广告

摩尔定律终结?没问题

时间:2019-05-17 作者:Rob Aitken 阅读:
一位Arm公司院士说:“我终于学会了停止担忧并爱上摩尔定律的终结。”

在2019年1月举办的国际消费电子展(CES)上,NVIDIA公司的首席执行官Jensen Huang曾表示,技术行业的大多数人已经考虑并接受这个事实:预测芯片计算能力定期增长的摩尔定律已经走到尽头。

目前,商业化生产的最小芯片,其特征尺寸已达7nm。随着晶体管尺寸逐渐逼近原子量级,进一步缩小它们变得越来越困难。许多人认为,若不做出重大变革,即使当今最先进的晶体管设计FinFET也不可能再低于5nm,而且5nm昂贵的成本也让人望而却步。这意味着,摩尔定律所预测的每24个月芯片上晶体管密度翻倍的规律将难以持续。

摩尔定律的终结具有重大影响,因为性能发展的放缓可能会严重影响某些计算应用。美国劳伦斯伯克利国家实验室副主任Horst Simon每年两次帮助评定世界500强超级计算机。他指出,虽然同比增长仍然可观,年度性能增长徘徊在每年1.6倍左右,但从1990年代和2000年初开始已显著减少——那时的年度进步经常超过2倍。

“我们已看到高端出现减缓。”Simon表示。这种减缓可能影响从天体物理学到气候学等各种学科,它们都需要使用超级计算机来进行仿真研究。

尽管摩尔定律被打破可能给人带来空前的感觉,但是提高性能还有很多其他方法,而不用在每个芯片上挤进更多的晶体管(或者等待几十年后开发出像自旋电子这样特殊的解决方案)。这只需要有一点创新思维。

进一步专用化是一种有前景的策略。过去20年,由于GPU的处理能力远高于通用CPU,我们已经看到业界广泛采用其来处理3D计算机图形和其他多线程任务的计算。如今,各公司已开始将专用芯片(也称为加速器)的应用范围拓展到其他领域,如机器学习、安全性和加密货币等。

密歇根大学应用驱动架构研究中心主任Valeria Bertacco表示,我们“看到这一趋势刚刚开始”。

现在已经有五、六种专用处理器,但是在五至十年内可能会增加至100种,她表示。这种更细粒度的专用化带来了开发新处理器的潜力,从而可以处理现今硬件难以应对的应用,例如社交网络分析所需的复杂图形计算。

“缩小芯片并不是降低功耗和提高性能的唯一途径,”她表示,“十年前这可能是最容易实现的方式。”十年后,购买高端计算机的人可能不会那么关注它有多少GHz的整体处理能力,而会更多地关注它包含了多少专用处理器。

未来十年,某些最引人注目的性能改进可能完全不是来自新的芯片设计,而是来自追赶已有的技术。物联网(IoT)就是最好的例证,因为它的诞生主要来自十年之前的技术。

物联网应用执行相对简单的计算任务,例如管理传感器和定期触发一些数据,也就是说它不需要很高水平的计算性能。因此,物联网技术的建设者和用户更加关注成本,而使用旧技术通常比使用后来者更加便宜。

这种自然发展意味着,根据摩尔定律,从工厂车间的传感器到支持Alexa的烤面包机等等一切,仍然可以有十年改进。因此,虽然摩尔定律对于那些处于芯片设计前沿的人来说已死,但它的灵魂仍在。

即使不增加晶体管密度,有时也可以通过简单重构现有技术来有效提高效率。其中一种设计方案就是转向3D结构:将一个处理器粘到另一个处理器的上面,而不是在芯片内将它们放在彼此旁边。这样,处理器就可以更快、更有效地相互通信。另外这还可节省封装费用,因为制造商不必将每个单独的处理器都裹到塑料当中。

上述解决方案以及创新工程师们设想的其他解决方案足以让我们预见未来十年的性能增长。然而,从长远来看,摩尔定律的终结可能预示着半导体行业的发展已完全超越了硅的范畴。

采用诸如氮化镓(GaN)之类的特殊材料有可能成为一个发展途径,这种材料传导电子的能力比硅高1000倍以上。再例如自旋电子器件可以采用有机无机杂化钙钛矿等新材料。我们需要跳出制造芯片的固有思维。

然而,对于这些仍是纯理论的技术,商业化可能要十年或是更长。它们的发展要靠DARPA(最近向其“电子复兴计划”拨款15亿美元)等机构推动,而不是成熟的制造商或风投公司。

目前的行业参与者都转而考虑短期解决方案,即不需要全面重启整个芯片设计和制造工艺的解决方案。凭借一点创造力和艰苦努力,它们应该能够继续获得显著的性能增长。

我们有机会反思并从现有设计中获取更多性能。也可以考虑超越下一轮“再评估、再设计和再循环”这样的改进而采用新材料和新工艺,从而令产业在未来几十年持续发展。

如果能够做到上述种种(我认为我们已做好了准备),普通消费者可能根本注意不到我们亲爱的摩尔定律已经安息,即使一段时间内还会有哀悼者。

--Rob Aitken是Arm公司的技术院士和总监。他还是IEEE院士和将于2019年6月举行的第56届设计自动化大会主席。

 

armfellow.jpg

本文为《电子技术设计》2019年5月刊杂志文章。

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 芯之联:小芯片在AIoT时代的大作为 近来人们不再像从前那样单独提及AI(人工智能)和IoT(物联网),而是将其融合在一起,AIoT(人工智能物联网)成为科技行业热词。AI+IoT成为业内共识,语音识别+人脸识别+边缘计算+物联网等多概念融入,借助AI、大数据、云计算等技术,实现“云+边+端”的全新模式被广泛接受。
  • 利用本性、借力培育打造令人惊叹的AI SoC 在过去十年中,设计人员开发了各种硅技术,能够以足够快的速度运行先进的深度学习数学,以探索和实现人工智能(AI)应用,如目标识别、语音和面部识别等。机器视觉应用目前通常比人类更精确,它是推动新的片上系统(SoC)投资以满足日常应用AI开发的关键功能之一。在视觉应用中使用卷积神经网络(CNN)和其它深度学习算法已经产生了这样的影响——即SoC内的AI能力正变得普及。
  • 在SoC设计中,周期精确追踪为什么重要? 在实时和性能关键型(performance-critical)应用中,周期精确追踪正变得越来越重要,工程师需要将其硬件和软件代码的运行优化到单时钟周期的水平,即被CPU、GPU、DSP或加速器所识别的最小时间单位。
  • 5G基础设施和对端到端可编程性的需求 展望未来十年,随着5G的出现,无线基础设施将变得更加普遍,甚至与我们日常生活的方方面面完全融为一体。5G延续了先前蜂窝标准(在驱动带宽方面)的模式,但也将其扩展到更多设备和使用模式。本文考虑如何通过具有高性能CPU子系统和包括FPGA可重编程加速硬件处理单元的SoC架构来成功应对5G的独特需求。
  • 如何破解两把“剪刀差”加速AI落地?Xilinx给出了答案 AI的本质就是高性能计算,就像电力一样是一项通用能力,是能对所有行业进行产业升级以及产品迭代起促进作用的存在。
  • AI学会“挑刺”,可揪出光伏、PCB、芯片瑕疵 随着近年深度学习的兴起,瑕疵检测也出现新的技术演变,从传统的 AOI 转向与 AI 结合,不少初创公司开发用以检测元件瑕疵的 AI 软件,或与 AOI、AVI 设备结合使用。另一方面,检测设备商也通过 AI 技术优化 AOI 设备的准确度。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告