本文由半導體產業縱橫（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，由英特爾聯合創始人戈登·摩爾提出。根據該定律，設備上的晶體管數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的發展。

在快速發展的科技世界里，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，人們發現，晶體管數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的次數。

英偉達推出Blackwell GPU

英偉達首席執行官黃仁勛在英偉達 GTC 2024上發布了公司新一代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 AI 模型的速度比之前的技術快 30 倍。這一進步引發了人們的疑問：英偉達 是否已經超越了摩爾定律的限制，在比傳統預期更短的時間內實現了計算速度的指數級增長。

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千倍，超越了摩爾定律巔峰時期設定的傳統基準。但他也感嘆，盡管取得了如此非凡的進步，但行業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”的出現才是未來。

轉向“超越摩爾”戰略

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”戰略。這一變化源于人們認識到半導體技術的進步需要優先考慮特定應用的創新，而不僅僅是縮小晶體管尺寸。這一戰略轉變表明人們認識到傳統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 硬件初創公司SambaNova Systems通過其可重構數據流架構 (RDA) 所努力實現的目標，它重新構想了我們如何將 AI 擺脫傳統軟件和硬件的束縛。

挑戰在于構建和訓練許多正在開發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，訓練它們所需的數據量也在不斷增加。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，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。該公司表示，盡管它仍在不斷創新，但傳統的晶體管數量翻倍已不再是一個可行的目標，這反映出整個行業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新方面處于領先地位，但現在正面臨著物理限制和制造成本不斷上漲的現實問題。

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，這對摩爾定律的可行性提出了實際挑戰。

光物質向光子計算的轉變

Lightmatter正在開發光子計算技術，旨在解決傳統硅基芯片的局限性。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半導體技術在滿足現代計算需求方面面臨的挑戰，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

半導體行業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）來執行超越傳統計算機能力的計算。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系統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。

Cerebras 挑戰摩爾定律

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

該公司開發了晶圓級引擎（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據量。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 萬億個參數的 AI 模型，在某些應用中的性能比 英偉達 的 H100 等傳統 GPU 快十倍。Cerebras聲稱，其系統可以提供比基于 GPU 的解決方案快一個數量級的速度。例如，它已經為 Meta 的 LLaMA 3.1 模型實現了超過每秒 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，請聯系后臺。