Ein Blick Auf Die Vergangenheit Und Gegenwart Des Mooreschen Gesetzes

HyperAI-Einführung

Das Mooresche Gesetz ist eines der bekanntesten Trendgesetze der Informatik, das die rasante Entwicklung der Hardware verdeutlicht. Dieses Gesetz hat die Hardwarehersteller dazu motiviert, ihre Produkte kontinuierlich zu aktualisieren.

Allerdings scheint es in der Chipindustrie in den letzten Jahren zu einem technologischen Engpass gekommen zu sein, und das Tempo der Modernisierung hat sich weiter verlangsamt. Viele Menschen sind deshalb der Ansicht, dass das Mooresche Gesetz seine Wirkung verliert. Doch das Aufkommen der KI hat das Mooresche Gesetz wieder zum Leben erweckt.

Was ist das Mooresche Gesetz?

Im Jahr 1965 schlug Gordon Moore, einer der Mitbegründer von Intel, das Mooresche Gesetz erstmals in einem Artikel mit dem Titel „Filling More Components into Integrated Circuits“ vor.

Mooresches Gesetz:

Bei gleichbleibenden Preisen verdoppelt sich die Anzahl der Komponenten, die auf einem integrierten Schaltkreis (also einem Chip) untergebracht werden können, etwa alle 18 bis 24 Monate, und auch die Leistung verdoppelt sich.

Mit anderen Worten: Die Computerleistung, die man pro Dollar kaufen kann, wird sich alle 18 bis 24 Monate mehr als verdoppeln.

Danach machte Moore alle zehn Jahre Vorhersagen über die Entwicklung der Chipindustrie. 1975 sagte er voraus, dass sich die Chipkomplexität in den nächsten zehn Jahren alle zwei Jahre verdoppeln würde.

Obwohl dieser Trend seit mehr als einem halben Jahrhundert anhält, sollte das Mooresche Gesetz immer noch eher als Beobachtung oder Vermutung denn als physikalisches oder natürliches Gesetz betrachtet werden.

Das aktualisierte Wachstum der International Semiconductor Technology Development Roadmap aus dem Jahr 2010 hat sich verlangsamt und die Transistordichte dürfte sich danach nur noch alle drei Jahre verdoppeln.

Es gibt auch die Ansicht, dass dieses Gesetz auf dem IQ der Wirtschaftsgesetze basiert und die Geschwindigkeit des Fortschritts in der Informationstechnologie offenbart. Daher gelingt es der Elektronikindustrie, die Verbraucher alle paar Jahre zum Kauf eines neuen Produkts zu bewegen.

Zur gleichen Zeit schlug der IBM-Ingenieur Robert Dennard 1974 die Dennard-Skalierung vor, ein guter Freund des Mooreschen Gesetzes.

Dennard-Skalierungsgesetz:

Durch die Verkleinerung der Chipgröße bei gleichzeitiger Erhöhung der Anzahl seiner Komponenten kann der Chip schneller laufen und gleichzeitig werden die Produktionskosten und der Energieverbrauch gesenkt.

Auf diese Weise inspirieren das Mooresche Gesetz und das Dennardsche Skalierungsgesetz die Chiphersteller weiterhin dazu, die Anzahl der Chipkomponenten zu erhöhen, die Chipleistung zu verbessern und die Chipgröße zu reduzieren, was zu einer über 30-jährigen rasanten Entwicklung der Chipindustrie geführt hat.

Warum ist das Mooresche Gesetz gescheitert?

Seit 2005 hat die Chipforschung und -entwicklung unter der Führung des Mooreschen Gesetzes den Nanobereich erreicht. Da die Komponenten immer zahlreicher und kleiner werden, greift allmählich der Quantentunneleffekt ein (die Quanteneigenschaft mikroskopischer Teilchen wie Elektronen, die in der Lage sind, Potenzialbarrieren zu durchdringen oder zu überwinden).

Unter dem Einfluss dieses Effekts kommt es zu Transistorleckagen, die bei der Herstellung von Chips mit kleineren Prozessen zu einem Anstieg statt zu einem Rückgang des Stromverbrauchs führen und gleichzeitig zu ernsthaften Problemen bei der Wärmeableitung führen.

Um das Leckageproblem zu lösen, begann man, die Entwicklung von Mikrochips einzustellen und sich der Multi-Core-Entwicklung zuzuwenden, d. h., mehrere Chips gleichzeitig in einem Computer oder Mobiltelefon laufen zu lassen. Dennoch konnte das Problem bisher nicht wirksam gelöst werden.

Das Phänomen des Transistorlecks verstößt völlig gegen das Dennard-Skalierungsgesetz und führt auch dazu, dass das Mooresche Gesetz in Frage gestellt wird. Darüber hinaus ist es unter den aktuellen Bedingungen der Chipforschung und -entwicklung bereits schwierig, Transistorkomponenten hinzuzufügen, und die einzige Möglichkeit besteht darin, vorhandene Chips zu verbessern, aber die Kosten der Chipproduktion steigen ständig.

Chien-Ping Lu, Senior Director von MediaTek, wies in einem Artikel aus dem Jahr 2005 darauf hin:Obwohl sich die Anzahl der Transistoren im Vergleich zum ursprünglichen Wert verdoppelt hat, hat sich die Gesamtleistung des Prozessors heutzutage nicht wesentlich verbessert und die Forschungs- und Entwicklungskosten sowie der Energieverbrauch steigen.

Die Kosten für die Herstellung von Chips steigen von Jahr zu Jahr

Intel wies außerdem darauf hin, dass die Errichtung einer Chip-Produktionsanlage derzeit etwa 10 Milliarden Dollar kostet, was für jedes Unternehmen eine enorme Summe darstellt.

Dario Gil, Leiter für Forschung und Entwicklung bei IBM, erklärte direkt, dass sich das Mooresche Gesetz nur schwer an die zukünftige Entwicklung der Informatik anpassen lasse.

Auch Bob Colwell, ehemaliger Chip-Designer bei Intel, glaubt, dassDie Chipindustrie könnte etwa im Jahr 2020 in der Lage sein, Chips mit der 5-Nanometer-Technologie herzustellen. Dies dürfte jedoch die Grenze der derzeitigen Chipherstellungstechnologie sein.

Seit dem 21. Jahrhundert hat sich die Chipindustrie rasant entwickelt, mit kleineren Größen und stärkerer Leistung. Da sich der Herstellungsprozess jedoch seinen Grenzen nähert, hat das Mooresche Gesetz bei herkömmlichen Chips tatsächlich bis zu einem gewissen Grad seine führende Rolle verloren.

Doch im Bereich der KI dürfte das Mooresche Gesetz wieder in Kraft treten.

Wie kann KI das Mooresche Gesetz retten?

Der Aufstieg der KI stellt neue Anforderungen an die Kernhardware von Computern: Um den Anforderungen des Deep-Learning-Trainings gerecht zu werden, muss die Hardware in der Lage sein, große Datenmengen in kürzerer Zeit zu verarbeiten und dabei den aktuellen Energieverbrauch beizubehalten oder sogar zu senken.

Die Beziehung zwischen Rechenleistung, Algorithmen und Daten

Schätzungen zufolge wird sich die für KI erforderliche Rechenleistung bis 2020 gegenüber dem aktuellen Stand um das Zwölffache erhöhen. Diese 12-fache Rechenleistung kann es KI-Modellen ermöglichen, die Zeit, die zum Erledigen einer Aufgabe benötigt wird, von mehreren Tagen auf nur wenige Stunden zu verkürzen. Allerdings ist es immer noch sehr schwierig, all dies zu erreichen, wenn man sich ausschließlich auf vorhandene Chips verlässt.

Zu diesem Zweck entwickeln viele Unternehmen KI-spezifische Prozessoren, um die Rechenleistung der Chips zu erhöhen und die Nutzungskosten zu senken. Unter den vielen KI-Hardwareentwicklern gehören die von großen Hardwareanbietern wie Nvidia und AMD entwickelten GPUs wahrscheinlich zu den wenigen Prozessoren, die derzeit den Rechenleistungsanforderungen der KI gerecht werden können.

Internetnutzer fälschten Nvidia-GPU in Form eines Gasherds

Als weltweit größter CPU-Hersteller hofft Intel, in Zukunft KI-Prozessoren mit einer höheren Leistung als bestehende GPUs entwickeln zu können. Im Jahr 2016 übernahm Intel das KI-Softwareunternehmen Nervana für 408 Millionen US-Dollar.

Es wurde die ASIC-AI-Serie veröffentlicht, um die Rechenleistung der Kernalgorithmen zu verbessern. Der Chip soll zehnmal leistungsstärker sein als die weltweit führende GPU mit Nvidia Maxwell-Architektur.

Darüber hinaus entwickelt Google auch einen eigenen KI-Prozessor TPU, der ebenfalls speziell für KI konzipiert ist. TPU ist bei der Ausführung von Benchmark-Code 15- bis 30-mal schneller als vorhandene KI-Prozessoren.

Auch in China planen viele Unternehmen große Fortschritte im Chipbereich, nicht nur um die allgemeine Entwicklung der KI-Industrie voranzutreiben, sondern auch um die Lücke bei inländischen Chips zu schließen.

Von der CPU über die GPU bis hin zur TPU nutzt die KI neue Technologien, um leistungsfähigere Chips hervorzubringen. Aus dieser Perspektive könnte das Mooresche Gesetz, obwohl es im Bereich der herkömmlichen Computerhardware versagt, in Zukunft im Bereich der KI eine Wiedergeburt erleben.