摩尔定律之死引发的诸多弊端逐渐浮现

二十多年来，我们一直听闻‘摩尔定律的终结’这一说法。这是英特尔已故联合创始人戈登·摩尔提出的一个原则，即芯片中的晶体管数量大约每两年就会翻一番。2006 年，摩尔本人表示它将在 21 世纪 20 年代结束。麻省理工学院教授查尔斯·雷瑟森称它在 2016 年就已终结。英伟达的首席执行官宣称它在 2022 年已失效。几天后，英特尔的首席执行官却持相反观点。

毫无疑问，摩尔定律的概念——或者更确切地说是观察结果，以免我们将其视为某种物理定律——已经在台式处理器中引发了令人难以置信的创新。但摩尔定律的终结并非一瞬间的事。这是一个缓慢且艰难的过程，我们终于看到了实际状况。

创新解决方案

我们有来自 AMD 和英特尔的两个全新世代的产品，它们推出时都没引起太大反响。正如您在我的Core Ultra 9 285K 评测中所读到的，英特尔的最新尝试凭借其全新的设计实现了许多令人印象深刻的壮举，但它仍然无法与竞争对手抗衡。而Ryzen 9 9950X，尽管相较于其 Zen 4 同类产品有明显升级，但并未带来我们习以为常的代际改进。

想想看——查看 Cinebench R23，从 Ryzen 9 5950X 到Ryzen 9 7950X的多核性能提升为 36%。而在 Ryzen 9 7950X 和 Ryzen 9 9950X 之间呢？15%。这还不到一代产品内改进的一半。在 Handbrake 中，Ryzen 9 7950X 相比 Ryzen 9 5950X 转码速度提高了 34%。而对于 Ryzen 9 9950X，改进幅度缩小到仅 13%。

这也不只是某一代的表现奇特。看看酷睿 i9-101900K 和酷睿 i9-12900K的单核性能，英特尔带来了 54%的性能提升。甚至将目前已过时三代的酷睿 i9-12900K 与最新的酷睿 Ultra 9 285K 相比，我们也只看到了 20%的提升。更糟的是，英特尔新的酷睿 Ultra 系列在 Cinebench 中的表现出奇地高，而如果您查看其他应用程序，实际上会发现相比一两代前存在一些倒退。

甚至就在短短几年内，性能提升的速度已经大幅放缓。摩尔定律并非直接论及性能提升，它只是着眼于芯片上的晶体管数量。但这对性能有明显的影响。像过去那样通过投入更多晶体管来解决问题已不再可行——如果您想了解更多原因，可以查阅有关丹纳德缩放定律失效的内容。

AMD 和英特尔可能不会公开谈论此事，但两家公司显然都察觉到了不好的迹象。这可能就是英特尔首先转向混合架构的原因，也是它为 Arrow Lake CPU 引入彻底重新设计的原因。对于 AMD 而言，3D V-Cache已成为其 CPU 的一项决定性技术已不是秘密，这显然是突破摩尔定律瓶颈的一种方式。任何 CPU 芯片上的大量晶体管都被用于缓存，比例大约在 40%至 70%之间——而 AMD 实际上是在无法容纳在芯片上的基础上堆叠了更多的缓存。

空间的作用

在探讨摩尔定律和登纳德缩放定律时，需要牢记的一个重要因素是空间。当然，您能够制造一个拥有大量晶体管的大型芯片，不过它会消耗多少功率呢？它能保持在合理的温度范围内吗？把它放置在个人电脑或者企业服务器中，是否具有实际可行性？您不能将晶体管的数量与芯片的尺寸分开。

我想起了 与 AMD 的克里斯·霍尔的一次交谈 ，他跟我说：“我们长期以来一直享受着摩尔定律带来的好处，但这种情况已经逐渐式微。如今，每平方毫米的硅都极为昂贵，我们无法承受成本继续翻倍。我们可以，我们可以制造那些芯片，我们知道如何制造它们，但它们变得更昂贵了。”

我并非在此为英伟达疯狂的定价策略进行辩护，但是 据报道 ，该公司的 RTX 40 系列 GPU 从台积电获得的价格高于其 RTX 30 系列 GPU 从三星获得的价格。而且，RTX 4090 在芯片尺寸极为相似的情况下，其晶体管数量是 RTX 3090 的两倍还多。倘若在芯片方面对摩尔定律作出承诺，我不确定当我们消费者升级电脑时会不会喜欢这样的结果。

这还没提及像 RTX 4090 这类显卡所面临的其他问题——高功率需求、尺寸惊人的散热器以及熔化的电源连接器。并非所有这些问题都是晶体管数量翻倍的结果，甚至远非如此，但它的确起到了一定的作用。更大的芯片容纳更多晶体管，产生更多热量，而且通常成本更高，尤其是在硅成本持续上涨的情况下。

捷径

摩尔定律已死，PC 硬件越来越贵，一切都很糟糕——这不是我想结束这个话题的方式。将会有更多逐年提高性能的方法，而不仅仅是依靠在相同尺寸的芯片上增加更多的晶体管。我们现在实现这一目标的方式只是有所不同。我所说的是人工智能。

等等，别关闭这篇文章。科技公司对人工智能感到兴奋，因为它代表着大量资金——尽管这种观点很愤世嫉俗，但这就是像微软和英伟达这样价值数万亿美元的公司的运作方式。但人工智能也代表了一种带来新计算形式的途径。我不是在谈论大量的人工智能助手和产生幻觉的聊天机器人，而是将机器学习应用于一个问题，以近似获得我们以前只有通过纯硅创新才能得到的结果。

看看 DLSS。使用升频来维持一定性能水平这一想法颇具争议，涉及个别游戏时，这就是个微妙的话题了。但 DLSS 能够在硬件没有严格改进的情况下实现更好的性能。再加上帧生成，我们现在从 DLSS、FSR 和 像无损缩放这样的第三方工具中看到了这一点，有很多像素是你的显卡从未渲染过的。

一个争议较小的角度是 英伟达的光线重建。光线追踪要求很高，这并非秘密，解决这种硬件需求的其中一部分在于去噪过程——限制光线数量，然后用去噪清理生成的图像。光线重建所提供的结果，需要更多光线和更强大的硬件才能实现，而且它完全不限制性能——并且再次通过机器学习实现。

摩尔定律是死是活其实并不重要——如果像 AMD、英特尔和英伟达这样的公司想要维持下去，他们将不断需要想出解决方案来满足不断增长的性能需求。PC 硬件的创新远未消亡，但它可能开始看起来有点不同。