片可能会…」式的文字),不是讲者原话。 我们的拆解里凡引数字都核到文本真实段落,图-only 与图注推测处均如实照录。 如果错,会错在: 如果那些图注其实出自讲者本人之手、只是文风如此, 那我们对「可靠正文」的边界划得偏严——宁严勿松。
6. 许诺兑现表
这份拆解里每一处「第 N 章讲」「见下一节」,都在这里记一行、逐行核过。
| 许诺在哪 | 许诺了什么 | 应兑现在哪 | 核过了吗 |
|---|---|---|---|
| 本页 §2 ① | 三约束与全书链 | 01 §2、§3 | ✓ |
| 本页 §2 ② | 8 条工艺损伤、能效第一 | 02 §4、§5 | ✓ |
| 本页 §2 ③ | 99MB→20MB 与「更强更怕剪」 | 04 §4、§5 | ✓ |
| 本页 §2 ④ | 无结器件原理 | 05 §3、§4 | ✓ |
| 本页 §2 ⑤ | 负电容与测量新方法 | 06 §3、§4 | ✓ |
| 本页 §2 ⑥ | 60mW 转换器与代价清单 | 07 §2、§5 | ✓ |
| 本页 §2 ⑦ | ÷1000-10000 与边缘优先 | 08 §2、§3 | ✓ |
| 本页 §2 ⑧ | 0% 教训与「不生成无用数据」 | 09 §5、§6 | ✓ |
01 §2 判断块 | 电池是最硬约束,全书以省电为纲 | 02 §4、07 §2、09 §1 均回指功耗 | ✓ |
01 §5 末 | 编者利益相关,第 09 章再碰 | 09 §6 判断块(利益相关方判断打折扣听) | ✓ |
02 §3 末 | 第 07 章还数据转换的债(60mW) | 07 §2 主走查 | ✓ |
02 §5 末 | Walsh/积分窗两条损伤到第 07 章对号 | 07 §1、§3 末 | ✓ |
03 §1 开头 | 这条管线下一章被整条替掉 | 04 §1 | ✓ |
03 §6 | 音素数量优势 | 04 §1(端到端把这笔账作废) | ✓ |
04 §1 判断块 | 数据少的场景词典路线可能更省 | 04 §6(原书结论:数据不足端到端翻车) | ✓ |
05 §4 末 | 直径旋钮第 06 章再碰(22nm) | 06 §5 | ✓ |
05 §5 末 | 表征是第 06 章整章的事 | 06 全章 | ✓ |
07 §1 末 | 与第 02 章工艺损伤清单严丝合缝 | 07 §3 末(两条损伤对上号) | ✓ |
08 §2 末 | 第 09 章从计算侧再算一次账 | 09 §1 判断块(三条战线同一个敌人) | ✓ |
09 §4 | 铁电材料与第 05 章存储器呼应 | 09 §4(铁电条目明写第 05 章那只入耳机) | ✓ |
04 §4 | 第 01 章欠的 99MB→20MB 数字 | 04 §4(并回指 01 §4) | ✓ |
拆解写于 2026-08-27,依据 River Publishers 2025 年版(IEEE-CASS 暑期学校讲义集)。
原始书籍文件不入库,本组文档是我们自己的重写;
每条引用都可用 node scripts/book-verify.mjs embedded-artificial-intelligence-bridging-the-ga 回核。