本书首先详细介绍图的定义及其与人工智能认知智能阶段的关系，并系统介绍目前有望推动认知智能发展的图智能算法，即图神经网络算法的定义和主流模型。同时，基于图神经网络算法深入剖析加速图智能算法面临的挑战，给出图智能芯片的设计艺术。然后，以本书提出的图神经网络芯片设计为例，分析图智能芯片的具体设计核心和设计技术，并系统地归纳和分析图神经网络芯片设计的相关工作。*后，对图智能芯片的发展进行总结和展望。

目录 前言 第1章 绪论 1 1.1 人工智能三阶段 1 1.2 图神经网络 3 1.3 图智能芯片 4 1.4 本章小结 5 参考文献 5 第2章 人工智能的发展 6 2.1 运算智能 6 2.1.1 早期人工智能 6 2.1.2 博弈中的应用 7 2.2 感知智能 7 2.2.1 算法理论的发展 8 2.2.2 硬件的推动 14 2.2.3 应用实践的开发 17 2.3 认知智能 19 2.4 本章小结 21 参考文献 21 第3章 图与认知智能 23 3.1 无处不在的图 23 3.1.1 图的定义 23 3.1.2 图的应用 28 3.2 图与认知智能的关系 30 3.2.1 图表示蕴含知识 30 3.2.2 图结构支撑关系推理 31 3.3 本章小结 33 参考文献 33 第4章 图神经网络 34 4.1 图神经网络的定义 34 4.1.1 什么是图神经网络 34 4.1.2 图神经网络与神经网络的异同 35 4.2 图神经网络的重要性 36 4.3 图神经网络的主流模型 37 4.3.1 典型图神经网络模型 38 4.3.2 图卷积网络 41 4.4 本章小结 43 参考文献 43 第5章 图神经网络的挑战 45 5.1 现代主流执行平台 45 5.2 图神经网络的执行分析 48 5.3 图神经网络的执行挑战 51 5.3.1 计算的挑战 52 5.3.2 访存的挑战 53 5.3.3 灵活性与可编程性 53 5.4 本章小结 54 参考文献 54 第6章 图神经网络芯片设计 55 6.1 图神经网络芯片的设计艺术 55 6.1.1 摩尔定律放缓和登纳德缩放比例定律失效 55 6.1.2 面向专用领域的设计 56 6.2 图神经网络算法到芯片的映射 57 6.2.1 图神经网络编程模型 58 6.2.2 编程模型到芯片的映射 59 6.3 图神经网络芯片设计案例 60 6.3.1 HyGCN设计思想 61 6.3.2 HyGCN应对计算层次挑战 61 6.3.3 HyGCN应对片上访存层次挑战 63 6.3.4 HyGCN应对片外访存层次挑战 64 6.3.5 实验分析 65 6.4 图神经网络芯片相关工作 69 6.4.1 计算层次关键技术 69 6.4.2 片上访存层次关键技术 71 6.4.3 片外访存层次关键技术 76 6.5 本章小结 79 参考文献 80 第7章 图智能芯片的发展与展望 82 7.1 图结构数据 82 7.2 图智能算法 83 7.3 图智能芯片 84 7.4 本章小结 86 参考文献 86