逐漸消失的摩爾定律引發對微芯片的根本反思:計算機的未來 P4

圖片來源: 量子運行

逐漸消失的摩爾定律引發對微芯片的根本反思:計算機的未來 P4

    計算機——它們是一件大事。 但要真正了解我們迄今為止在計算機的未來系列中所暗示的新興趨勢,我們還需要了解衝刺計算管道的革命,或者簡單地說:微芯片的未來。

    為了擺脫基礎知識,我們必須了解摩爾定律,即現在著名的定律,戈登·E·摩爾博士於 1965 年創立。本質上,摩爾幾十年前就意識到,集成電路中的晶體管數量翻了一番每 18 至 24 個月。 這就是為什麼您今天以 1,000 美元購買的同一台計算機在兩年後將花費您 500 美元。

    五十多年來,半導體行業一直遵循該定律的複合趨勢線,為新操作系統、視頻遊戲、流媒體視頻、移動應用程序以及定義我們現代文化的所有其他數字技術鋪平了道路。 但是,儘管對這種增長的需求似乎將在半個世紀內保持穩定,但矽——所有現代微芯片所用的基石材料——似乎不會在 2021 年更長時間內滿足這種需求——根據上一份報告 國際半導體技術路線圖 (ITRS)

    這真的是物理學:半導體行業正在將晶體管縮小到原子尺度,矽很快就會不適合。 而且這個行業越是試圖將矽縮小到超過其最佳極限,每次微芯片演進的成本就會越高。

    這就是我們今天所處的位置。 幾年後,矽將不再是構建下一代尖端微芯片的具有成本效益的材料。 這一限制將迫使半導體行業(和社會)在以下幾個選項之間進行選擇,從而推動電子行業的革命:

    • 第一種選擇是減緩或結束成本高昂的進一步小型化矽的開發,有利於尋找新穎的方法來設計能夠產生更多處理能力而無需額外小型化的微芯片。

    • 其次,尋找可以在比矽小得多的規模上進行操作的新材料,以將更多數量的晶體管填充到更密集的微芯片中。

    • 第三,不再關注小型化或功耗改進,而是通過創建專門用於特定用例的處理器來重新關注處理速度。 這可能意味著未來的計算機可能擁有一組專業芯片,而不是擁有一個通用芯片。 示例包括用於改進視頻遊戲的圖形芯片 谷歌的介紹 專門用於機器學習應用的張量處理單元 (TPU) 芯片。

    • 最後,設計新的軟件和雲基礎設施,可以更快、更高效地運行,而無需更密集/更小的微芯片。

    我們的科技行業會選擇哪個選項? 實際上:所有這些。

    摩爾定律的生命線

    以下列表簡要介紹了半導體行業內競爭對手將用來保持摩爾定律的近期和長期創新。 這部分有點密集,但我們會盡量保持它的可讀性。

    納米材料. 領先的半導體公司,如英特爾,已經宣布他們將 滴矽 一旦它們達到七納米(7nm)的小型化尺度。 替代矽的候選材料包括銻化銦 (InSb)、砷化銦鎵 (InGaAs) 和矽鍺 (SiGe),但最令人興奮的材料似乎是碳納米管。 由石墨製成——石墨烯本身就是一種神奇材料的複合疊層——碳納米管可以製成原子厚,具有極強的導電性,預計到 2020 年將使未來的微芯片速度提高五倍。

    光計算. 設計芯片的最大挑戰之一是確保電子不會從一個晶體管跳到另一個晶體管——一旦進入原子水平,這一考慮就會變得無限困難。 新興的光學計算技術希望用光子代替電子,從而光(不是電)從晶體管傳遞到晶體管。 在2017,研究人員通過展示將基於光的信息(光子)作為聲波存儲在計算機芯片上的能力,朝著這一目標邁出了一大步。 使用這種方法,到 2025 年,微芯片可以接近光速運行。

    自旋電子學. 經過二十多年的發展,自旋電子晶體管試圖使用電子的“自旋”而不是其電荷來表示信息。 雖然距離商業化還有很長的路要走,但如果得到解決,這種形式的晶體管只需 10-20 毫伏即可工作,比傳統晶體管小數百倍; 這也將消除半導體公司在生產更小的芯片時面臨的過熱問題。

    神經形態計算和憶阻器. 解決這種迫在眉睫的處理危機的另一種新方法在於人腦。 尤其是 IBM 和 DARPA 的研究人員正在領導一種新型微芯片的開發——這種芯片的集成電路旨在模仿大腦更加分散和非線性的計算方法。 (看看這個 科學博客文章 以更好地了解人腦和計算機之間的差異。)早期結果表明,模仿大腦的芯片不僅效率顯著提高,而且與當今的微芯片相比,它們使用的功率低得令人難以置信。

    使用同樣的大腦建模方法,晶體管本身,眾所周知的計算機微芯片的組成部分,可能很快就會被憶阻器取代。 憶阻器迎來了“離子”時代,與傳統晶體管相比,憶阻器具有許多有趣的優勢:

    • 首先,憶阻器可以記住通過它們的電子流——即使斷電。 翻譯,這意味著有一天您可以以與燈泡相同的速度打開計算機。

    • 晶體管是二進制的,要么是 1,要么是 0。 與此同時,憶阻器可以在這些極端之間有多種狀態,如 0.25、0.5、0.747 等。這使得憶阻器的工作方式類似於我們大腦中的突觸,這很重要,因為它可以開闢一系列未來的計算可能性。

    • 接下來,憶阻器不需要矽來發揮作用,這為半導體行業開闢了嘗試使用新材料進一步小型化微芯片的道路(如前所述)。

    • 最後,與 IBM 和 DARPA 在神經形態計算中的發現類似,基於憶阻器的微芯片速度更快,使用更少的能量,並且可以比目前市場上的芯片擁有更高的信息密度。

    3D芯片. 傳統的微芯片和為其供電的晶體管在平坦的二維平面上運行,但在 2010 年代初期,半導體公司開始嘗試在其芯片中添加第三維度。 這些被稱為“finFET”的新型晶體管有一個從芯片表面伸出的通道,使它們能夠更好地控制通道中發生的事情,使它們的運行速度提高近 40%,並使用一半的能量運行。 然而,不利的一面是,這些芯片目前生產起來要困難得多(成本高昂)。

    但除了重新設計單個晶體管之外,未來 3D芯片 還旨在將計算和數據存儲結合在垂直堆疊的層中。 目前,傳統計算機的記憶棒距離處理器只有幾厘米。 但是通過集成內存和處理組件,這個距離從厘米下降到微米,從而大大提高了處理速度和能耗。

    量子計算. 展望未來,很大一部分企業級計算可以在量子物理學的怪異定律下運行。 然而,由於這種計算的重要性,我們在本系列的最後給了它自己的一章。

    超級微芯片不是好生意

    好的,所以你在上面讀到的一切都很好——我們說的是模仿人類大腦的超節能微芯片,可以以光速運行——但問題是,半導體芯片製造行業並不是過於渴望將這些概念變成大規模生產的現實。

    幾十年來,英特爾、三星和 AMD 等科技巨頭已經投資數十億美元來生產傳統的矽基微芯片。 轉向上述任何新概念將意味著放棄這些投資並花費數十億美元建造新工廠,以批量生產銷售記錄為零的新微芯片模型。

    阻礙這些半導體公司的不僅僅是時間和金錢投資。 消費者對功能更強大的微芯片的需求也在下降。 想一想:在 90 年代和 00 年代的大部分時間裡,幾乎可以肯定的是,你會換掉你的電腦或手機,如果不是每年,那麼每隔一年。 這將使您跟上所有新出現的軟件和應用程序,使您的家庭和工作生活更輕鬆、更好。 這些天來,您多久升級到市場上最新的台式機或筆記本電腦型號?

    當您想到您的智能手機時,您的口袋裡裝的是 20 年前還被認為是超級計算機的東西。 除了對電池壽命和內存的抱怨之外,自 2016 年以來購買的大多數手機都完全能夠運行任何應用程序或手機遊戲,可以播放任何音樂視頻或與你的 SO 進行頑皮的 facetime 會話,或者你想在你的手機上做的大多數其他事情電話。 你真的需要每年花費 1,000 美元或更多才能將這些事情做得更好 10-15% 嗎? 你會注意到差異嗎?

    對於大多數人來說,答案是否定的。

    摩爾定律的未來

    過去,半導體技術的大部分投資資金來自軍事國防開支。 然後被消費電子製造商取代,到 2020-2023 年,對進一步微芯片開發的領先投資將再次轉移,這一次來自以下行業:

    • 下一代內容. 即將向公眾推出的全息、虛擬和增強現實設備將刺激對數據流的更大需求,尤其是隨著這些技術在 2020 年代後期成熟並越來越受歡迎。

    • 雲計算. 在本系列的下一部分中解釋。

    • 自動駕駛汽車. 在我們的詳細解釋 交通的未來 系列。

    • 物聯網。 在我們的解釋 物聯網 我們的章節 互聯網的未來 系列。

    • 大數據與分析. 需要定期處理數據的組織——想想軍事、太空探索、天氣預報、製藥、物流等——將繼續需要越來越強大的計算機來分析他們不斷擴大的收集數據集。

    下一代微芯片的研發資金將永遠存在,但問題是更複雜形式的微處理器所需的資金水平能否跟上摩爾定律的增長需求。 考慮到轉換和商業化新型微芯片的成本,再加上消費者需求放緩、未來政府預算緊縮和經濟衰退,摩爾定律很可能會在 2020 年代初暫時放緩或停止,然後在後期回升2020 年代,2030 年代初。

    至於為什麼摩爾定律會再次加快速度,好吧,讓我們說渦輪驅動的微芯片並不是計算管道中唯一的革命。 在我們的計算機未來系列中,我們將探討推動雲計算發展的趨勢。

    計算機系列的未來

    重新定義人性的新興用戶界面:計算機的未來 P1

    軟件開發的未來:計算機的未來 P2

    數字存儲革命:計算機的未來 P3

    雲計算變得去中心化:計算機的未來 P5

    為什麼各國競相建造最大的超級計算機? 計算機的未來 P6

    量子計算機將如何改變世界:計算機的未來 P7     

    此預測的下一次預定更新

    2023-02-09

    預測參考

    此預測引用了以下流行和機構鏈接:

    維基百科
    歐盟委員會
    文塔納研究
    網絡的演變
    YouTube - 豐富的報告
    羅德尼布魯克斯

    此預測引用了以下 Quantumrun 鏈接: