过去半个世纪最伟大的技术预测正走向终结，谁来接替它？

来源：DeepTech深 科技

摩尔定律是过去半个世纪最伟大的技术预测。

戈登 摩尔 ( Gordon Moore ) 在 1965 年预测，集成电路上的元件数量将每年翻一番。到 1975 年，集成电路上的元件数量达到了惊人的 65000 个。 此时，摩尔修正了最初的表达：芯片上的元件数量 " 每年翻一番 " 改为了 " 每两年翻一番 "。这就是此后颇为世人所道的摩尔定律。

从那以后，摩尔定律定义了半导体技术的发展轨迹，在很多方面也定义了摩尔定律本身。摩尔定律本来是与 经济 相关的。集成电路是由仙童半导体公司 ( Fairchild Semiconductor ) 的 Robert Noyce 发明的，它在一块很小的方形硅片上将多个晶体管和其他电子设备用铝金属线连接起来。摩尔当时是公司的研发总经理，正如摩尔在 1965 年所写的那样，他意识到，有了这些新的集成电路，" 每个组件的成本几乎与组件的数量成反比 "。理论上，芯片上添加的晶体管越多，每一个晶体管的价格就越便宜。摩尔还发现，在提高芯片上晶体管的数量方面，工程技术仍有很大的发展空间。

图 | 摩尔定律提出者戈登 摩尔 （来源：OnInnovation）

很快，这些更便宜、更强大的芯片成为了经济学家们所称的通用技术，催生了多个行业的各种创新和进步。 几年前，经济学家将 1974 年以来美国生产率增长的三分之一归功于集成电路，正是它使信息技术成为可能。现在，几乎所有我们使用的科技产品，从智能 手机 到笔记本电脑再到 GPS，都是摩尔定律的直接反映。摩尔定律也推动了今天人工智能和基因医学的突破，而且赋予了机器学习技术挖掘大量数据寻找答案的能力。 但是，摩尔定律作为一个如此简洁的预测，基于对每年芯片上晶体管数量的推断，是如何推动半个世纪以来的技术进步的呢 ?

至少在某种程度上需要归功于半导体行业。

摩尔定律在预测什么？

摩尔在 1965 年发表文章《把更多组件放在集成电路上》（Cramming more components onto integrated circuits），他写道， 这将会 " 催生诸如家用电脑、 汽车 自动控制系统，以及个人便携式通信设备等神奇产品 "。 换句话说，按照他的预测，把更多的晶体管集成到芯片上，它会创造很多奇迹。

在接下来的几十年里，蓬勃发展的半导体行业、政府以及大量的学术和工业研究人员不断投入金钱和时间来支撑摩尔定律，这不仅创造了一个自我实现的预言，而且使它以超乎寻常的准确性保持着前进的步伐。 尽管近年来半导体行业的步伐有所放缓，但如今最先进的芯片已经集成了近 500 亿个晶体管。

自 2001 年以来，《麻省理工科技评论》每年都会评选出年度最重要的十大突破性技术。这十大突破性技术，几乎无一例外，都是基于摩尔定律所描述的计算进步才实现的。

对于今年榜单上的一些技术来说，它们之间的联系是显而易见的。比如加入了 AI 的手表和手机等消费电子产品；通过改进计算机建模和从全球大气监测系统收集的数据，使气候变化成因变得明确；还有便宜的小型卫星。其他上榜的突破性技术包括量子优越性，利用 AI 发现新分子，甚至抗衰老治疗和个性化定制药物，所有这些都依靠的是计算能力。

图 | 摩尔定律 （来源：OnInnovation）

但如果摩尔定律即将终结，会发生什么呢？或者，如果就像一些人怀疑的那样，摩尔定律已经终结，我们失去了这个时代最伟大的技术引擎，这个世界将何去何从？

" 摩尔定律终结了。到今年这一结论已经无比明确了。" 麻省理工学院的计算机科学家、并行计算的先驱 Charles Leiserson 说。英特尔最新制造的 10 纳米制程芯片于 2019 年交付，但也已 " 迟到 " 了——它比上一代 14 纳米制程芯片晚了 5 年。Leiserson 认为，摩尔定律意指技术进步的速度，但 " 我们已经达不到那个速度了。" 近年来，许多其他著名的计算机科学家也宣布摩尔定律已经终结。2019 年初，芯片巨头英伟达 CEO 黄仁勋就表示同意这一说法。

事实上，摩尔定律是逐渐失效的，而非突然终结。 在过去的几十年里，包括摩尔本人在内的一些人担心，随着制造越来越小的晶体管变得越来越困难，摩尔定律终将完结。1999 年，英特尔的一位研究人员就曾担心，到 2005 年业界将晶体管的尺寸缩小到 100 纳米以内，届时会面临 " 没有已知解决方案 " 的基本物理问题，比如电子在本不该出现的地方游荡的量子效应。

多年来，芯片行业设法避开了这些物理障碍。为了更好地控制电子，研究人员引进了新的晶体管设计。当可见光的波长不能精确在硅上 " 雕刻 " 只有几十纳米长的功能特征时，人们发明了极紫外光刻。但是技术进步的代价越来越大，斯坦福大学和麻省理工学院的经济学家计算出，自 1971 年以来，维持摩尔定律的研究工作量增加了 18 倍。

同样，制造最先进芯片的硅片厂也变得非常昂贵。 一个硅片厂的成本每年增长 13% 左右，预计到 2022 年将达到 160 亿美元或更多。意料之内，计划生产下一代芯片的公司数量已从 2010 年的 8 家、2002 年的 25 家，减少至目前的只有 3 家。

尽管如此，作为全球三大芯片制造商之一的英特尔公司并不认为摩尔定律会很快终结。 Jim Keller 于 2018 年接任英特尔芯片工程负责人，领导着一个由大约 8000 名硬件工程师和芯片设计师组成的团队，他的职责就是让英特尔继续保持生命力。他说，当他加入公司时，许多人都预料摩尔定律会终结。他回忆起当时的想法，如果他们是对的，" 那就太悲哀了 "，或许他自己做出了 " 一个非常糟糕的职业选择 "。

但是 Keller 发现了大量的技术进步机会。他指出，保持摩尔定律的运行可能涉及 100 多个变量，每个变量都能提供不同的优势，但都有自己的局限性。这意味着有很多方法可以让芯片上的元件数量翻倍，比如 3D 架构和新的晶体管设计方案。

目前 Keller 似乎很乐观。他说，在他的整个职业生涯中，一直有人在说摩尔定律即将终结。过了一段时间后，他 " 决定不去担心这件事 "。他说，英特尔未来 10 年的发展速度将会非常快，他很乐意算一笔账：650 亿（晶体管的数量）乘以 32（如果芯片密度每两年翻一番）就是 2 万亿晶体管。" 这是 30 倍的性能提升，如果再加上软件开发人员的智慧，我们可以得到 10 年快百倍的芯片 "，他说。

不过，即使英特尔和其他仍在生产的芯片制造商能够再生产几代更先进的芯片，每隔两年就能使用更快、更便宜芯片的日子，显然已经一去不复返了。然而，这并不意味着计算进步时代的终结。

现在有必要焦 虑了

Neil Thompson 是一位经济学家，但他的办公室设在 CSAIL ——麻省理工学院庞大的人工智能和计算机中心，他周围都是机器人专家和计算机科学家，包括他的合作伙伴 Leiserson。他在一篇新的论文中提出，更好的软件、算法和专门的芯片架构为提高计算性能提供了充足的空间。

一个机会在于精简所谓的 " 软件膨胀 "，就可以充分利用现有的芯片。 当我们总期望芯片变得更快、更强大时，程序员就不需要为编写更高效的代码操心了。而且，有些软件常常不能充分利用硬件架构的改进，比如目前使用的芯片中的多核处理器。

Thompson 和他的同事们发现，仅仅将 Python（一种流行的通用编程语言）切换到更高效的 C 语言，就可以使计算密集型运算的运行速度提高约 47 倍。 这是因为 C 语言虽然需要程序员做更多的工作，但大大减少了所需操作的数量，因此程序运行得更快。进一步优化代码，就能充分利用具有 18 个处理核心的芯片，使运算速度更快。在仅仅 0.41 秒内，研究人员就得到了使用 Python 需要运行 7 个小时才能得到的结果。

这听起来像是一个可以维持技术进步的好消息，但 Thompson 担心，这也标志着计算机作为一种通用技术的衰落。 摩尔定律强调通过提供更快、更便宜、普遍可用的芯片来实现无差别的技术进步，相反，软件优化和全新的专业架构则有选择地瞄准了特定的问题和 商业 机会，往往青睐那些有足够资金和资源的领域。

事实上，业界正在转向为特定应用专门设计芯片（尤其是在人工智能领域） 。深度学习和其他人工智能应用越来越依赖于图形处理单元 ( GPU ) ，因为 GPU 可以并行计算。而像谷歌、微软和百度等公司则正在根据自己的特殊需求设计新的人工智能芯片。Thompson 表示，人工智能，尤其是深度学习，对计算机能力有着巨大的需求，而专用芯片可以极大地提高其性能。

但代价是，专用芯片的通用性不如传统 CPU。 Thompson 担心，用于通用计算的芯片正在变成一潭死水，而且正在减缓 " 计算机技术进步的整体步伐 " ，他在即将发表的论文《计算机作为通用技术的衰落》 ( the Decline of Computers as a general Purpose Technology ) 中写道。

卡耐基 · 梅隆大学工程与公共政策教授 Erica Fuchs 表示，在某个时间点，那些开发人工智能和其它应用程序的人将会怀念由摩尔定律带来成本下降和性能提高的时代。她说：" 也许在 10 年或 30 年后，人们将需要一个提供额外计算能力的设备。"

Fuchs 说，现在的问题是，目前通用芯片的继承者还没有出现，这需要多年的基础研究和开发才能创造出来。对于什么会取代摩尔定律，她说， " 现在就有必要焦虑了。 人工智能领域确实有一些聪明人，但是他们没有意识到计算领域长期发展所面临的硬件限制。更重要的是，由于特定应用的芯片是非常有利可图的，所以很少有人会去 投资 新的逻辑设备和计算方式。"

2018 年，Fuchs 和她在哥伦比亚大学的同事 Hassan Khan 和 David Hounshell 写了一篇论文，追溯了摩尔定律的历史，并指出了现在业界缺乏行业和政府的合作，而正是这些合作曾推动此前几十年的巨大进步。他们认为，" 技术轨迹的分裂和许多新出现的短期私人盈利能力 " 意味着，我们需要大力增加公共投资，这样才能发现下一个伟大的计算机技术。

如果经济学家是对的，1990 年代末和 2000 年代初大部分的生产率增长是芯片发展造成的，而 2000 年代中期生产率增长开始缓慢反映了计算技术进展放缓。那么，Thompson 说，" 这时候我们应该投入大量的资金寻找替代技术。而现在，我们并没有这么做，这是公共政策的失败。"

这样的投资不一定会有回报。 量子计算、碳纳米管晶体管，还有自旋电子学，都很诱人。但这些没有一个是摩尔定律的明显替代品。不过，我们现在需要研究和投资来找出答案。因为有一个预测肯定会成真：我们永远都需要更强的计算能力。