芯片技術(shù)達(dá)到極限 如何看摩爾定律的未來(lái)

我們大多數(shù)人都熟悉摩爾定律。最初觀察到計(jì)算機(jī)容量呈指數(shù)增長(zhǎng)的戈登·摩爾（Gordon Moore）談?wù)摰氖?a href="http://wenjunhu.com/v/tag/123/" target="_blank">集成電路中晶體管的密度，但其他人（其中包括著名的未來(lái)學(xué)家雷·庫(kù)茲韋爾）后來(lái)重新制定了“定律”來(lái)指代處理能力較之成本的增長(zhǎng)——計(jì)算機(jī)芯片每花費(fèi) 100 美元，每秒可以執(zhí)行多少次計(jì)算。這使得該定律對(duì)技術(shù)變化具有魯棒性，將其向后延伸到集成發(fā)明之前，并可能向前延伸到未來(lái)新技術(shù)可能取代當(dāng)前的硅基芯片時(shí)。

但我們可能很快就需要替代技術(shù)，因?yàn)槲覀円呀?jīng)接近硅芯片所能達(dá)到的目標(biāo)。自世紀(jì)之交以來(lái)，單處理器內(nèi)核的性能增長(zhǎng)已大大放緩。在 1986 年到 2001 年的 15 年間，處理器性能平均每年增長(zhǎng) 52%，但到 2018 年，這一速度已經(jīng)放緩至每年僅 3.5%——幾乎處于停滯狀態(tài)。

這種放緩有幾個(gè)原因。最重要的是，我們正在接近制造小型晶體管的物理極限，以及它們?cè)诩呻娐分械姆庋b密度。這意味著 Dennard 縮放比例的終結(jié)——另一條計(jì)算機(jī)“定律”指出，隨著晶體管變得更小，它們的能量需求也會(huì)縮小，即使晶體管的封裝更密集，單位面積的能量需求也大致保持不變。如果我們現(xiàn)在想在芯片上添加更多的晶體管，它需要更多的空間和更多的能量。

相反，我們可以提高計(jì)算機(jī)的時(shí)鐘速度，即晶體管執(zhí)行計(jì)算的速度。然而，當(dāng)時(shí)鐘速度增加時(shí)，能量需求和熱量輸出開(kāi)始迅速上升，超過(guò)一定速度，實(shí)際上限制了這種增加處理能力的方法。這就是為什么 CPU 時(shí)鐘速度在過(guò)去 15 年中幾乎停止增長(zhǎng)的原因，尤其是對(duì)于不容易配備大風(fēng)扇的便攜式計(jì)算機(jī)。今天的大多數(shù)筆記本電腦甚至沒(méi)有風(fēng)扇，因?yàn)樗鼈兊挠脖P(pán)已被 SSD 卡取代，這大大降低了它們的整體能源需求和熱量輸出——但提高時(shí)鐘速度或在 CPU 中裝入更多內(nèi)核將增加它們的熱量輸出。將筆記本電腦放在膝上或?qū)?a href="http://wenjunhu.com/v/tag/11230/" target="_blank">智能手機(jī)握在手中會(huì)非常不舒服。

過(guò)去 15 年中計(jì)算機(jī)容量仍然令人印象深刻的進(jìn)步主要是由于在處理器中裝入了更多內(nèi)核。十五年前，典型的個(gè)人電腦只有一個(gè)內(nèi)核；現(xiàn)在我們有雙核、四核甚至八核 CPU。但是，添加更多內(nèi)核與提高時(shí)鐘速度不同?；旧?，每個(gè)內(nèi)核都作為一個(gè)單獨(dú)的處理器運(yùn)行，這僅在計(jì)算機(jī)的任務(wù)可以在多個(gè)并行運(yùn)行的內(nèi)核之間拆分時(shí)才有用。雖然單個(gè)程序可能有多個(gè)任務(wù)（或線程，在技術(shù)術(shù)語(yǔ)中）并行運(yùn)行，但線程通常必須等待來(lái)自其他線程的結(jié)果，從而降低效率。這種效率的降低自然會(huì)隨著并行運(yùn)行的線程數(shù)量而增加，這意味著核心數(shù)量增加一倍，有了它，能量輸入和熱量輸出不會(huì)使我們的計(jì)算機(jī)的有效容量翻倍，除了圖形等非常專業(yè)的任務(wù)。圖形處理單元 (GPU) 確實(shí)可以并行運(yùn)行許多任務(wù)，同時(shí)更新屏幕的不同部分——但一旦達(dá)到所需的最佳分辨率（高清？4K？8K？），您將不再有任何進(jìn)展從并行運(yùn)行更多任務(wù)中獲益。

超級(jí)計(jì)算機(jī)取得了比個(gè)人計(jì)算機(jī)更快的增長(zhǎng)速度。目前，超級(jí)計(jì)算機(jī)的頂級(jí)計(jì)算能力正以每年約40%的速度增長(zhǎng)，相當(dāng)于20年一千倍。然而，不到十年前，這一增長(zhǎng)率為每年 80%，僅用了 11 年就實(shí)現(xiàn)了千倍的處理能力。這是因?yàn)槌?jí)計(jì)算機(jī)是由許多普通的計(jì)算機(jī)芯片組合而成的。今天的頂級(jí)超級(jí)計(jì)算機(jī)基本上都是數(shù)百萬(wàn)核心的 PC。一旦計(jì)算機(jī)芯片停止改進(jìn)，您需要將更多的芯片打包在一起，這將變得越來(lái)越難以管理，更不用說(shuō)需要更多的能量來(lái)運(yùn)行和冷卻超級(jí)計(jì)算機(jī)。

摩爾定律的未來(lái)

從上面我們可以看出，我們已經(jīng)達(dá)到了現(xiàn)有芯片技術(shù)所能達(dá)到的極限。按照最初的定義，每?jī)赡陮⑿酒系木w管密度翻一番，摩爾定律已經(jīng)失效了十年或更長(zhǎng)時(shí)間。但是，在未來(lái)幾十年中，可能還有其他方法可以實(shí)現(xiàn)計(jì)算機(jī)性能的增長(zhǎng)。

一方面，我們可以將晶體管封裝得更深，這將減小芯片尺寸。這已經(jīng)在內(nèi)存存儲(chǔ)芯片中實(shí)現(xiàn)，其中晶體管堆疊 128 層或更深。這種緊湊的芯片非常適合智能手機(jī)等小型設(shè)備或越來(lái)越多的可穿戴設(shè)備，更不用說(shuō)為物聯(lián)網(wǎng)提供動(dòng)力的無(wú)數(shù)小型聯(lián)網(wǎng)設(shè)備了。然而，動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器 (DRAM) 更難以深入分層，因?yàn)閹缀趺總€(gè)部件都一直處于供電狀態(tài)，從而導(dǎo)致能源和發(fā)熱問(wèn)題——但正在研究這些問(wèn)題的解決方案。

也有可能使用人工智能來(lái)設(shè)計(jì)使用當(dāng)前芯片技術(shù)的更高效的芯片架構(gòu)。尤其是3D芯片，AI可能比簡(jiǎn)單的分層扁平架構(gòu)更好地利用額外的維度，AI可以利用機(jī)器學(xué)習(xí)來(lái)找到最需要優(yōu)化的地方以及如何實(shí)現(xiàn)。借助進(jìn)化算法，人工智能可以設(shè)計(jì)不同的解決方案，讓它們?cè)谌斯きh(huán)境中相互競(jìng)爭(zhēng)，然后讓最好的設(shè)計(jì)變異并再次競(jìng)爭(zhēng)，一代又一代，直到經(jīng)過(guò)數(shù)千代人發(fā)現(xiàn)一個(gè)卓越的設(shè)計(jì)，隨著進(jìn)一步的突變，感知能力得到改善。這種設(shè)計(jì)可能與人類大腦可以設(shè)計(jì)的任何東西都不一樣，但在速度方面明顯優(yōu)于早期設(shè)計(jì)，

激進(jìn)的新技術(shù)也可以提高處理能力。超導(dǎo)計(jì)算機(jī)可以用很少的能量運(yùn)行，相應(yīng)的熱量輸出也很小，從而允許非常密集的三維芯片架構(gòu)。仍處于起步階段的量子計(jì)算機(jī)理論上可以比傳統(tǒng)計(jì)算機(jī)更快地處理某些類型的任務(wù)（實(shí)現(xiàn)量子霸權(quán)），在幾秒鐘內(nèi)解決一些最快的普通計(jì)算機(jī)在宇宙生命周期中無(wú)法完成的問(wèn)題。然而，兩者都需要冷卻到極低的溫度，這使得它們對(duì)于臺(tái)式計(jì)算機(jī)來(lái)說(shuō)是不切實(shí)際的，更不用說(shuō)便攜式設(shè)備了。其他新技術(shù)在理論上是可能的，但可能過(guò)于昂貴而無(wú)法實(shí)用。

我們可以詢問(wèn)個(gè)人計(jì)算機(jī)或智能手機(jī)所需的所有計(jì)算能力是否必須駐留在設(shè)備本身中。云計(jì)算已經(jīng)普及了很長(zhǎng)一段時(shí)間，它允許設(shè)備將處理和存儲(chǔ)外包給外部計(jì)算機(jī)和服務(wù)器。為少量的大型集中式計(jì)算機(jī)和服務(wù)器供電和冷卻比每個(gè)小型家庭或袖珍設(shè)備更實(shí)用，如果所有重要數(shù)據(jù)都存儲(chǔ)在設(shè)備中，用戶不必?fù)?dān)心設(shè)備丟失或損壞。

但是，連接速度是一個(gè)問(wèn)題，尤其是在一直來(lái)回發(fā)送大量數(shù)據(jù)的情況下。畢竟，請(qǐng)求在互聯(lián)網(wǎng)上傳播數(shù)百公里比在 CPU 內(nèi)傳播幾毫米需要更多時(shí)間——隨著處理速度的提高，這個(gè)問(wèn)題變得越來(lái)越重要。對(duì)此的部分解決方案是邊緣計(jì)算，其中設(shè)備訪問(wèn)位于用戶附近的存儲(chǔ)和處理能力。邊緣計(jì)算設(shè)備可以處理所有處理和數(shù)據(jù)存儲(chǔ)，或者它們可以充當(dāng)網(wǎng)關(guān)設(shè)備，在將數(shù)據(jù)發(fā)送到云存儲(chǔ)之前對(duì)其進(jìn)行處理。許多設(shè)備發(fā)送大量數(shù)據(jù)進(jìn)行實(shí)時(shí)分析的物聯(lián)網(wǎng)將不得不依靠邊緣計(jì)算來(lái)減少延遲。5G 無(wú)線通信可以通過(guò)提供比 4G 更大的帶寬和更短的延遲來(lái)幫助實(shí)現(xiàn)這一點(diǎn)，很可能 5G 將主要用于物聯(lián)網(wǎng)設(shè)備，而不是智能手機(jī)和臺(tái)式電腦等個(gè)人設(shè)備，4G 可能對(duì)大多數(shù)用戶來(lái)說(shuō)仍然足夠，除了極端游戲玩家。借助云計(jì)算和邊緣計(jì)算，您的設(shè)備只需要具有足夠的處理能力來(lái)處理最常見(jiàn)的日常任務(wù)，而處理使用的高峰則外包給外部服務(wù)器。當(dāng)然，這需要更多地依賴連接穩(wěn)定性，而當(dāng)數(shù)據(jù)離開(kāi)建筑物時(shí)，安全性總是較弱。您的設(shè)備只需要有足夠的處理能力來(lái)處理最常見(jiàn)的日常任務(wù)，處理使用高峰外包給外部服務(wù)器。當(dāng)然，這需要更多地依賴連接穩(wěn)定性，而當(dāng)數(shù)據(jù)離開(kāi)建筑物時(shí)，安全性總是較弱。您的設(shè)備只需要有足夠的處理能力來(lái)處理最常見(jiàn)的日常任務(wù)，處理使用高峰外包給外部服務(wù)器。當(dāng)然，這需要更多地依賴連接穩(wěn)定性，而當(dāng)數(shù)據(jù)離開(kāi)建筑物時(shí)，安全性總是較弱。

最終，我們必須問(wèn)一個(gè)典型用戶真正需要多少處理能力。除了最需要圖形的電腦游戲，今天一臺(tái)使用了 5 年的舊電腦可以輕松處理大部分需要做的事情，無(wú)論是在家里還是在工作中，而且憑借 TB 的容量，存儲(chǔ)空間已不再是問(wèn)題大多數(shù)用戶。很難想象我們將需要比當(dāng)今高端設(shè)備提供的更高的屏幕分辨率。現(xiàn)實(shí)的虛擬現(xiàn)實(shí)很可能在十年左右的時(shí)間內(nèi)通過(guò)個(gè)人設(shè)備實(shí)現(xiàn)，即使當(dāng)前處理能力的進(jìn)步緩慢——任何滯后都可能是連接不良的結(jié)果，而不是處理速度慢的結(jié)果。創(chuàng)建能夠處理大多數(shù)人工任務(wù)的人工智能（我們覺(jué)得讓人工智能處理很舒服）可能更多的是設(shè)計(jì)問(wèn)題，而不是處理能力。

編輯：黃飛