David Patterson是美国计算机科学家，加州大学伯克利分校的荣休教授。他以开创精简指令集计算机（RISC）架构以及撰写关于计算机架构的权威教科书而闻名。2017年，Patterson与John Hennessy因在RISC处理器方面的贡献共同获得ACM A.M.图灵奖，此后他还参与了谷歌张量处理单元（TPU）的开发。
Patterson的研究深刻影响了现代计算，从微处理器设计到人工智能工作负载的加速。他在RISC原理方面的工作促使该架构在智能手机、嵌入式系统及数据中心中得到广泛采用。他后来参与谷歌云TPU项目，展示了领域专用架构在机器学习和深度学习应用中的重要性。
早年生活与教育
Patterson于1947年出生在伊利诺伊州埃弗格林帕克。他于1969年在加州大学洛杉矶分校获得数学学士学位，随后分别于1970年和1976年在该校获得计算机科学硕士和博士学位。他的博士研究聚焦于计算机架构，为他日后的贡献奠定了基础。
学术生涯与RISC革命
1976年，Patterson加入加州大学伯克利分校任教，并在那里度过了大部分学术生涯。在20世纪80年代初，他领导了RISC项目，证明更简单、精简的指令集可以超越复杂指令集计算机（CISC）。RISC设计原则，如加载-存储架构和固定长度指令，成为许多商业处理器的基础，包括ARM Holdings和Intel的产品。
Patterson与John Hennessy合著了开创性教科书《计算机组织与设计》，该书培养了一代又一代计算机科学家。他的研究还推动了RAID（廉价磁盘冗余阵列）存储系统的发展，该系统如今在数据中心中无处不在。
谷歌TPU与领域专用架构
2016年从伯克利退休后，Patterson加入谷歌担任杰出工程师。他共同领导了张量处理单元（TPU）的设计，这是一种针对神经网络推理和训练优化的专用集成电路（ASIC）。TPU于2015年首次部署，成为谷歌AI基础设施的基石，为OpenAI的竞争对手和大型语言模型等服务提供支持。
Patterson在TPU方面的工作凸显了领域专用架构的优势，即针对特定工作负载定制硬件。这种方法影响了整个行业，NVIDIA和AMD等公司纷纷开发专门的AI加速器。
奖项与荣誉
Patterson获得了众多奖项，包括2017年ACM A.M.图灵奖、2004年IEEE约翰·冯·诺依曼奖章以及2016年ACM-IEEE CS Eckert-Mauchly奖。他是ACM、IEEE和美国艺术与科学学院的会士。2020年，他当选为美国国家工程院院士。
遗产与影响
Patterson的贡献从根本上改变了计算机系统的设计。他对RISC-V等开放指令集架构的倡导使处理器设计民主化，推动了半导体制造和云计算的创新。他在TPU方面的工作加速了AI的普及，影响了生成式AI和Transformer模型的发展。
Patterson继续在计算领域发挥重要影响力，就硬件和AI的未来发表见解。他的职业生涯体现了学术研究与工业应用相结合的影响力。