本书从“智能任务-计算效能-计算形态”三个维度系统梳理智能计算系统的内涵与外延。任务导向的智能计算系统聚焦于如何面向感知、推理、决策、生成等多样化智能任务，实现算法与资源的协同优化；效能驱动的智能计算系统以提升计算性能与效率为核心，支持从集中式异构集群到分布式群智计算的演进路径，以及从存算分离到存算一体等新型架构的技术革新；新形态的智能计算系统则突破传统冯·诺依曼架构的局限，探索量子计算、类脑计算、生物计算等前沿方向，拓展智能计算的能力边界与未来可能。全书分为10章，在梳理宏观趋势和基础概念的基础上，遵循“自底向上”与“自顶向下”相结合的原则，力求帮助读者构建完整认知框架。

作者简介：
郭斌　博士，西北工业大学计算机学院副院长、教授，国家杰出青年科学基金获得者，智能感知与计算工信部重点实验室主任，人机物融合群智计算教育部重点实验室副主任。主要从事智能物联与普适计算、群体智能、类脑具身智能等方面的研究。在IEEE/ACM汇刊等国内外重要期刊上发表论文200余篇，出版《人机物融合群智计算》《智能物联网导论》《计算社会学：基础理论篇》《计算社会学：系统应用篇》等专著和教材，入选爱思唯尔中国高被引学者以及《麻省理工科技评论》发起的“中国智能计算创新人物”。曾获得教育部自然科学一等奖、陕西省自然科学一等奖等。CCF理事、ACM西安分会主席。
崔禾磊　博士，西北工业大学计算机学院长聘教授、博士生导师，国家级青年人才。先后于西北工业大学、香港中文大学、香港城市大学获得工学学士、理学硕士、哲学博士学位。研究方向包括可信群智系统、去中心化云存储、边缘智能等，主持国家重点研发计划课题、国家自然科学基金面上项目等课题，曾获IEEE ICPADS 2018最佳论文奖和AAMAS 2026最佳论文提名奖。
张羽　博士，西北工业大学计算机学院教授、博士生导师、智能计算系统系主任、陕西省首批产教融合专业群（具身智能计算系统）负责人。先后于西北工业大学和墨尔本皇家理工大学获得工学学士、工学硕士、计算机科学博士学位。研究方向包括泛在操作系统、边缘智能。主持军委科技委重大基础加强计划项目课题、国家自然科学基金面上项目、陕西省秦创原“科学家+工程师”项目等课题，带领团队研发的NPUcore、iS2ROS、hvisor、hyperAMP等基于能力的运行时感知与计算资源管理基础软件及支持LoongArch、ARM、RISC-V跨指令集架构的端侧多内核泛在操作系统，在无人集群空-地协同侦查和生态环境修复治理等重大军民场景中实现了应用落地，并已通过国防科技中心测评认证。
符宁　博士，西北工业大学计算机学院副研究员。本科毕业于国防科技大学计算机科学与技术系。硕士和博士毕业于西北工业大学计算机学院。主要研究方向包括人工智能、机器学习、数据挖掘。主持陕西省重点研发计划、航天科学技术基金等多项省部级项目，参与多项国家级课题研究。在ACL等高水平国际会议上发表论文10余篇。获陕西省教学成果一等奖1项，陕西省科学技术三等奖1项。
刘琰　博士，西北工业大学副教授、硕士生导师，北京大学博雅博士后。主要研究方向包括人机物融合群智感知、类脑具身智能等。曾入选陕西省三秦英才引进计划、国家资助博士后研究人员计划等，主持国家自然科学基金面上项目和青年项目、博士后科学基金面上项目等，在CCF推荐期刊/会议上发表论文40余篇，出版教材1本。曾获CCF自然科学二等奖、ACM西安优博、国际会议IEEE UIC最佳论文奖和最佳学生论文奖等。
张盈　博士，西北工业大学计算机学院教授、博士生导师，国家级青年人才。先后于西北工业大学、新加坡国立大学获得学士与博士学位。研究方向包括人智协同、媒体智能等。主持参与国家自然科学基金重点/面上等多项国家级项目，发表学术论文80余篇，获得多项国际发明专利与技术转化。曾获得IEEE TENCON 2018、ACM SIGSPATIAL GeoAI 2019最佳会议论文奖。

目录
前言
第1章　绪论
1.1　背景与定义1
1.1.1　从传统计算系统到智能计算系统1
1.1.2　智能计算系统的发展2
1.1.3　智能计算系统的定义2
1.2　任务导向的智能计算系统4
1.2.1　泛在感知计算系统 5
1.2.2　认知交互计算系统8
1.2.3　具身智能计算系统11
1.3　效能驱动的智能计算系统15
1.3.1　异构并行计算系统15
1.3.2　嵌入式智能计算系统19
1.3.3　存算一体系统20
1.3.4　人机物融合群智计算系统23
1.3.5　大模型计算系统27
1.3.6　环境获能绿色计算系统31
1.4　新形态的智能计算系统35
1.4.1　量子计算系统35
1.4.2　类脑计算系统38
1.4.3　生物计算系统41
1.4.4　人机计算系统44
1.5　本书组织架构48
习题49
参考文献50
第2章　机器学习系统
2.1　深度学习系统55
2.1.1　深度学习算法55
2.1.2　深度学习框架60
2.1.3　深度学习系统训练62
2.1.4　深度学习系统部署65
2.2　分布式机器学习系统68
2.2.1　传统分布式机器学习68
2.2.2　联邦学习74
2.2.3　多智能体深度强化学习79
2.3　大模型系统82
2.3.1　大模型预训练84
2.3.2　大模型微调与对齐86
2.3.3　大模型提示学习91
2.3.4　大模型系统部署94
2.4　具身智能系统97
2.4.1　具身智能感知98
2.4.2　具身智能学习101
2.4.3　具身智能交互105
2.4.4　具身智能系统软件109
2.5　硬件加速器111
2.5.1　加速器原理概述112
2.5.2　大模型加速器115
2.5.3　国产加速器发展116
习题119
参考文献119
第3章　智能计算操作系统
3.1　智能手机操作系统127
3.1.1　概述128
3.1.2　Android与iOS130
3.1.3　鸿蒙133
3.2　智能机器人操作系统136
3.2.1　概述136
3.2.2　ROS1.0137
3.2.3　ROS2.0139
3.2.4　micROS141
3.3　智能泛在操作系统145
3.3.1　概述145
3.3.2　XiUOS148
3.3.3　微内核与hvisor150
习题156
参考文献156
第4章　嵌入式智能感知系统
4.1　嵌入式智能感知任务和模型159
4.1.1　嵌入式智能感知任务159
4.1.2　嵌入式智能感知任务模型161
4.2　嵌入式异构感知与计算167
4.2.1　嵌入式异构感知167
4.2.2　嵌入式异构计算169
4.3　模型轻量化压缩172
4.3.1　基本概念172
4.3.2　模型剪枝175
4.3.3　模型量化178
4.3.4　模型知识蒸馏181
4.4　模型推理软件加速183
4.4.1　基本概念183
4.4.2　模型分割186
4.4.3　异构调度189
习题193
参考文献193
第5章　智能物联网系统
5.1　智能物联网的概念200
5.2　智能物联网的架构演进201
5.2.1　物联网架构201
5.2.2　智能物联网架构203
5.2.3　云边端协同的智能物联网架构204
5.3　智能通信与组网205
5.3.1　物联网通信架构205
5.3.2　物联网通信标准 206
5.3.3　智能物联网通信算法209
5.4　智能感知215
5.4.1　多模态智能感知215
5.4.2　物联网中的视觉感知215
5.4.3　物联网中的听觉感知219
5.5　智能协同计算224
5.5.1　协同计算基本内涵224
5.5.2　分布式数据融合计算226
5.5.3　分布式模型分割计算228
5.5.4　分布式资源协同计算231
5.6　典型智能物联网应用233
5.6.1　智能家居233
5.6.2　智慧城市234
5.6.3　智能工厂235
习题237
参考文献238
第6章　云边端协同系统
6.1　云边端协同系统概述240
6.2　云边端协同系统架构242
6.2.1　云-边-端架构243
6.2.2　边-端架构244
6.2.3　AIoT架构245
6.2.4　多接入边缘计算架构246
6.3　云边端协同系统软件架构247
6.3.1　典型云边端系统软件架构247
6.3.2　AIoT软件架构249
6.3.3　多接入边缘计算软件架构250
6.4　云边端接入技术252
6.4.1　无线局域网传输机制253
6.4.2　无线广域网传输机制254
6.4.3　低功耗广域网传输机制258
6.5　计算卸载技术263
6.5.1　计算卸载技术概念263
6.5.2　计算卸载执行框架265
6.5.3　计算卸载决策266
6.5.4　计算卸载资源分配267
6.6　计算迁移技术268
6.6.1　计算迁移技术概念268
6.6.2　引发计算迁移的原因270
6.6.3　计算迁移的分类和步骤271
6.7　边缘缓存技术274
6.7.1　边缘缓存概述274
6.7.2　边缘缓存的基本特点274
6.7.3　边缘缓存的技术分类277
6.7.4　边缘缓存研究现状和展望278
6.8　典型应用279
6.8.1　智慧城市的云边端计算应用279
6.8.2　云边端计算在无人零售中的应用281
习题282
参考文献283
第7章　大数据存储系统
7.1　分布式存储285
7.1.1　数据存储的演化285
7.1.2　分布式存储系统291
7.1.3　新型去中心化存储系统298
7.2　云存储303
7.2.1　云计算的流行303
7.2.2　云存储架构模型309
7.2.3　云存储技术体系314
7.3　存内计算318
7.3.1　存算一体的兴起318
7.3.2　存内计算的关键技术323
7.3.3　存内计算的挑战与机遇326
习题329
参考文献329
第8章　智能数据管理系统
8.1　智能数据库334
8.1.1　智能数据库的发展335
8.1.2　智能数据库的优化方法338
8.1.3　智能数据库的典型应用342
8.2　智能数据仓库348
8.2.1　数据仓库的演化348
8.2.2　智能数据仓库的关键技术352
8.2.3　智能数据仓库的典型应用357
8.3　智能数据湖361
8.3.1　数据湖的出现361
8.3.2　迈向智能化的数据湖367
8.3.3　智能数据湖的未来372
习题373
参考文献374
第9章　智能交互系统
9.1　人机交互380
9.1.1　引言380
9.1.2　人机交互的发展历史383
9.1.3　智能交互系统软件架构387
9.1.4　智能交互技术类型389
9.2　新型交互系统395
9.2.1　扩展现实技术396
9.2.2　元宇宙400
9.2.3　普适计算与泛在交互403
9.2.4　基于大模型的交互技术407
9.3　人机计算系统413
9.3.1　人机计算413
9.3.2　典型应用419
习题421
参考文献422
第10章　未来展望
10.1　类人智能计算演进427
10.1.1　类脑计算完备性427
10.1.2　具身图灵测试428
10.1.3　通用人工智能系统　 429
10.2　智能-计算-能效调谐系统431
10.2.1　泛在智能操作系统431
10.2.2　新形态存储与数据系统432
10.2.3　异构群智计算432
10.2.4　未来智能交互433
10.2.5　绿色可持续计算434
参考文献435