2024年，摩爾定律的終結時刻

本文由半導體產業(yè)縱橫（ID：ICVIEWS）編譯自analyticsindiamag

超級摩爾定律開始生效。

摩爾定律是計算機領域的指導性概念，由英特爾聯(lián)合創(chuàng)始人戈登·摩爾提出。根據(jù)該定律，設備上的晶體管數(shù)量大約每兩年翻一番，從而提高性能。多年來，這一理念一直推動著半導體行業(yè)的發(fā)展。

在快速發(fā)展的科技世界里，很少有理念能像摩爾定律那樣具有影響力。摩爾定律于 1965 年首次提出，預測微芯片上的晶體管數(shù)量大約每兩年就會翻一番，從而導致計算能力的快速提升。然而，人們發(fā)現(xiàn)，晶體管數(shù)量不僅遵循摩爾定律，而且在許多方面都超越了它。

本文重點介紹了摩爾定律受到挑戰(zhàn)的次數(shù)。

英偉達推出Blackwell GPU

英偉達首席執(zhí)行官黃仁勛在英偉達 GTC 2024上發(fā)布了公司新一代Blackwell GPU，告別摩爾定律時代。

該 GPU 架構擁有 2080 億個晶體管，處理萬億參數(shù) AI 模型的速度比之前的技術快 30 倍。這一進步引發(fā)了人們的疑問：英偉達 是否已經超越了摩爾定律的限制，在比傳統(tǒng)預期更短的時間內實現(xiàn)了計算速度的指數(shù)級增長。

回顧計算能力的快速演進，黃仁勛表示，過去八年，英偉達 的計算能力已提升了數(shù)千倍，超越了摩爾定律巔峰時期設定的傳統(tǒng)基準。但他也感嘆，盡管取得了如此非凡的進步，但行業(yè)日益增長的需求仍未得到滿足。

與此同時，英特爾仍堅定地致力于摩爾定律，繼續(xù)投入大量資金來推進晶體管的微縮。相比之下，黃仁勛宣稱摩爾定律“已死”，并表示他認為所謂的“超摩爾定律”的出現(xiàn)才是未來。

轉向“超越摩爾”戰(zhàn)略

2016 年，國際半導體技術路線圖 ( ITRS ) 將重點從嚴格遵守摩爾定律轉向“超越摩爾”戰(zhàn)略。這一變化源于人們認識到半導體技術的進步需要優(yōu)先考慮特定應用的創(chuàng)新，而不僅僅是縮小晶體管尺寸。這一戰(zhàn)略轉變表明人們認識到傳統(tǒng)縮放方法帶來的局限性。

SambaNova 改變硬件和軟件格局

日益增長的人工智能需求已經將傳統(tǒng)計算硬件和軟件推向了極限。

這正是軟件定義的 AI 硬件初創(chuàng)公司SambaNova Systems通過其可重構數(shù)據(jù)流架構 (RDA) 所努力實現(xiàn)的目標，它重新構想了我們如何將 AI 擺脫傳統(tǒng)軟件和硬件的束縛。

挑戰(zhàn)在于構建和訓練許多正在開發(fā)的更先進的模型所需的計算能力。模型越來越大，對于某些應用程序來說，訓練它們所需的數(shù)據(jù)量也在不斷增加。SambaNova產品副總裁 Marshall Choy表示，這是由于處理器芯片的性能提升速度放緩造成的，一些人將這一趨勢稱為摩爾定律的終結。

AMD 關于摩爾定律的主張

AMD 首席技術官Mark Papermaster 認為摩爾定律在未來 6 到 8 年內仍將有效。這一觀點與包括黃仁勛在內的其他行業(yè)領袖的觀點形成鮮明對比，黃仁勛宣稱摩爾定律已死。

Papermaster承認，雖然在同樣的成本限制下，晶體管密度每 18 到 24 個月翻一番的速度可能無法持續(xù)，但 AMD 預計晶體管技術的進步將在不久的將來維持性能的提升。

據(jù)該首席技術官稱，該公司認為摩爾定律在未來六到八年內仍將有效，盡管它承認，在相同的成本限制下，每 18 到 24 個月晶體管密度翻一番的速度可能無法持續(xù)下去。

AMD 正將重點轉向小芯片架構，Papermaster 將其描述為“摩爾定律的等價物”。

英特爾承認摩爾定律的局限性

英特爾公開承認，隨著晶體管接近原子級，物理限制將帶來挑戰(zhàn)。該公司表示，盡管它仍在不斷創(chuàng)新，但傳統(tǒng)的晶體管數(shù)量翻倍已不再是一個可行的目標，這反映出整個行業(yè)正在逐漸脫離嚴格遵守摩爾定律。

此前，該公司在將 10nm 和 7nm 芯片推向市場方面面臨重大延遲，這引發(fā)了人們對其能否跟上摩爾定律的擔憂。

該公司承認，雖然它曾經在半導體創(chuàng)新方面處于領先地位，但現(xiàn)在正面臨著物理限制和制造成本不斷上漲的現(xiàn)實問題。

盡管最初做出了承諾，但該公司仍面臨多次延期，這導致人們擔心其能否跟上臺積電 (TSMC) 和三星等競爭對手的步伐。這種停滯反映了業(yè)界普遍的趨勢，即芯片技術的預期進步并沒有像預期的那樣迅速實現(xiàn)，這對摩爾定律的可行性提出了實際挑戰(zhàn)。

光物質向光子計算的轉變

Lightmatter正在開發(fā)光子計算技術，旨在解決傳統(tǒng)硅基芯片的局限性。隨著對人工智能處理能力的需求不斷增長，Lightmatter 的方法反映了從單純縮小晶體管向全新計算范式的轉變。

這一轉變凸顯了傳統(tǒng)半導體技術在滿足現(xiàn)代計算需求方面面臨的挑戰(zhàn)，表明摩爾定律可能不再是未來計算進步的可行框架。

替代計算模型的出現(xiàn)

半導體行業(yè)正在探索替代計算范式，例如量子計算和光子學。這些方法旨在克服晶體管小型化的局限性，并代表著對定義摩爾定律的傳統(tǒng)方法的背離。

這些替代范式的一個顯著例子就是量子計算。

量子計算利用量子力學原理（例如疊加和糾纏）來執(zhí)行超越傳統(tǒng)計算機能力的計算。量子計算的一個關鍵組件是量子點，它充當量子比特（量子信息的基本單位）。研究表明，量子點可以高保真度地執(zhí)行量子計算，使其適合集成到納米級電子電路中。量子計算機的潛力在于它們能夠比傳統(tǒng)系統(tǒng)更快地解決復雜問題，盡管在它們被廣泛采用之前仍存在重大技術挑戰(zhàn)。

Cerebras 挑戰(zhàn)摩爾定律

Cerebras通過其設計芯片和處理 AI 功能的 創(chuàng)新方法在挑戰(zhàn)摩爾定律方面取得了重大進展。

該公司開發(fā)了晶圓級引擎（WSE），這是一種在單個硅片上集成大量內核（多達 900,000 個）的芯片架構。這種設計無需多個芯片和外部布線，大大減少了延遲并提高了數(shù)據(jù)量。最新版本的WSE -3具有 4 萬億個晶體管，能夠處理具有多達 24 萬億個參數(shù)的 AI 模型，在某些應用中的性能比 英偉達 的 H100 等傳統(tǒng) GPU 快十倍。Cerebras聲稱，其系統(tǒng)可以提供比基于 GPU 的解決方案快一個數(shù)量級的速度。例如，它已經為 Meta 的 LLaMA 3.1 模型實現(xiàn)了超過每秒 1,800 個令牌的速度，這使其成為 AI 推理任務的領導者。

*聲明：本文系原作者創(chuàng)作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯(lián)系后臺。