- 1971年，世界上最快的汽車是法拉利·代託納，其時速爲280kph（174英里/小時）。世界上最高的建築物是紐約的雙子塔，高415米（1362英尺）。同年11月，英特爾發佈了第一款商用微處理器芯片4004，其中包含 2300個微型晶體管，每個晶體管的大小都相當於一個紅細胞。
- 從那以後，芯片的改進與英特爾聯合創始人戈登·摩爾的預測相符。根據他的經驗法則，即摩爾定律，隨着較小的晶體管更緊密地封裝在硅晶圓上，處理能力大約每兩年翻一番，從而提高了性能並降低了成本。現代的英特爾Skylake處理器包含大約 17.5億個晶體管——其中有一半安裝在相當於當年4004 中的一個晶體管的面積上——並且它們共同提供的計算能力約爲 4004的 400,000倍。這種指數級的進步很難與物質世界聯繫起來。如果自1971年以來汽車和摩天大樓的速度像芯片一樣增長，那麼最快的汽車現在將達到光速的十分之一。最高的建築物將到達月球的一半。
- 摩爾定律的影響在我們周圍都是可見的。如今，有30億人隨身攜帶智能手機：每個智能手機的功能都比1980 年代的佔據一臺房間大小的超級計算機強大。無數行業已被數字化顛覆改變。豐富的計算能力甚至減慢了核試驗的速度，因爲模擬爆炸比真實爆炸更容易測試核武器。摩爾定律已成爲一種文化隱喻：硅谷內外的人們都希望技術每年都在進步。
- 但是現在，在五十年後的今天，摩爾定律的盡頭似乎已經到來。使晶體管更小不再保證它們將更便宜或更快速。不需要複雜的邏輯推理就可知道： 芯片上元器件的幾何尺寸總不可能無限制地縮小下去，這就意味着，總有一天，芯片單位面積上可集成的元器件數量會達到極限。 從技術的角度看，隨着硅片上線路的密度增加，其複雜性和差錯率也將呈指數增長，同時也使全面而徹底的芯片測試變得十分艱難。一旦芯片上線條的寬度達到納米數量級時，相當於只有 幾個分子的大小，這中情況下材料的物理、化學性能將發生質的變化，致使採用現行工藝的半導體器件不能正常工作，摩爾定律也就要走到它的盡頭了。
- 從最近一期的半導體國際技術路線圖上可以看出，到 2021年，微處理器內部的晶體管的尺寸縮小的進度不是放緩，而是將停止縮小，這也就意味着推動半導體行業變革的摩爾定律將正式退出歷史舞臺。
- 英特爾在2014 年跨入14納米後，在先進製程演進上，一直都沒有新消息，雖然在同一製程上持續精進，推出14nm+及 14nm++等改良版。英特爾一直以來都是摩爾定律最堅定捍衛者，但在近些年也放緩了工藝進步的步伐。外界認爲，英特爾的14納米制程還會繼續到2021年。但是如此長壽成熟的製程，近年來也時不時會出現供貨不足的情況。
- 另一方面臺積電近年來一直在大談摩爾定律的發展，臺積電研發負責人兼技術研究副總經理黃漢森先生最近發表了他對摩爾定律的觀點，他認爲“摩爾定律還會繼續存在並發展，隨着晶體管密度更好，成本效益也會更高，受益的不僅是邏輯芯片，內存閃存芯片也會從中受益。”。在今年8 月份的hot chips會議上，黃漢森就有過類似的觀點了，碳納米管可以將半導體工藝推進到1.2nm 尺寸，最終可達到0.1nm尺度，這相當於硅原子的大小級別了，儘管摩爾定律還會繼續有效，但在這次會議上黃漢森也提到現在描述工藝水平的 XXnm說法已經跟不上時代的步伐了，因爲它與晶體管柵極已經不是絕對相關了，製程節點已經變成了一種營銷遊戲，與科技本身的特性已經沒有任何的關係了，由於現在柵極寬度的定義無法準確描述 7nm,5nm這樣的半導體工藝核心，他建議採用新的指標來衡量半導體工藝的進展，未來工藝可以微縮到 0.1nm級別，相當於硅原子大小，現在的製程定義不再能反應真正的科技水平，原子級別的微縮纔是創新，而且很多創新都是不可預見的。
- 所以摩爾定律似乎將要失效但這並不意味着計算方面的進展會突然停滯，而是這種進展的性質正在發生變化。芯片仍然會變得更好，但是速度會更慢（英特爾表示，數字運算能力現在僅每2.5 年就翻一番）。除原始硬件性能之外，其他方面的改進將決定未來的計算。
- 首先是軟件。三年前，AlphaGo在首爾舉行的圍棋比賽中擊敗了最好的人類選手之一李世石。圍棋因其複雜性而特別引起計算機科學家的興趣：棋盤的位置可能比宇宙中存在的粒子多。 所以，下圍棋的系統不能簡單地依靠摩爾定律提供的計算蠻力來取勝。相反，AlphaGo依賴於 “深度學習”技術，該技術部分以人腦的工作方式爲模型。它的成功表明，通過新算法可以實現巨大的性能提升。確實，硬件的發展緩慢將爲開發更聰明的軟件提供更強大的動力。AI 不僅能讓計算更加效率，它同時也會在很大程度上幫助芯片技術向前發展。深度神經網絡強大之處在於，通過對大量數據進行學習，可以自己對問題（或應用）進行建模、提取 feature或者作出判斷。而芯片設計和製造（工藝），都是建立在大量數據以及複雜的模型的基礎之上的。利用神經網絡的優勢幫助我們提高芯片設計和製造技術是自然而然的思路。另一方面，芯片設計和製造又是高度依賴自動化設計工具的領域，這些EDA工具中很多環節的算法也都有可能通過和AI結合來獲得更好的效果，或者提高生產效率。AI可以替我們“診斷”芯片出現的問題， 就像現在神經網絡表現很好的醫療領域一樣。
- 第二個領域是“雲”，即通過互聯網提供服務的數據中心網絡。當計算機是獨立設備（無論是大型機還是臺式機）時，其性能首先取決於處理器芯片的速度。如今，計算機在不更改硬件的情況下變得越來越強大。在執行諸如搜索電子郵件或計算出最佳旅行路線之類的事情時， 他們可以利用雲計算的巨大（靈活）的數字資源。互連性增強了它們的功能：智能手機功能 （如衛星定位，運動傳感器和無線支付支持）現在與處理器速度一樣重要。5G技術可以讓設備之間的連接更加高效，延遲更低，速度更快，從而讓手機等移動設備可以通過網絡連接到雲端服務器，享受服務器設備的高性能的同時還擁有足夠的便攜性。
- 第三方面的改進在於新的計算架構——針對特定工作進行了優化的專用芯片，甚至是利用量子力學同時處理多個數據集的神奇技術。當通用微處理器迅速發展時期，很少需要採用這種方法，因爲一個CPU足以應付，但是現在卻不同了，半導體工藝水平的限制使得CPU不能滿足我們的需求，爲此我們需要專門針對雲計算，神經網絡處理，計算機視覺和其他任務設計芯片。計算的範圍將被擴大不僅限於CPU，異構計算正在崛起，在未來我們可能會在不同的硅片上構建產品並將它們整合到一個異構系統中。
- 事實上速度並不是一切，這意味着什麼？摩爾定律從來都不是物理定律，而是一種自我實現的預言，技術行業藉此來協調和同步其行動。它的消亡將使技術進步的速度難以預測。隨着新的性能增強技術的出現和啓動，道路上可能會有顛簸。但是，鑑於大多數人會根據功能和特性的可用性而不是處理速度來判斷計算設備的好壞，因此對於消費者而言，這似乎並沒有太大的放緩。
- 對於公司而言，摩爾定律的終結將因向雲計算的轉移而掩蓋。公司已經減少了對 PC的升級頻率，並且已經停止運行自己的電子郵件服務器。但是，這種模式取決於快速而可靠的連接和網絡。這將增加對改善寬帶基礎設施的需求。
- 對於技術行業本身，摩爾定律的衰落加強了集中化雲計算的邏輯，而集中化雲計算已經被一些大公司所主導：亞馬遜，谷歌，微軟，阿里巴巴，百度和騰訊。他們正在努力改善其雲基礎架構的性能。他們也正在搜尋那些有科技創新潛力的初創公司——Google於2014年收購了 Deepmind，這是一家研發AlphaGo的英國公司。
- 50多年來，似乎不可阻擋的晶體管收縮使計算機變得更加便宜且功能強大。隨着摩爾定律的逐漸消失，進步的步伐將越來越小。但是計算機和其他設備將繼續變得功能強大——只是以不同和更多不同的方式。