摩爾定律可能正在放緩 但創新則不然

將于下周在舊金山舉行的國際固態電路會議，即ISSCC將部分歸功于不會出現的情況。在最近的記憶中，年度半導體會議 -現在是第66年 - 將不會包括任何新的通用處理器，這標志著芯片行業正在發生變化。在人工智能，5G無線，汽車和醫療保健等領域，仍然不缺乏創新技術和尖端硬件。

缺乏任何主要的微處理器演示似乎反映了兩種趨勢。首先，隨著晶體管接近基本極限，摩爾定律的縮放速度正在放緩。英特爾的10nm Ice Lake將在假期之前到貨，而代工廠仍在推出7nm芯片(尺寸相當)，因此5nm仍然需要數年時間。其次，最近的收益來自通用CPU，而更多來自專用加速器，如GPU，FPGA和稱為ASIC的定制芯片。今年的處理器會議不乏用于汽車，機器人，加密，圖形處理和優化問題的這些專用芯片。IBM還將在橡樹嶺國家實驗室和勞倫斯利弗莫爾國家實驗室的Sierra發表演講，該演講使用Power9 CPU和Nvidia Tesla V100 GPU的組合來保護目前世界上最快的計算機500強名單。

Facebook的Yann LeCun將在會議開幕式上討論繼續在人工智能方面取得進展的挑戰。自2012年ImageNet大賽以來，深度學習的大部分進展都是在監督學習中，這需要大量的人類標記數據，或強化學習，這需要太多的試驗才能適用于許多應用。LeCun認為，未來十年的主要挑戰將是建造能夠像人類一樣學習的機器。這種“自我監督的學習”將需要比現在更強大的硬件，但它有一天會產生具有某種常識的機器。

人工智能和機器學習工作量的增加導致移動SoC具有神經處理單元，如Apple的A12 Bionic和華為的HiSilicon Kirin 980，用于智能手機和其他邊緣設備。在一次關于機器學習的單獨會議上，三星將推出其雙核神經處理器，其具有1,024個乘法累加(MAC)單元，專為其8nm工藝設計，能夠在0.8伏特下每秒6.94萬億次運算。三星表示，其神經處理器的架構比以前的先進技術提供了10倍的速度，如果沒有關于數據格式和算法的更多細節，很難驗證，但很明顯，神經系統的性能處理器一直在快速增長，因為下圖比較了自去年會議以來機器學習芯片的進展情況。