过去半个世纪里，计算技术以一种稳定而可预测的节奏不断进步。晶体管——计算机芯片中用来控制电信号的基本元件——不断缩小，使芯片运行速度提升，设备更高效地完成任务。这种变化推动了科学模拟、天气预测、图形渲染以及机器学习的发展，让社会几乎在不知不觉中享受到了计算能力提升带来的便利。
这一规律被称为摩尔定律，由商人兼科学家戈登·摩尔提出。摩尔定律指出，芯片上的晶体管数量大约每隔几年就会翻一番，这不仅提升了性能，也促进了设备微型化。然而，这种几乎自动的性能提升模式正在逐渐消失，并非创新停滞，而是原先支撑摩尔定律的物理假设逐渐不再适用。
取而代之的是多种策略的叠加效果。首先，新材料与晶体管设计正在逐步改进，以降低能量损耗和电流泄漏。虽然这种改进幅度小、渐进，但能有效控制功耗。其次，芯片的结构设计发生了变化。现代芯片越来越多地采用垂直堆叠或紧密排列的方式，缩短了数据传输路径，节省了处理时间和能量。
最显著的变化是处理器的专业化。现代计算系统不再依赖单一通用CPU完成所有任务，而是结合不同类型的处理器协同工作。传统CPU负责控制和决策，图形处理器（GPU）处理图形和并行计算任务，人工智能加速器专注于大量重复性计算。整体性能取决于这些不同组件的协作效率，而不是单一器件的速度。
同时，研究人员还在探索量子处理器和光子处理器等实验性技术。量子处理器利用量子力学原理处理复杂计算，而光子处理器则使用光代替电流。这类技术并非通用替代品，而是针对特定问题，如优化或仿真，提供高效解决方案，通常作为辅助协处理器与传统计算结合使用。
对于日常计算任务而言，传统处理器、内存系统和软件优化依然是性能提升的主力。摩尔定律时代之后的计算进步更为分散和针对性，人工智能、诊断分析、导航、复杂建模等领域可能会看到显著提升，而通用性能增长则相对缓慢。
在超级计算领域，像SC25大会上展示的混合CPU与GPU系统，以及量子和光子处理器的实验应用，表明这些新技术正逐渐成为经典计算的有效补充，而不是替代品。它们的优势在于解决特定类别的问题，如优化路径、低功耗计算或寻找近似最优解。通过将这些新型计算技术与传统系统结合，能够扩展整体能力，同时控制复杂性和能耗。
摩尔定律之后的计算世界并非停滞，而是进入了一个依赖架构创新、专业化设计和能源管理的新阶段。性能不再自动继承，而是需要精心规划和付出代价——在硬件设计、复杂度权衡和能源消耗上必须有意识地管理。这个时代要求我们对计算保持更清晰、更诚实的认知，理解进步背后的逻辑，而非仅依赖传统经验或营销宣传。
原文来源：theconversation（编译 / 整理：olaola）
图片来源：unsplash/Alexandre Debiève