ZDNet至顶网服务器频道 04月22日 :1965年4月19日,36岁的戈登•摩尔在《电子杂志》中预言:集成电路中的晶体管数量大约每年就会增加一倍。十年过后,摩尔根据实际情况对预言进行了修正,把“每年增加一倍”改为“每两年增加一倍”。半导体行业的“传奇定律”——摩尔定律就此诞生,它不仅揭示了信息技术进步的速度,更在接下来的半个实际中,犹如一只无形大手般推动了整个半导体行业的变革。
摩尔定律引领企业创新
1965年,戈登•摩尔受邀预测半导体组件行业未来10年的发展前景,他为此特意回顾了行业中当时的已有发展成果。通过回顾几款芯片产品,摩尔发现他们实现了从单晶体管芯片到包含约 8个晶体管和电阻器的芯片转变,再后来,这一数字又增长到16个、30个、60个。当摩尔将以往的发展变化反映在坐标纸上,他惊奇地发现了其中的规律,摩尔因此预言到:计算机芯片上集成的晶体管数目将每年增加一倍而芯片成本将维持不变。
十年过后,单个硅片上的元件数目已从1965年的60个增加到1975年的65000个,摩尔根据这一实际情况对预言进行了修正,把“每年增加一倍”改为“每两年增加一倍”。到1975年,科技行业正式将其称之为“摩尔定律”。
起初,很多企业只是将摩尔定律当作对总结行业发展进步的规律。然而,随着科技的进步带来的用户需求的提高及芯片技术的提升,企业逐渐发现,与摩尔定律的预测保持紧密同步,可以让他们更好地利用半导体技术优势,不断加快技术创新步伐并不至于落后于人。最终,摩尔定律从总结行业发展成果,实现了向推动行业发展进步的华丽转身。
摩尔定律是对未来的期望
市场调研机构VLSI公司的数字显示,2014年全球受益于“摩尔定律”的科技公司的市值高达13万亿美元,相当于世界经济资产价值的1/5。由此足见“摩尔定律”对当今科技行业的巨大价值。
2010年,戈登•摩尔提出:按照摩尔定律,到2018年时单一芯片上的电晶体数量将超越人类大脑的脑细胞数量,届时人类应该要设法让机器具备感情。5年之后,他仍然认为当初的想法是正确的,人工智能应该朝让电脑有虚拟意识的方向发展,这样人类才能避免超级电脑失去控制。
英特尔公司战略家Steve Brown表示:“对于企业来说,摩尔定律意味着他们在保持自身不断进步的同时,还要持续面对非常激烈的竞争。由此看来,摩尔定律更像是一个激励的信条,激励着科技公司不断实现自我超越。”
随着科技的进步,许多药物检测都是通过计算机进行的,而人类基因分分钟钟就能被计算机软件分析出来。摩尔定律开始逐渐的体现在制药、遗传学和医疗等行业。
布朗认为:“制造更快更好智能手机固然好,但能够提供充足食物,创造宜居环境,促进人际沟通的进步才是最可贵的,而摩尔定律是这一切成为现实的关键”。
摩尔定律推动科技变革
事实上,人们日常使用的很多设备都搭载了由晶体管构成的微处理器。得益于摩尔定律,这些设备在成本方面得以显著降低,在性能和能效方面却实现了飞速提升,从而为人类带来了极大便利,并已成为人类生活中不可或缺的一部分。手机和手表已实现了智能化,汽车也变成了流动的电脑。
◆若使用1971年的技术制造一部英特尔架构的Android手机,那么它的微处理器就有一个停车位那么大。您将如何用它自拍?
◆与英特尔首款微处理器英特尔®4004相比,如今的14纳米处理器实现了3,500倍的性能提升和90,000倍的效率提升,而成本只有其1/60,000。
摩尔定律是一种愿望,而不是自然规律。它的持续成功需要一大批人不懈奋斗,不断推进基本物理定律的发展。如今,英特尔工厂每秒生产100多亿个晶体管,它们搭载在全球数十亿人使用的出色设备上。
◆首批半导体晶体管像铅笔头上的橡皮那样大。得益于摩尔定律,如今600多万个三栅极晶体管才相当于铅笔头橡皮的大小。
◆如今的晶体管用肉眼是看不到的。若想用肉眼看到一个晶体管,您需要把一个普通芯片扩大到房子那么大。
极致的创新带来的规律是半导体行业能不断提供性能更高、功耗更低、成本更低的产品。对于大众来说,可以在更短的周期里使用到更好的产品,而且并不用付出更多的费用。笔者认为,这便是摩尔定律真正的含义。
如今,摩尔定律开启的创新精神无处不在,继续改变着技术行业和整个世界。新晋制造商、渴求成功的发明家、雄心壮志的科学家和博士以及无数从业人员将超越今日人类的想象,继续提出新观点,实现新突破,创造令世界惊叹的奇迹。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。