摩尔定律可能正在放缓 但创新则不然

将于下周在旧金山举行的国际固态电路会议，即ISSCC将部分归功于不会出现的情况。在最近的记忆中，年度半导体会议 -现在是第66年 - 将不会包括任何新的通用处理器，这标志着芯片行业正在发生变化。在人工智能，5G无线，汽车和医疗保健等领域，仍然不缺乏创新技术和尖端硬件。

缺乏任何主要的微处理器演示似乎反映了两种趋势。首先，随着晶体管接近基本极限，摩尔定律的缩放速度正在放缓。英特尔的10nm Ice Lake将在假期之前到货，而代工厂仍在推出7nm芯片(尺寸相当)，因此5nm仍然需要数年时间。其次，最近的收益来自通用CPU，而更多来自专用加速器，如GPU，FPGA和称为ASIC的定制芯片。今年的处理器会议不乏用于汽车，机器人，加密，图形处理和优化问题的这些专用芯片。IBM还将在橡树岭国家实验室和劳伦斯利弗莫尔国家实验室的Sierra发表演讲，该演讲使用Power9 CPU和Nvidia Tesla V100 GPU的组合来保护目前世界上最快的计算机500强名单。

Facebook的Yann LeCun将在会议开幕式上讨论继续在人工智能方面取得进展的挑战。自2012年ImageNet大赛以来，深度学习的大部分进展都是在监督学习中，这需要大量的人类标记数据，或强化学习，这需要太多的试验才能适用于许多应用。LeCun认为，未来十年的主要挑战将是建造能够像人类一样学习的机器。这种“自我监督的学习”将需要比现在更强大的硬件，但它有一天会产生具有某种常识的机器。

人工智能和机器学习工作量的增加导致移动SoC具有神经处理单元，如Apple的A12 Bionic和华为的HiSilicon Kirin 980，用于智能手机和其他边缘设备。在一次关于机器学习的单独会议上，三星将推出其双核神经处理器，其具有1,024个乘法累加(MAC)单元，专为其8nm工艺设计，能够在0.8伏特下每秒6.94万亿次运算。三星表示，其神经处理器的架构比以前的先进技术提供了10倍的速度，如果没有关于数据格式和算法的更多细节，很难验证，但很明显，神经系统的性能处理器一直在快速增长，因为下图比较了自去年会议以来机器学习芯片的进展情况。