Война чипов. Борьба за самую важную технологию в мире

Иными словами, долговечность закона Мура удивила даже того, в честь кого он назван, и того, кто его придумал. Возможно, это удивит и сегодняшних пессимистов. Джим Келлер, звездный разработчик полупроводников, которому принадлежит огромная заслуга в преобразовании чипов Apple, Tesla, AMD и Intel, заявил, что он видит четкий путь к пятидесятикратному увеличению плотности размещения транзисторов в чипах. Во-первых, по его мнению, существующие транзисторы в форме ребер можно напечатать более тонкими, что позволит упаковывать их в три раза больше. Затем на смену транзисторам в форме ребер придут новые транзисторы в форме трубок, часто называемые "gate-all-around". Это проволочные трубки, позволяющие прикладывать электрическое поле со всех сторон - сверху, сбоку и снизу, что обеспечивает более эффективный контроль над "переключателем" и позволяет справиться с проблемами, возникающими при уменьшении размеров транзисторов. По словам Келлера, эти крошечные провода позволят удвоить плотность упаковки транзисторов. По его прогнозам, укладка этих проводов друг на друга может увеличить плотность еще в восемь раз. Таким образом, количество транзисторов, которые могут быть размещены на чипе, увеличится примерно в пятьдесят раз. "Атомы не кончаются", - заявил Келлер. "Мы знаем, как печатать отдельные слои атомов".

Несмотря на все разговоры о том, что закон Мура закончился, в индустрию чипов вливается больше денег, чем когда-либо прежде. Стартапы, разрабатывающие чипы, оптимизированные для алгоритмов искусственного интеллекта, за последние несколько лет собрали миллиарды долларов, надеясь стать следующей Nvidia. Крупные технологические компании - Google, Amazon, Microsoft, Apple, Facebook, Alibaba и другие - теперь вливают деньги в разработку собственных чипов. Дефицита инноваций явно не наблюдается.

Лучшим аргументом в пользу тезиса о том, что закон Мура заканчивается, является то, что вся эта новая деятельность по созданию микросхем для конкретных целей или даже для отдельных компаний вытесняет те улучшения в области вычислений "общего назначения", которые обеспечивались регулярным выпуском компанией Intel все более мощных микропроцессоров на протяжении последних полувека. Нил Томпсон и Свенья Спанут (Neil Thompson, Svenja Spanuth), два исследователя, зашли настолько далеко, что утверждают: мы наблюдаем "упадок компьютеров как технологии общего назначения". По их мнению, будущее вычислительной техники будет разделено между "быстрыми" приложениями, которые получат мощные специализированные чипы, и "медленными" приложениями, которые застрянут в использовании чипов общего назначения, прогресс которых угаснет".

Бесспорно, что микропроцессор, рабочая лошадка современных вычислений, частично вытесняется микросхемами, созданными для конкретных целей. Менее понятно, является ли это проблемой. Графические процессоры Nvidia не являются универсальными, как микропроцессоры Intel, в том смысле, что они разработаны специально для работы с графикой и, все чаще, с искусственным интеллектом. Однако благодаря Nvidia и другим компаниям, предлагающим чипы, оптимизированные для ИИ, искусственный интеллект стал намного дешевле в реализации, а значит, и доступнее. Сегодня ИИ стал гораздо более "универсальным", чем это было возможно десять лет назад, во многом благодаря новым, более мощным чипам.

Наметившаяся в последнее время тенденция к разработке собственных микросхем крупными технологическими компаниями, такими как Amazon и Google, знаменует собой очередное изменение ситуации последних десятилетий. Компании Amazon и Google занялись разработкой микросхем, чтобы повысить эффективность серверов, на которых работают их общедоступные облака. Любой желающий может получить доступ к чипам TPU в облаке Google за определенную плату. С пессимистической точки зрения это можно расценить как разделение вычислительной техники на "медленную полосу" и "быструю полосу". Однако удивительно то, насколько легко практически любой человек может попасть в "быструю полосу", купив чип Nvidia или арендовав доступ к облаку, оптимизированному для ИИ.