1965年,戈登·摩爾(Gordon Moore)觀察到自1959年集成電路(IC)技術誕生以來,單塊集成電路上元器件數平均每年翻一番。他預測,由成本和成品率等經濟性考慮所驅動的這個趨勢至少能持續10年,雖然後來這一集成度發展的步伐減緩到每隔18個月左右翻一番。他同時指出「集成電路特徵尺寸的縮小,使得在相同的功耗密度下,晶片能更高速地運行」。大約10年後,這個創新途徑被IBM的羅伯特·登納德(Robert dennard)歸納為「登納德按比例縮小定律」,從而開創了以指數方式降低器件工作電壓和提高時鐘頻率的可能性。
特徵尺寸、頻率和功耗的相互作用的縮放意味著在成本大致恆定的前提下,每一代晶片的性能將隨著時間呈指數級改善。摩爾還預測,伴隨著這種改善,半導體、微電子技術將給社會發展帶來巨大影響。摩爾預測得到持續驗證的時間比他預計的長了40年。但是登納德按比例縮小定律在2004年失效,導致CMOS(互補金屬氧化物半導體)邏輯系統出現功耗-頻率危機,也對傳統按比例縮小尺寸的技術路徑在2020年代中期應用的前景造成了更加根本的挑戰。
在那之後的十年內,隨著二維光刻技術能力達到原子尺度,摩爾描述的神奇的增長進程將走到盡頭。常規按比例縮小技術途徑的終結將影響所有依賴於成本、能耗和存儲能力改善的計算技術的設備:從大規模系統到最小的消費類電子設備。
現有半導體微電子技術在器件級的限制及其對系統級的影響,迫切要求後續技術來替換當前已無處不在的CMOS邏輯系統。然而,哪種技術能夠接班還不清楚。但是,可以沿著三條基本途徑去探索:發明新的器件、發明藉助或不用藉助新器件的新體系結構和開發新的計算範式。業界期望在以上三種途徑上有實質性的探索和創新。新的計算模型很可能會放棄數字計算,可能會涉及新的領域,以前的技術範式也許會不再那麼有用。新體系結構和新封裝技術將會更加靈活地利用現有的計算構建模塊提高性能,而不必考慮底層硬體技術。新材料和新電晶體技術將通過產生更有效的底層邏輯器件來提高性能。
近年來,業界關注的重點仍會集中在改進材料技術和開發基於CMOS的三維器件上。長期而言,業界期望出現新器件和基於新計算技術的實用系統。為了有效地滿足大範圍內的社會發展需求和期望,這些新器件和計算範式必須可以規模生產並能以指數方式增長。這一要求可能需要根本性的技術變革才能實現,就如當年從真空管到半導體的過渡。這種變革可能長達數十年。所以,不論半導體的發展路線圖是否還有10年或20年的剩餘生命力,從現在開始,研究人員必須為這場變革打下戰略基礎。
和物理定律不一樣,摩爾定律是一個由按比例縮小技術(通過不斷改進光刻技術來縮小工藝尺寸)驅動的經濟理論。過去的50年(截至2015年),出現過多次電子器件性能持續增長的難題,不斷挑戰著摩爾定律。但有人曾總結了「摩爾定律的強健性」,即儘管有諸多底層物理機制的限制,總有新的技術及時出現,使摩爾定律得以延續。然而,為什麼現在情況不同了呢?
如果說按比例縮小技術是摩爾定律的驅動力,那麼二維矽光刻技術則是其核心。越來越多專家認為,到2020年底,二維光刻技術將會達到極限,而且,現在其後繼技術還不清楚。在半導體材料中,矽原子的直徑約為0.5納米(nm),按目前的提高速度,到2022~2024年,光刻系統將能夠使用5納米技術在原子尺度上製造出電晶體。
這一特徵尺寸僅相當於十餘個或更少的矽原子。在經典物理學意義上,這意味著控制電荷將會遇到極限。如果要更進一步提升性能,則需要在量子力學效應佔主導地位的尺度上設計這些器件,如利用隧道效應讓電子穿過柵極氧化物,而這會帶來漏電和能量損失增加的風險。雖然採用極紫外(EUV)光刻技術,在2022年以前特徵尺寸能達到3~5nm,但是驅動著產業界採用更小特徵尺寸的因素,更多是通過性能提升獲得的經濟與投資回報,而不是技術可行性,而光刻技術成本的快速增加,會使更小尺寸的工藝變得不經濟。
從這個意義上說,讓摩爾定律走到頭的將是可用的二維光刻縮小技術發展的終結。基本器件物理學和生產更小電晶體所需成本的增加所帶來的限制已在地平線上隱約可見。當然目前來看,並不確定哪個限制會最終導致摩爾定律失效,但是很顯然,這些因素之一會使進一步提昇平面集成電路的器件密度變得十分困難,並且計算能力也不能繼續依靠長期以來運行良好的基本方式而持續提升。
摩爾定律的失效會影響所有依靠縮小特徵尺寸來取得進步的設備,包括處理和存儲。要增加電路或存儲密度,就需要支持信號增益並且能減少數據移動的能耗。互聯材料的本徵電阻將對任何涉及電子的解決方案形成限制。電路中用金屬傳輸表示比特的電子,而金屬材料具有電阻和電容,傳輸每一比特所消耗的能量與其傳輸的距離成比例。銅作為一種良好的導體,是室溫下常用的材料。不管怎麼說,數據移動仍然佔據了能量損失的主要部分限制了電路的發展,使其只能走向垂直方向,從二維擴展到三維電路。
對各種消費類電子設備而言,摩爾定律的失效會對封裝和性能產生挑戰。消費類電子設備通常依賴於成本和能效的優化,從而在有限的電池容量或電源供應下,獲得更多功能。
這些挑戰促使研究者們對計算的組成有了更開闊的思考。美國高級情報研究計劃署(IARPA)最近委託開展的一份報告「面向智能社會的備選計算技術展望(An Initial Look at Alternative Computing Technologies for the Intelligence Community)」中,提出了四種基本的計算模型的:
1. 經典數字計算(Classical Digital Computing,CDC),包括所有的二進位數字設備,這是當前計算和消費者電子產業的基礎;
2. 模擬計算(Analog Computing,AC),也包括直接利用物理現象實現計算的非二進位設備;
3. 神經啟發計算(Neuro-inspired Computing,NC),包括基於大腦工作原理和通用神經元計算的器件和設備;
4. 量子計算(Quantum Computing,QC),理論上它可以用於通過從代表一個問題的所有可能答案的組合狀態中選擇出所需的狀態來解決一些組合複雜性問題。
以上新計算模型可能創造很多新方法,這些方法將遠遠超過傳統上表現良好的CMOS和數字電子技術。但是我們認為,在數字計算技術表現已經很好的任務上,用它們作為替代並不合適。