尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
前言：隨著人工智能技術的迅速發展，對晶片算力的要求也越來越高，但是，摩爾定律的放緩甚至失效讓晶片靠先進半導體工藝來提高晶片的性能的難度越來越大。最近，美國機器人製造專家 Rodney Beooks，在談到未來 50 年人工智能如何發展時稱，摩爾定律尚未終結，但未來摩爾定律不會適用於每一項技術，這些技術不太可能繼續呈現指數級增長。
當前的科技界，摩爾定律不管用了嗎？
近年來，摩爾定律似乎已經走到了盡頭，大部分人對它的前景不抱有樂觀態度，業界唱衰聲不斷。最近，針對未來 50 年內的人工智能發展趨勢，Medium 專欄作者採訪了美國機器人製造專家、史丹佛大學博士、麻省理工學院計算機科學和人工智能實驗室 ( CSAIL ) 的前負責人羅德尼 · 布魯克斯 ( Rodney Brooks ) 。在談到未來 50 年人工智能如何發展時，羅德尼 · 布魯克斯稱摩爾定律尚未終結，但未來摩爾定律不會適用於每一項技術，這些技術不太可能繼續呈現指數級增長。
美國機器人製造專家羅德尼 · 布魯克斯 ( Rodney Brooks )
何為摩爾定律？
Rodney Brooks 談到的摩爾定律，是由英特爾公司創始人之一戈登 · 摩爾 ( Gordon Moore ) 在 1965 年提出的。其內容為：當價格不變時，集成電路上可容納的元器件的數目，約每隔 18-24 個月便會增加一倍，性能也將提升一倍。換言之，每一美元所能買到的電腦性能，將每隔 18-24 個月翻一倍以上。這一定律揭示了信息技術進步的速度。盡管這種趨勢已經持續了幾十年，摩爾定律依然被認為是一個推測，而不是一個物理或自然法。
在 1986 年到 2003 年之間，半導體行業一直遵循著摩爾定律發展，晶片做的越做越小，單位面積的晶體管數量越來越多，功耗越來越低，價格也越來越便宜。在 2003 年之後，憑借著多核的設計以及半導體工藝水平的提高，晶片的性能仍然保持提升，但是摩爾定律卻很明顯的開始放緩。
英特爾公司創始人之一戈登 · 摩爾 ( Gordon Moore )
AI 晶片各具怎樣的優勢？
如今，摩爾定律在晶片產業遭遇到了技術與經濟上的雙重挑戰，處理器性能的增長速度越來越慢，然而人們對於計算能力、計算功耗和計算成本等都提出了更高的要求，特別是在人工智能、大數據等新的應用興起之後。但是摩爾定律放緩的現實讓晶片依靠先進半導體工藝，去提升晶片的性能變得愈發艱難。因此，無論是傳統晶片企業還是科技巨頭都開始相繼研發 AI 晶片，這就促使了新的晶片類型和技術不斷出現。
事實上，目前的 AI 晶片並沒有一個明確的定義。一般來說，面向人工智能應用的晶片都可以稱為 AI 晶片。但是從技術架構來看，AI 晶片可以分為通用性晶片 ( GPU ) 、半定制化晶片 ( FPGA ) 、全定制化晶片 ( ASIC ) 、類腦晶片四大類。
GPU ( 圖形處理器 ) ，又稱視覺處理器，其用途是將計算機系統所需要的顯示信息進行驅動，並向顯示器提供掃描信號，控制顯示器的正確顯示，是連接顯示器和個人電腦主板的重要原件，也是 ” 人機對話 ” 的重要設備之一。GPU 善於處理圖像領域的運算加速。但是 GPU 無法單獨工作，必須由 CPU 進行控制調用才能工作。在 CPU 單獨工作時，可以處理複雜的邏輯運算和不同的數據類型，但是在需要大量的處理類型統一的數據時，則需要調用 GPU 進行並行計算。
FPGA ( 現場可編程門陣列 ) ，FPGA 是用硬件做到軟件算法，所以在做到複雜算法方面有一定的難度，價格相對較高。對比 FPGA 和 GPU 可以發現，FPGA 缺少內存和控制所帶來的存儲和讀取部分，速度可以更快。同時，因為缺少讀取的作用，所以功耗低。FPGA 綜合了 CPU 和 GPU 各自的優勢。
ASIC ( 專用集成電路 ) ，是為做到特定要求而定制的專用 AI 晶片。不同於 GPU 和 FPGA 的靈活性，定制化的 ASIC 一旦製造完成就不能更改，因此初期成本高、開發周期長。因為 ASIC 是定制化的，所以與 GPU 和 FPGA 相比，在性能和功耗上存在著較大的優勢。
類腦晶片是一款模擬人類大腦的新型晶片編程架構，這一系統可以模擬人腦功能進行感知、行為和思考能力。
寫在最後：
當前，人工智能技術的應用場景已經開始向移動設備轉移，例如自動駕駛、人臉識別等。而 AI 晶片必須要達到更高的性能、更高的效率，才能完成人工智能技術從雲端到終端的轉移。
摩爾定律也許很快就會消失，但科技進步的不會停滯。目前，從晶片發展的大趨勢來看，現在 AI 晶片還處於初級階段。無論是科研還是產業應用都存在著巨大的前景。