- 1971年，世界上最快的汽车是法拉利·代托纳，其时速为280kph（174英里/小时）。世界上最高的建筑物是纽约的双子塔，高415米（1362英尺）。同年11月，英特尔发布了第一款商用微处理器芯片4004，其中包含 2300个微型晶体管，每个晶体管的大小都相当于一个红细胞。
- 从那以后，芯片的改进与英特尔联合创始人戈登·摩尔的预测相符。根据他的经验法则，即摩尔定律，随着较小的晶体管更紧密地封装在硅晶圆上，处理能力大约每两年翻一番，从而提高了性能并降低了成本。现代的英特尔Skylake处理器包含大约 17.5亿个晶体管——其中有一半安装在相当于当年4004 中的一个晶体管的面积上——并且它们共同提供的计算能力约为 4004的 400,000倍。这种指数级的进步很难与物质世界联系起来。如果自1971年以来汽车和摩天大楼的速度像芯片一样增长，那么最快的汽车现在将达到光速的十分之一。最高的建筑物将到达月球的一半。
- 摩尔定律的影响在我们周围都是可见的。如今，有30亿人随身携带智能手机：每个智能手机的功能都比1980 年代的占据一台房间大小的超级计算机强大。无数行业已被数字化颠覆改变。丰富的计算能力甚至减慢了核试验的速度，因为模拟爆炸比真实爆炸更容易测试核武器。摩尔定律已成为一种文化隐喻：硅谷内外的人们都希望技术每年都在进步。
- 但是现在，在五十年后的今天，摩尔定律的尽头似乎已经到来。使晶体管更小不再保证它们将更便宜或更快速。不需要复杂的逻辑推理就可知道： 芯片上元器件的几何尺寸总不可能无限制地缩小下去，这就意味着，总有一天，芯片单位面积上可集成的元器件数量会达到极限。 从技术的角度看，随着硅片上线路的密度增加，其复杂性和差错率也将呈指数增长，同时也使全面而彻底的芯片测试变得十分艰难。一旦芯片上线条的宽度达到纳米数量级时，相当于只有 几个分子的大小，这中情况下材料的物理、化学性能将发生质的变化，致使采用现行工艺的半导体器件不能正常工作，摩尔定律也就要走到它的尽头了。
- 从最近一期的半导体国际技术路线图上可以看出，到 2021年，微处理器内部的晶体管的尺寸缩小的进度不是放缓，而是将停止缩小，这也就意味着推动半导体行业变革的摩尔定律将正式退出历史舞台。
- 英特尔在2014 年跨入14纳米后，在先进制程演进上，一直都没有新消息，虽然在同一制程上持续精进，推出14nm+及 14nm++等改良版。英特尔一直以来都是摩尔定律最坚定捍卫者，但在近些年也放缓了工艺进步的步伐。外界认为，英特尔的14纳米制程还会继续到2021年。但是如此长寿成熟的制程，近年来也时不时会出现供货不足的情况。
- 另一方面台积电近年来一直在大谈摩尔定律的发展，台积电研发负责人兼技术研究副总经理黄汉森先生最近发表了他对摩尔定律的观点，他认为“摩尔定律还会继续存在并发展，随着晶体管密度更好，成本效益也会更高，受益的不仅是逻辑芯片，内存闪存芯片也会从中受益。”。在今年8 月份的hot chips会议上，黄汉森就有过类似的观点了，碳纳米管可以将半导体工艺推进到1.2nm 尺寸，最终可达到0.1nm尺度，这相当于硅原子的大小级别了，尽管摩尔定律还会继续有效，但在这次会议上黄汉森也提到现在描述工艺水平的 XXnm说法已经跟不上时代的步伐了，因为它与晶体管栅极已经不是绝对相关了，制程节点已经变成了一种营销游戏，与科技本身的特性已经没有任何的关系了，由于现在栅极宽度的定义无法准确描述 7nm,5nm这样的半导体工艺核心，他建议采用新的指标来衡量半导体工艺的进展，未来工艺可以微缩到 0.1nm级别，相当于硅原子大小，现在的制程定义不再能反应真正的科技水平，原子级别的微缩才是创新，而且很多创新都是不可预见的。
- 所以摩尔定律似乎将要失效但这并不意味着计算方面的进展会突然停滞，而是这种进展的性质正在发生变化。芯片仍然会变得更好，但是速度会更慢（英特尔表示，数字运算能力现在仅每2.5 年就翻一番）。除原始硬件性能之外，其他方面的改进将决定未来的计算。
- 首先是软件。三年前，AlphaGo在首尔举行的围棋比赛中击败了最好的人类选手之一李世石。围棋因其复杂性而特别引起计算机科学家的兴趣：棋盘的位置可能比宇宙中存在的粒子多。 所以，下围棋的系统不能简单地依靠摩尔定律提供的计算蛮力来取胜。相反，AlphaGo依赖于 “深度学习”技术，该技术部分以人脑的工作方式为模型。它的成功表明，通过新算法可以实现巨大的性能提升。确实，硬件的发展缓慢将为开发更聪明的软件提供更强大的动力。AI 不仅能让计算更加效率，它同时也会在很大程度上帮助芯片技术向前发展。深度神经网络强大之处在于，通过对大量数据进行学习，可以自己对问题（或应用）进行建模、提取 feature或者作出判断。而芯片设计和制造（工艺），都是建立在大量数据以及复杂的模型的基础之上的。利用神经网络的优势帮助我们提高芯片设计和制造技术是自然而然的思路。另一方面，芯片设计和制造又是高度依赖自动化设计工具的领域，这些EDA工具中很多环节的算法也都有可能通过和AI结合来获得更好的效果，或者提高生产效率。AI可以替我们“诊断”芯片出现的问题， 就像现在神经网络表现很好的医疗领域一样。
- 第二个领域是“云”，即通过互联网提供服务的数据中心网络。当计算机是独立设备（无论是大型机还是台式机）时，其性能首先取决于处理器芯片的速度。如今，计算机在不更改硬件的情况下变得越来越强大。在执行诸如搜索电子邮件或计算出最佳旅行路线之类的事情时， 他们可以利用云计算的巨大（灵活）的数字资源。互连性增强了它们的功能：智能手机功能 （如卫星定位，运动传感器和无线支付支持）现在与处理器速度一样重要。5G技术可以让设备之间的连接更加高效，延迟更低，速度更快，从而让手机等移动设备可以通过网络连接到云端服务器，享受服务器设备的高性能的同时还拥有足够的便携性。
- 第三方面的改进在于新的计算架构——针对特定工作进行了优化的专用芯片，甚至是利用量子力学同时处理多个数据集的神奇技术。当通用微处理器迅速发展时期，很少需要采用这种方法，因为一个CPU足以应付，但是现在却不同了，半导体工艺水平的限制使得CPU不能满足我们的需求，为此我们需要专门针对云计算，神经网络处理，计算机视觉和其他任务设计芯片。计算的范围将被扩大不仅限于CPU，异构计算正在崛起，在未来我们可能会在不同的硅片上构建产品并将它们整合到一个异构系统中。
- 事实上速度并不是一切，这意味着什么？摩尔定律从来都不是物理定律，而是一种自我实现的预言，技术行业借此来协调和同步其行动。它的消亡将使技术进步的速度难以预测。随着新的性能增强技术的出现和启动，道路上可能会有颠簸。但是，鉴于大多数人会根据功能和特性的可用性而不是处理速度来判断计算设备的好坏，因此对于消费者而言，这似乎并没有太大的放缓。
- 对于公司而言，摩尔定律的终结将因向云计算的转移而掩盖。公司已经减少了对 PC的升级频率，并且已经停止运行自己的电子邮件服务器。但是，这种模式取决于快速而可靠的连接和网络。这将增加对改善宽带基础设施的需求。
- 对于技术行业本身，摩尔定律的衰落加强了集中化云计算的逻辑，而集中化云计算已经被一些大公司所主导：亚马逊，谷歌，微软，阿里巴巴，百度和腾讯。他们正在努力改善其云基础架构的性能。他们也正在搜寻那些有科技创新潜力的初创公司——Google于2014年收购了 Deepmind，这是一家研发AlphaGo的英国公司。
- 50多年来，似乎不可阻挡的晶体管收缩使计算机变得更加便宜且功能强大。随着摩尔定律的逐渐消失，进步的步伐将越来越小。但是计算机和其他设备将继续变得功能强大——只是以不同和更多不同的方式。