"摩爾定律告訴我們晶體管的尺寸會縮小，并且我們可以將更多的晶體管集成在一個特定的區域中，從而具備更強的處理能力以及更低的成本。50年來，摩爾定律在這個行業中一直都十分有效，但如今這條定律已經很難再維持下去了。摩爾定律是有關密度微縮的速率，但我們正以一種可預測的速度走向盡頭，再經過幾個世代就會達到實體極限了。"

　　后摩爾時代的不適應性

　　整整50年來，計算機的底層元件都遵從著摩爾定律：在價格不變的情況下，集成在芯片上的晶體管數量每隔18到24個月將增加一倍，計算成本呈指數型下降。摩爾定律成就了各種技術變革，例如互聯網、基因組測序等。

　　然而現在，摩爾定律的趨勢第一次放緩了。芯片行業進入了一個不確定的時代，在同樣的投入下，收益變得越來越低。芯片制造商面臨的一個經濟問題，相比與芯片體積，大多數人對芯片的價格更敏感，要求芯片要做到經濟實用。隨著晶體管尺寸的不斷縮小，我們遇到了原子極限，先前標準、規則結構的晶體管結構已經無法維系。

　　發展決定算力需突飛猛進

　　在深度學習激發的人工智能熱潮下，AI計算系統設計與優化的重要性愈發明顯。同時算法的發展對整個計算需求所造成的挑戰會變得更大，提高整個AI計算系統的性能與效率迫在眉睫。

　　人類的算力需求每3.43個月就會翻倍，每年大約增加10倍，這樣的發展趨勢將會繼續。在未來，AI計算系統將要面臨計算平臺優化設計、復雜異構環境下計算效率、計算框架的高度并行與擴展、AI應用計算性能等挑戰。事實證明，我們真正需要的是超過現在100萬倍的計算能力，而不僅僅是幾十倍的增長。

　　從計算需求來看，AI計算系統的設計與優化之路似乎任重道遠。因此，推動AI發展的動力中，算力起到了最為關鍵的作用。算法是否有創新發展難以量化跟蹤，而數據的巨大體量也難以計算，但算力是可以量化的，雖然使用大量的算力暴露出了當前AI算法不夠高效的問題，但是，重要的技術突破依然必須在足夠的算力基礎上才能實現。

　　目前加速器芯片的類別

　　①GPU方面，形成了NVIDIA+AMD七三開的市場格局，NVIDIA深度打造應用場景生態，構建壁壘，而AMD作為同時具備CPU+GPU模塊化能力的廠商，有望在云算力時代顛覆原有服務器芯片產業格局，成為最大贏家;

　　②FPGA方面，技術壁壘高，多用于軍事領域，美國廠商壟斷市場，國內處于漸進式突破階段，份額還非常低;

　　③ASIC方面對下游細分領域需求量有較高要求，典型如區塊鏈應用，國內廠商發展迅速，ASIC領域是國內廠商有望實現彎道超車的較好選擇。

　　芯片專用化可能起到負面作用

　　芯片專用化，使得各類原本運行在通用CPU之上的軟件及其內部常見算法得以在定制化硬件上帶來更快的處理速度，被認為是摩爾定律失效之后，我們能夠在接下來一到兩代芯片當中繼續驅動計算能力保持增長的一種方法。但它不會長時間奏效。根據行業專家預測，芯片專用化不能產生摩爾定律所能產生的那種收益，加速器的發展速度將放緩，而且這會比預期的更快發生。

　　研究人員評估了特定應用集成電路(簡稱ASIC)上的視頻解碼、GPU上的游戲幀速率、FPGA上的卷積神經網絡以及ASIC上的比特幣采礦。結果并不令人振奮：專用芯片的增益很大程度上取決于每平方毫米硅上可用晶體管數量的增加。換句話說，離開了摩爾定律，芯片專用化本身的力量是有限的。

　　多年來，芯片制造商已經使用了各種手段來跟上摩爾定律的步伐，包括增加更多的核心，驅動芯片內部的線程，以及利用各種加速器。然而更快更好的系統不僅需要通過處理器技術實現，還需要通過架構來實現。系統架構本身也面臨著諸多挑戰，特別是功率和密度，這也限制了性能。

　　加速器芯片使算力時代的高算力需求得以實現，云計算服務器的算力配置模式，將使得CPU+加速器的模塊化能力成為未來主流，加速器芯片的競爭力以及模塊化綜合競爭力成為未來半導體產業競爭的重要因素。

　　后摩爾時代要擺脫慣性束縛

　　實際上，我們每年都希望電子產品都能遵循這樣的物理定律：人們可以以同樣的價格得到能力更強的更好的產品。因此，當我們說摩爾定律不再適用于我們今天的產業發展時，這種影響是十分深遠的。

　　如果你無法輕松規劃這些新方法，保持后摩爾定律時代18到24個月的增長率依然是徒勞的。生態系統中有CPU，但是如果你想利用CPU和其他加速器，你需要開放的方案。有些人采用專門的方案，這很有用，但成本高昂。

　　要想在后摩爾時代的世界保持繼續進步，需要半導體行業與不同的制造商、學術界進行工程合作，創造易于編程環境的開放標準。相信公司可以添加更多晶體管，并能管理成本曲線。將這一切結合起來，也許它真的能夠促進計算進一步加速。