隨著芯片的制程工藝進入5nm時代，摩爾定律的極限時刻被提及，我們也能很明顯的感受的到，現(xiàn)階段芯片廠商對于全新制程工藝的研發(fā)，已經(jīng)陷入了一定的困境當中，技術突破的時間也被進一步拉大，這一度讓我們相信，芯片的研發(fā)或許真的已經(jīng)達到了摩爾定律極限。

就在很多芯片廠商處于困惑之中時，就在近日IBM宣布已經(jīng)成功研制了2nm的芯片，也成功打破了現(xiàn)階段的摩爾定律極限，芯片的技術迭代肯定會有上限，但至少不會是現(xiàn)在，芯片的技術研發(fā)還有著很大的進步空間。

很多人可能會好奇，作為計算機企業(yè)的IBM，在很早之前就已經(jīng)出售了芯片研發(fā)部門，為何如今還會具備這樣的實力呢?其實真正的原因在于合作上，IBM選對了合作伙伴，三星以及AMD都是其合作伙伴。

雖然早早宣布退出芯片市場，但IBM對于芯片技術的研發(fā)卻從未中斷，多年下來擁有了良好的基礎實力，配合上AMD以及三星先進的技術，在一眾優(yōu)秀企業(yè)的通力配合之下，終究完成了對于2nm芯片研發(fā)的壯舉。

半導體長年按照大約2年性能翻倍的“摩爾定律”進化。其原動力是減小晶體管等的尺寸，以提高集成度的微細化技術。近年對于“摩爾定律”可行性的爭論在半導體業(yè)界時有發(fā)生，但半導體大廠英特爾仍是摩爾定律的堅定支持者。

本周，在半導體行業(yè)會議IEDM 2022(2022年IEEE國際電子器件會議)上，英特爾發(fā)布多篇論文，包括2D材料、3D封裝技術、存儲器技術等多項技術進展。該公司還表示，將在未來十年內(nèi)持續(xù)推進摩爾定律，預計到2030年可實現(xiàn)在單個封裝中集成一萬億個晶體管。

“目前我們可以在單個封裝放入1千億個晶體管，還有10倍需要增加?！?2月8日，英特爾中國研究院院長宋繼強在接受界面新聞等采訪中稱，他表示，從2023年到2030年，晶體管密度要在8年時間里翻10倍，即實現(xiàn)2的3次方的提升，是一個比較激進的目標。

同時，目前半導體晶體管結(jié)構正從FinFET(鰭式場效應晶體管)向GAAFET(環(huán)繞柵極晶體管)架構發(fā)展，相較于目前先進制程所采用的FinFET(鰭式場效應晶體管)，GAAFET架構有著更好的靜電特性，在尺寸相同的情況下，可以達到更高的頻率，功耗也更低，因此是當前3納米等高端工藝的核心技術。宋繼強指出，在GAAFET架構下進一步微縮，會出現(xiàn)漏電流及不易控制通斷等問題，用傳統(tǒng)的硅材料去做通道材料面臨諸多挑戰(zhàn)。

宋繼強稱，要達到單個封裝中集成一萬億個晶體管的目標，一方面要繼續(xù)依靠晶體管微縮，例如用超薄的2D材料做更高效的GAA的晶體管。另一方面還需要依賴3D封裝技術，能夠進一步提升整個設備中的晶體管總量。

“在摩爾定律失效的當下，如果我們真想提高計算機性能，‘黃氏定律’就是一項重要指標，且在可預見的未來都將一直適用?！痹诮张e辦的GTC中國峰會上，英偉達首席科學家Bill Dally做出上述發(fā)言。

所謂黃氏定律，是以英偉達首席執(zhí)行官黃仁勛(Jensen Huang)名字命名的定律，其預測GPU將推動AI性能實現(xiàn)逐年翻倍。目前來看，雖然或多或少受到硬件與軟件影響，但黃氏定律將穩(wěn)定發(fā)展，小至個人數(shù)碼產(chǎn)品中的臉部或語音識別，大至自動駕駛汽車、數(shù)據(jù)中心等，都受益于黃氏定律。

在半導體的開發(fā)競爭中，業(yè)界普遍認為，以每兩年2倍的速度發(fā)展的摩爾定律即將走到極限。在芯片主戰(zhàn)場轉(zhuǎn)向于AI領域的背景下，由英偉達提出的黃氏定律得到重視，顯示英偉達在AI計算領域的領先地位。

當前AI計算無處不在，進一步向個人設備、邊緣領域拓展。以智能手機為例，內(nèi)置芯片搭載的神經(jīng)網(wǎng)絡引擎就為各項機器學習任務奠定了基礎，如面部識別、自然語言理解、物體追蹤與規(guī)避、手勢和文本識別等。

“在整個GPU芯片設計歷史過程中，隨著工藝的發(fā)展，我們自然而然會放進去更多的計算單元?！庇ミ_中國區(qū)工程和解決方案高級總監(jiān)賴俊杰告訴界面新聞記者。同時，英偉達依靠架構上的創(chuàng)新，從而使GPU發(fā)展速度和性能提升呈現(xiàn)幾倍、甚至幾十倍的結(jié)果。在GPU市場，英偉達GPU芯片的應用早已擴展到了游戲、圖形計算之外，在數(shù)據(jù)中心的加速計算、AI取得主要市場份額。

不過，雖然基本上是以AI為核心，但系統(tǒng)運作時仍然少不了CPU參與。而Bill Dally坦承，當工程師大幅提升某部分的運算時，其他無法再加快的部分就會成為瓶頸。

Bill Dally于2009年加入英偉達，此前擔任斯坦福大學計算機科學系主任，致力于數(shù)據(jù)科學、人工智能和圖形學的研究，擁有120多項專利。在英偉達，Bill Dally負責領導一支200多人的科學研究團隊。

Bill Dally稱，英偉達的目標是通過GPU技術的改進，每年將使AI推理性能成倍提升。在GTC大會上，英偉達推出一款超高能效加速系統(tǒng)MAGNet，可以讓AI推理能力達到每秒100萬億次的效率，比目前的商用芯片高出一個數(shù)量級。