若考慮成本因素 摩爾定律實際上已失效10年


科技行業經常討論摩爾定律還有多少時間。Google集成電路封裝部門主管米林德-沙阿(MilindShah)最近支持之前的一種說法,即作為科技行業重要指針的摩爾定律趨勢已於2014年終結。

1965 年,已故英特爾公司聯合創始人戈登-摩爾(Gordon Moore)提出電路板上每平方英寸的晶體管數量大約每兩年翻一番的理論。以他的名字命名的這一理論在此後近 60 年的時間裡基本保持不變,但最近卻持續面臨動蕩。

2014 年,MonolithIC 首席執行官 Zvi Or-Bach 指出,1 億門晶體管的成本此前一直在穩步下降,在當時的 28nm 節點跌至谷底。

據《半導體文摘》(Semiconductor Digest)報道,Shah 在 2023 年 IEDM 大會上發言時,用一張圖表支持 Or-Bach 的說法,該圖表顯示,1 億門晶體管的價格從那時起一直保持平穩,這表明晶體管在過去十年中並沒有變得更便宜。

2024-02-02-image-15-j.webp

盡管芯片制造商不斷縮小半導體,並將更多半導體封裝到功能越來越強大的芯片上,但價格和功耗卻在增加。自2017年以來,NVIDIA公司首席執行官黃仁勛曾多次宣稱摩爾定律已死,試圖解釋這一趨勢,他表示,更強大的硬件將不可避免地花費更多成本,需要更多能源。

最近,有人指責 NVIDIA 首席執行官為 NVIDIA 顯卡價格上漲找借口。與此同時,AMD和英特爾的負責人承認摩爾定律至少已經放緩,但聲稱他們仍然可以通過 3D 封裝等創新技術實現有意義的性能和效率提升。

Or-Bach 和後來的 Shah 的分析可能與臺積電的晶圓漲價相吻合,2014 年 28 納米之後,臺積電的晶圓漲價速度急劇加快。據 DigiTimes 報道,隨著 2016 年 10nm 制程的推出,這傢臺灣巨頭的單晶圓成本在隨後的兩年裡翻一番。據該媒體估計,最新的 3nm 晶圓成本可能達到 20000 美元。

隨著臺積電及其競爭對手在未來幾年將目標轉向 2 納米和 1 納米,進一步的分析表明,半導體行業近期的增長主要來自晶圓價格的上漲。盡管過去幾年晶圓銷量下降,但臺積電晶圓的平均價格卻持續上漲。


相關推薦

2022-10-01

化需求以及軟件的功能性、安全性為出發點,從系統層面考慮、統籌並提供一整套完善的解決方案。”朱勇表示,相比幾十年前,如今人們對芯片體驗的期待值更高,不止是軟件層面,還要讓產品達到足夠的差異化,體現出優勢

2023-12-25

爾首席執行官帕特基辛格在麻省理工學院的演講中表示,摩爾定律的節奏放緩至三年,但目前仍未消亡。摩爾定律由英特爾創始人之一戈登摩爾提出,其核心內容為:集成電路上可以容納的晶體管數目在每經過18-24個月便會增加

2023-03-27

或者四年也必定可以實現翻倍的目標,但是隨著芯片制造成本的增加,未來的芯片售價不會再跟隨摩爾定律而下降。圖片來源:Intel當然,作為“摩爾定律”的發源地,英特爾在2022年就身體力行地用自己的產品反駁NVIDIA的看法。

2022-09-26

電4N,微縮層面的提升大約在15%左右,但非常不幸的是,成本增幅超過15%。黃仁勛還表示,大概從7nm開始,摩爾定律的曲線就開始放緩,雖然還沒到止步不前的直線,但實際上已經失效。老黃繼續指出,隨著工藝技術逼近物理極

2023-04-20

有材料學上的突破性進展,隨著晶體管數量的增加,生產成本會不斷增加,晶體管的性能提升也會遇到瓶頸,終有一天摩爾定律會“死去”。有預測認為,摩爾定律的極限將在 2025 年左右到來,但也有樂觀的人認為還能持續更久

2022-07-31

為芯片制造提供一種全新的方法,比傳統方法更快,更具成本效益”。他指出,堆疊芯粒還允許英特爾在不增加其(二維)足跡或整體能源消耗的情況下,擴展其下一代臺式機和服務器芯片的效率。芯片使用的能源是重要的設計因

2023-01-08

品。“其目標還是在成本可控情況下的異質集成。”綜合考慮成本、性能等多方面的因素,魏少軍表示,Chiplet技術最大的應用場景,主要包括計算邏輯與DRAM(動態隨機存儲)集成、手機領域通過Chiplet將多顆芯粒集成以節省體積

2022-09-22

佈的40系顯卡價格過高的議論時,黃仁勛解釋道,以類似成本實現兩倍業績預期對於該行業來說“已成為過去”。“元宇宙在今天看來難以理解,但它在未來非常重要。20年前,25年前,互聯網看起來難以理解。15年以前,移動互

2024-03-17

性。需要註意的是,這裡隻量化預訓練模型的能力,沒有考慮一些“訓練後增強”手段,比如思維鏈提示(COT)、微調技術的改進或者集成搜索的方法(RAG)。模型定義研究人員通過擬合一個滿足兩個關鍵目標的模型來評估其性

2023-11-03

萬億次,需要計算3640天),相當於6000枚英偉達A100芯片,若考慮互聯損失的情況,需要儲備一萬張A100作為算力基礎。也就是說,中國AI企業要想跟上OpenAI的腳步,最起碼要擁有一萬張A100 打底。而GPT-4大約要在25000個A100上訓練90到10

2022-08-27

月,芯片性能都都有望迎來翻番,而不會大幅增加成本。考慮到谷歌擁有的巨大用戶體量和基礎設施,預算的超支遲早會成為一個沉重的負擔。在審視整體狀況後,Ranganathan與同事們意識到轉碼(以YouTube為例)在其數據中心中消

2023-05-06

工藝,比如2nm。AMD CEO蘇姿豐日前在采訪中透露,AMD沒有考慮停止升級芯片光刻技術,工程師們已經努力掌握3nm工藝,現在他們的目光也投向更先進的2nm工藝。從AMD這番表態來看,未來他們的芯片升級3nm工藝是沒跑,2nm工藝也在

2023-02-27

時間間隔修正為24個月,也就是兩年時間芯片密度翻倍,成本降低一半。至於ChatGPT,它目前使用的是GPT-3大模型,有1750億參數,已經積累1億用戶,日活超過1300萬,訓練階段總算力消耗約為3640 PF-days(即1PetaFLOP/s效率跑3640天),

2023-02-27

時間間隔修正為24個月,也就是兩年時間芯片密度翻倍,成本降低一半。至於ChatGPT,它目前使用的是GPT-3大模型,有1750億參數,已經積累1億用戶,日活超過1300萬,訓練階段總算力消耗約為3640 PF-days(即1PetaFLOP/s效率跑3640天),