过去半个世纪最伟大的技术预测正走向终结，谁来接替它？

一个机会在于精简所谓的 " 软件膨胀 "，就可以充分利用现有的芯片。当我们总期望芯片变得更快、更强大时，程序员就不需要为编写更高效的代码操心了。而且，有些软件常常不能充分利用硬件架构的改进，比如目前使用的芯片中的多核处理器。

Thompson 和他的同事们发现，仅仅将 Python（一种流行的通用编程语言）切换到更高效的 C 语言，就可以使计算密集型运算的运行速度提高约 47 倍。这是因为 C 语言虽然需要程序员做更多的工作，但大大减少了所需操作的数量，因此程序运行得更快。进一步优化代码，就能充分利用具有 18 个处理核心的芯片，使运算速度更快。在仅仅 0.41 秒内，研究人员就得到了使用 Python 需要运行 7 个小时才能得到的结果。

这听起来像是一个可以维持技术进步的好消息，但 Thompson 担心，这也标志着计算机作为一种通用技术的衰落。摩尔定律强调通过提供更快、更便宜、普遍可用的芯片来实现无差别的技术进步，相反，软件优化和全新的专业架构则有选择地瞄准了特定的问题和商业机会，往往青睐那些有足够资金和资源的领域。

事实上，业界正在转向为特定应用专门设计芯片（尤其是在人工智能领域） 。深度学习和其他人工智能应用越来越依赖于图形处理单元 ( GPU ) ，因为 GPU 可以并行计算。而像谷歌、微软和百度等公司则正在根据自己的特殊需求设计新的人工智能芯片。Thompson 表示，人工智能，尤其是深度学习，对计算机能力有着巨大的需求，而专用芯片可以极大地提高其性能。

但代价是，专用芯片的通用性不如传统 CPU。Thompson 担心，用于通用计算的芯片正在变成一潭死水，而且正在减缓 " 计算机技术进步的整体步伐 "，他在即将发表的论文《计算机作为通用技术的衰落》 ( the Decline of Computers as a general Purpose Technology ) 中写道。

卡耐基 · 梅隆大学工程与公共政策教授 Erica Fuchs 表示，在某个时间点，那些开发人工智能和其它应用程序的人将会怀念由摩尔定律带来成本下降和性能提高的时代。她说：" 也许在 10 年或 30 年后，人们将需要一个提供额外计算能力的设备。"

Fuchs 说，现在的问题是，目前通用芯片的继承者还没有出现，这需要多年的基础研究和开发才能创造出来。对于什么会取代摩尔定律，她说，" 现在就有必要焦虑了。人工智能领域确实有一些聪明人，但是他们没有意识到计算领域长期发展所面临的硬件限制。更重要的是，由于特定应用的芯片是非常有利可图的，所以很少有人会去投资新的逻辑设备和计算方式。"

2018 年，Fuchs 和她在哥伦比亚大学的同事 Hassan Khan 和 David Hounshell 写了一篇论文，追溯了摩尔定律的历史，并指出了现在业界缺乏行业和政府的合作，而正是这些合作曾推动此前几十年的巨大进步。他们认为，" 技术轨迹的分裂和许多新出现的短期私人盈利能力 " 意味着，我们需要大力增加公共投资，这样才能发现下一个伟大的计算机技术。

如果经济学家是对的，1990 年代末和 2000 年代初大部分的生产率增长是芯片发展造成的，而 2000 年代中期生产率增长开始缓慢反映了计算技术进展放缓。那么，Thompson 说，" 这时候我们应该投入大量的资金寻找替代技术。而现在，我们并没有这么做，这是公共政策的失败。"

这样的投资不一定会有回报。量子计算、碳纳米管晶体管，还有自旋电子学，都很诱人。但这些没有一个是摩尔定律的明显替代品。不过，我们现在需要研究和投资来找出答案。因为有一个预测肯定会成真：我们永远都需要更强的计算能力。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!