几十年来,计算机芯片的ru从个人电脑到宇宙飞船,所有的东西看起来都非常相似。但随着摩尔定律的放缓,行业领袖们正朝着这个方向前进专门的芯片专家表示,这可能188体育365会破坏推动我们技术快速增长的经济力量。

最早的计算机通常被设计用来执行非常具体的任务,即使它们可以被重新编程,通常也需要费力地重新布线。但在1945年,计算机科学家约翰·冯·诺伊曼提出了一种新的架构,允许计算机在相同的底层硬件上存储和执行许多不同的程序。

这个想法很快被采纳,“von Neuman体系结构”支撑了此后生产的绝大多数处理器。这就是为什么,尽管处理速度有很大的不同,你的笔记本电脑芯片和超级计算机芯片的运行方式或多或少是相同的,并且基于非常相似的设计原则。

这使得计算机被称为a“一般,目的技术。”这些创新可以广泛应用于经济领域,并对社会产生深远影响。这些技术的特点之一是,它们通常受益于一个良性的经济循环,这加快了它们的发展步伐。

随着早期用户开始购买一项技术,它产生的收入可以用于进一步开发产品。这提高了产品的性能并降低了价格,这意味着更多的人可以采用这项技术,推动下一轮的进步。

对于像计算机这样广泛应用的技术来说,这样的循环可能会重复几十年,而且确实如此。在过去的50年里,这一经济力量推动了计算机的快速发展,并使其融入几乎所有可以想象得到的行业。

但在一个篇文章中ACM通信,计算机科学家尼尔·汤普森和Svenja Spanuth认为,这种正反馈循环现在即将结束,可能很快就会结束转向碎片计算行业里一些应用程序继续看到改进,但另一些则陷入技术缓慢的车道。

造成这种分裂的原因是计算机芯片创新速度的放缓,其特点是缓慢摩尔定律的消亡,他们说。当我们接近物理极限时所有商业计算机所依赖的硅芯片的小型化程度,每一次处理能力的飞跃所花费的时间都显著增加,达到这一目标的成本也急剧上升。

创新放缓意味着采用该技术的新用户减少,这反过来又减少了芯片制造商为新开发提供资金的数量。这就形成了一个自我强化的循环,使通用芯片的经济性变得不那么有吸引力,并进一步减缓了技术进步。

事实上,作者指出,建造最先进芯片代工厂的成本也大幅上升,给该行业带来了进一步的压力。一段时间以来,由于市场增长与成本上升之间的不匹配,芯片制造商的数量已从2003年的25家整合到仅存的25家3.到2017年。

随着性能提升缓慢,这使得专用芯片越来越有吸引力,作者说。使芯片通用的设计决策对于某些计算任务来说可能是次优的,特别是那些可以并行执行多个计算、精度较低或计算可以定期执行的任务。

专门为这类任务设计的芯片通常可以带来显著的性能提升,但如果它们的市场规模较小,那么它们的提高通常会比较缓慢和成本更比通用芯片。这就是为什么他们的普及率一直很低,但随着通用芯片发展的放缓,情况开始发生变化。

今天,所有主要的计算平台,从智能手机到超级计算机和嵌入式芯片,都变得更加专业化,作者说。GPU崛起为机器学习的主力——而且越来越多超级计算机是最明显的例子。从那以后,谷歌和亚马逊(Amazon)等领先的科技公司甚至开始打造自己的定制机器学习芯片,比特币矿工也是如此。

什么th意味着,那些对他们的利基应用程序有足够需求的公司,可以从专业化中受益,将看到性能的持续提升。But在哪里专业化不是一个选项,芯片性能作者说,可能会出现相当大的停滞。

向云计算的转变可以通过聚集对专用处理器的需求来帮助缓解这一过程,但更现实的是,需要计算技术上的重大突破才能让我们回到过去50年里享受的那种良性循环。

考虑到我们的社会已经从不断提高的计算能力中获得了巨大的利益,实现这种突破应该是一项重要的优先任务。

图片来源:托拜厄斯DahlbergPixabay

我是一名自由科技作家,住在印度班加罗尔。我的主要兴趣领域是工程学、计算机和生物学,尤其关注这三者之间的交叉点。

遵循Edd: