本文由半导体产业纵横（ID：ICVIEWS）综合
超级摩尔定律开始生效。
摩尔定律是计算机领域的指导性概念，由英特尔联合创始人戈登·摩尔提出。根据该定律，设备上的晶体管数量大约每两年翻一番，从而提高性能。多年来，这一理念一直推动着半导体行业的发展。
在快速发展的科技世界里，很少有理念能像摩尔定律那样具有影响力。摩尔定律于 1965 年首次提出，预测微芯片上的晶体管数量大约每两年就会翻一番，从而导致计算能力的快速提升。然而，人们发现，晶体管数量不仅遵循摩尔定律，而且在许多方面都超越了它。
本文重点介绍了摩尔定律受到挑战的次数。
英伟达推出Blackwell GPU英伟达首席执行官黄仁勋在英伟达 GTC 2024上发布了公司新一代Blackwell GPU，告别摩尔定律时代。
该 GPU 架构拥有 2080 亿个晶体管，处理万亿参数 AI 模型的速度比之前的技术快 30 倍。这一进步引发了人们的疑问：英伟达是否已经超越了摩尔定律的限制，在比传统预期更短的时间内实现了计算速度的指数级增长。
回顾计算能力的快速演进，黄仁勋表示，过去八年，英伟达 的计算能力已提升了数千倍，超越了摩尔定律巅峰时期设定的传统基准。但他也感叹，尽管取得了如此非凡的进步，但行业日益增长的需求仍未得到满足。
与此同时，英特尔仍坚定地致力于摩尔定律，继续投入大量资金来推进晶体管的微缩。相比之下，黄仁勋宣称摩尔定律“已死”，并表示他认为所谓的“超摩尔定律”的出现才是未来。
转向“超越摩尔”战略2016 年，国际半导体技术路线图 ( ITRS ) 将重点从严格遵守摩尔定律转向“超越摩尔”战略。这一变化源于人们认识到半导体技术的进步需要优先考虑特定应用的创新，而不仅仅是缩小晶体管尺寸。这一战略转变表明人们认识到传统缩放方法带来的局限性。
SambaNova 改变硬件和软件格局日益增长的人工智能需求已经将传统计算硬件和软件推向了极限。
这正是软件定义的 AI 硬件初创公司SambaNova Systems通过其可重构数据流架构 (RDA) 所努力实现的目标，它重新构想了我们如何将 AI 摆脱传统软件和硬件的束缚。
挑战在于构建和训练许多正在开发的更先进的模型所需的计算能力。模型越来越大，对于某些应用程序来说，训练它们所需的数据量也在不断增加。SambaNova产品副总裁 Marshall Choy表示，这是由于处理器芯片的性能提升速度放缓造成的，一些人将这一趋势称为摩尔定律的终结。
AMD 关于摩尔定律的主张AMD 首席技术官Mark Papermaster 认为摩尔定律在未来 6 到 8 年内仍将有效。这一观点与包括黄仁勋在内的其他行业领袖的观点形成鲜明对比，黄仁勋宣称摩尔定律已死。
Papermaster承认，虽然在同样的成本限制下，晶体管密度每 18 到 24 个月翻一番的速度可能无法持续，但 AMD 预计晶体管技术的进步将在不久的将来维持性能的提升。
AMD 正将重点转向小芯片架构，Papermaster 将其描述为“摩尔定律的等价物”。
英特尔承认摩尔定律的局限性英特尔公开承认，随着晶体管接近原子级，物理限制将带来挑战。该公司表示，尽管它仍在不断创新，但传统的晶体管数量翻倍已不再是一个可行的目标，这反映出整个行业正在逐渐脱离严格遵守摩尔定律。
此前，该公司在将 10nm 和 7nm 芯片推向市场方面面临重大延迟，这引发了人们对其能否跟上摩尔定律的担忧。
该公司承认，虽然它曾经在半导体创新方面处于领先地位，但现在正面临着物理限制和制造成本不断上涨的现实问题。
尽管最初做出了承诺，但该公司仍面临多次延期，这导致人们担心其能否跟上台积电 (TSMC) 和三星等竞争对手的步伐。这种停滞反映了业界普遍的趋势，即芯片技术的预期进步并没有像预期的那样迅速实现，这对摩尔定律的可行性提出了实际挑战。
光物质向光子计算的转变Lightmatter正在开发光子计算技术，旨在解决传统硅基芯片的局限性。随着对人工智能处理能力的需求不断增长，Lightmatter 的方法反映了从单纯缩小晶体管向全新计算范式的转变。
这一转变凸显了传统半导体技术在满足现代计算需求方面面临的挑战，表明摩尔定律可能不再是未来计算进步的可行框架。
替代计算模型的出现半导体行业正在探索替代计算范式，例如量子计算和光子学。这些方法旨在克服晶体管小型化的局限性，并代表着对定义摩尔定律的传统方法的背离。
这些替代范式的一个显著例子就是量子计算。
量子计算利用量子力学原理（例如叠加和纠缠）来执行超越传统计算机能力的计算。量子计算的一个关键组件是量子点，它充当量子比特（量子信息的基本单位）。研究表明，量子点可以高保真度地执行量子计算，使其适合集成到纳米级电子电路中。量子计算机的潜力在于它们能够比传统系统更快地解决复杂问题，尽管在它们被广泛采用之前仍存在重大技术挑战。
Cerebras 挑战摩尔定律Cerebras通过其设计芯片和处理 AI 功能的 创新方法在挑战摩尔定律方面取得了重大进展。
该公司开发了晶圆级引擎（WSE），这是一种在单个硅片上集成大量内核（多达 900,000 个）的芯片架构。这种设计无需多个芯片和外部布线，大大减少了延迟并提高了数据吞吐量。最新版本的WSE-3具有 4 万亿个晶体管，能够处理具有多达 24 万亿个参数的 AI 模型，在某些应用中的性能比 英伟达 的 H100 等传统 GPU 快十倍。Cerebras声称，其系统可以提供比基于 GPU 的解决方案快一个数量级的速度。例如，它已经为 Meta 的 LLaMA 3.1 模型实现了超过每秒 1,800 个令牌的速度，这使其成为 AI 推理任务的领导者。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。
