看尽摩尔定律の前世今生

超神经 HyperAI 导读

摩尔定律是计算机科学界有名的趋势法则之一，揭示了硬件发展的高速规律。这个法则曾不断激励硬件生厂商进行产品更新。

不过，近几年来，芯片行业似乎遭遇到技术瓶颈，升级速度不断放缓。于是，不少人认为摩尔定律正在失效。但 AI 的出现，却让摩尔定律再次「活过来」。

什么是摩尔定律？

1965 年，Intel 联合创始人之一 Gordon Moore 戈登·摩尔, 在一篇名为《让集成电路填满更多组件》的文章中首次提出摩尔定律。

摩尔定律：

当价格不变时，集成电路（即芯片）上可容纳的元器件的数目，每隔约 18-24 个月便会增加一倍，性能也将提升一倍。

换言之，每一美元所能买到的电脑性能，将每隔 18-24 个月翻一倍以上。

之后，摩尔每隔十年会对芯片行业的发展做一次预测，1975 年，他预测未来十年内，芯片复杂度将每两年翻一倍。

尽管这种趋势已经持续了超过半个世纪，摩尔定律仍应该被认为是观测或推测，而不是一个物理或自然法。

2010 年国际半导体技术发展路线图的更新增长已经放缓，之后的时间里晶体管数量密度预计只会每三年翻一番。

也有说法认为，这一定律先是建立在经济规律智商，揭示的是信息技术进步的速度，所以，电子行业才能够说服消费者每隔几年就购买一款新产品。

在同一时期，IBM 工程师 Robert Dennard（罗伯特登纳德）在 1974 年，提出摩尔定律的好基友——Dennard Scaling，即登纳德缩放比例定律。

登纳德缩放比例定律：

在增加芯片组件的同时，缩小芯片体积将使芯片运行速度更快，同时降低生产成本和能耗。

就这样，摩尔定律和登纳德缩放比例定律不断激励芯片制造商，增加芯片组件，提高芯片性能，同时缩小芯片体积，引领了芯片行业 30 多年的飞速发展。

摩尔定律为什么会失效？

从 2005 年开始，在摩尔定律的指导下，芯片研发开始进入纳米级，在组件越来越多体积越来越小时，量子隧穿效应（指像电子等微观粒子能够穿入或穿越位势垒的量子行为）逐渐介入。

在该效应的作用下，晶体管漏电现象开始出现，使得芯片在往更小工艺制作时，功耗不减反增，同时也带来严重的散热问题。

为了解决漏电现象，人们开始停止研发微型芯片，转向多核发展，也就是在电脑或手机中同时运行多个芯片。即便如此，该问题到目前仍没得到有效解决。

晶体管漏电现象彻底打破了登纳德缩放比例定律，也引起人们对摩尔定律的质疑。而且，按照目前的芯片研发条件，已经很难再增加晶体管组件，只能对现有芯片进行完善，但芯片制作成本却在不断增加。

MediaTek 联发科高级总监 Chien-Ping Lu 在 2005 年的一篇论文中指出：如今，晶体管数虽然在原来基础上翻了一倍，但处理器整体性能不仅没有太大的提升，研发成本和能耗反而在不断增加。

制造芯片的成本逐年上涨

英特尔也指出，现在成立一家芯片制造厂，成本大概需要 100 亿美元，这对任何一家公司而言，都是一笔巨款。

IBM 研发主管 Dario Gil 则直接表明，摩尔定律已经很难适应未来计算机科学的发展。

英特尔前芯片设计师 Bob Colwell 也认为，芯片产业到 2020 年左右可能会制造出 5 纳米工艺的芯片，但这很可能是目前芯片制作工艺的极限。

21 世纪以来，芯片行业发展迅速，体积越来越小，性能越来越强。但随着制作工艺接近极限，摩尔定律在一定程度上，确实已经失去了对传统芯片的引领作用。

但在 AI 领域，摩尔定律很可能会重新生效。

AI 如何拯救摩尔定律？

AI 的兴起，对计算机核心硬件提出了新的要求：为了满足深度学习训练的要求，硬件需要能在持平目前甚至更小的能耗范围内，用更短的时间处理海量数据。

算力、算法、数据的关系

预计到 2020 年，AI 需要的算力将在现在的基础上再增加 12 倍。这 12 倍的算力，可以让 AI 模型把原来需要几天才能完成的工作缩短到几个小时。但仅依靠现有的芯片，要实现这一切还存在较大难度。

为此，很多公司都在开发 AI 专用处理器，以提高芯片算力，降低使用成本。在众多 AI 硬件开发商里，Nvidia 和 AMD 等主要硬件供应商研发的 GPU，应该算目前为数不多能满足 AI 算力需求的处理器之一。

网友恶搞的燃气灶形状的 Nvidia GPU

作为全球最大的 CPU 制造商，英特尔则希望在未来研发出比现有 GPU 性能更强的 AI 处理器。 2016 年，英特尔以 4.08 亿美元收购了 AI 软件公司 Nervana 。

就发布了了 ASIC AI 系列，用以提升核心算法的计算效率。据说该芯片在性能上比目前全球顶尖的 Nvidia Maxwell architecture GPU 还要高 10 倍。

此外，Google 也在开发自己的 AI 处理器 TPU，同样是专为 AI 设计，TPU 在处理基准代码执行方面比现有的 AI 处理器快 15～30 倍。

在国内，也有企业前赴后继，都计划在芯片领域大展拳脚，不单单是为了促进 AI 行业的全面发展，也为了弥补国产芯片的空白。

从 CPU 到 GPU 再到 TPU 等，AI 正在用新技术催生更为强大的芯片。从这方面来看，摩尔定律虽然正在传统计算机硬件领域失效，但未来可能在 AI 领域里焕发新生。