随着芯片的制程工艺进入5nm时代，的极限时刻被提及，我们也能很明显的感受的到，现阶段芯片厂商对于全新制程工艺的研发，已经陷入了一定的困境当中，技术突破的时间也被进一步拉大，这一度让我们相信，芯片的研发或许真的已经达到了摩尔定律极限。

就在很多芯片厂商处于困惑之中时，就在近日IBM宣布已经成功研制了2nm的芯片，也成功打破了现阶段的摩尔定律极限，芯片的技术迭代肯定会有上限，但至少不会是现在，芯片的技术研发还有着很大的进步空间。

很多人可能会好奇，作为计算机企业的IBM，在很早之前就已经出售了芯片研发部门，为何如今还会具备这样的实力呢?其实真正的原因在于合作上，IBM选对了合作伙伴，三星以及AMD都是其合作伙伴。

虽然早早宣布退出芯片市场，但IBM对于芯片技术的研发却从未中断，多年下来拥有了良好的基础实力，配合上AMD以及三星先进的技术，在一众优秀企业的通力配合之下，终究完成了对于2nm芯片研发的壮举。

半导体长年按照大约2年性能翻倍的“摩尔定律”进化。其原动力是减小等的尺寸，以提高集成度的微细化技术。近年对于“摩尔定律”可行性的争论在半导体业界时有发生，但半导体大厂仍是摩尔定律的坚定支持者。

本周，在半导体行业会议IEDM 2022(2022年IEEE国际电子器件会议)上，英特尔发布多篇论文，包括2D材料、3D封装技术、存储器技术等多项技术进展。该公司还表示，将在未来十年内持续推进摩尔定律，预计到2030年可实现在单个封装中集成一万亿个晶体管。

“目前我们可以在单个封装放入1千亿个晶体管，还有10倍需要增加。”12月8日，中国研究院院长宋继强在接受界面新闻等采访中称，他表示，从2023年到2030年，晶体管密度要在8年时间里翻10倍，即实现2的3次方的提升，是一个比较激进的目标。

同时，目前半导体晶体管结构正从FinFET(鳍式场效应晶体管)向GAAFET(环绕栅极晶体管)架构发展，相较于目前先进制程所采用的FinFET(鳍式场效应晶体管)，GAAFET架构有着更好的静电特性，在尺寸相同的情况下，可以达到更高的频率，功耗也更低，因此是当前3纳米等高端工艺的核心技术。宋继强指出，在GAAFET架构下进一步微缩，会出现漏电流及不易控制通断等问题，用传统的硅材料去做通道材料面临诸多挑战。

宋继强称，要达到单个封装中集成一万亿个晶体管的目标，一方面要继续依靠晶体管微缩，例如用超薄的2D材料做更高效的GAA的晶体管。另一方面还需要依赖3D封装技术，能够进一步提升整个设备中的总量。

“在摩尔定律失效的当下，如果我们真想提高计算机性能，‘黄氏定律’就是一项重要指标，且在可预见的未来都将一直适用。”在近日举办的GTC中国峰会上，英伟达首席科学家Bill Dally做出上述发言。

所谓黄氏定律，是以英伟达首席执行官黄仁勋(Jensen Huang)名字命名的定律，其预测GPU将推动AI性能实现逐年翻倍。目前来看，虽然或多或少受到硬件与软件影响，但黄氏定律将稳定发展，小至个人数码产品中的脸部或语音识别，大至自动驾驶汽车、数据中心等，都受益于黄氏定律。

在半导体的开发竞争中，业界普遍认为，以每两年2倍的速度发展的即将走到极限。在芯片主战场转向于AI领域的背景下，由英伟达提出的黄氏定律得到重视，显示英伟达在AI计算领域的领先地位。

当前AI计算无处不在，进一步向个人设备、边缘领域拓展。以智能手机为例，内置芯片搭载的神经网络引擎就为各项机器学习任务奠定了基础，如面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。

“在整个GPU芯片设计历史过程中，随着工艺的发展，我们自然而然会放进去更多的计算单元。”英伟达中国区工程和解决方案高级总监赖俊杰告诉界面新闻记者。同时，英伟达依靠架构上的创新，从而使GPU发展速度和性能提升呈现几倍、甚至几十倍的结果。在GPU市场，英伟达GPU芯片的应用早已扩展到了游戏、图形计算之外，在数据中心的加速计算、AI取得主要市场份额。

不过，虽然基本上是以AI为核心，但系统运作时仍然少不了CPU参与。而Bill Dally坦承，当工程师大幅提升某部分的运算时，其他无法再加快的部分就会成为瓶颈。

Bill Dally于2009年加入英伟达，此前担任斯坦福大学计算机科学系主任，致力于数据科学、人工智能和图形学的研究，拥有120多项专利。在英伟达，Bill Dally负责领导一支200多人的科学研究团队。

Bill Dally称，英伟达的目标是通过GPU技术的改进，每年将使AI推理性能成倍提升。在GTC大会上，英伟达推出一款超高能效加速系统MAGNet，可以让AI推理能力达到每秒100万亿次的效率，比目前的商用芯片高出一个数量级。