計(jì)算機(jī)的興起不僅源于技術(shù)上的成功，也歸功于經(jīng)濟(jì)力量為其提供的支持。Bresnahan和Trajtenberg創(chuàng)造了通用技術(shù)（general purpose technology， GPT）一詞用于諸如計(jì)算機(jī)這類(lèi)的產(chǎn)品，這些產(chǎn)品具有廣泛的技術(shù)適用性，并且在數(shù)十年間其產(chǎn)品改進(jìn)和市場(chǎng)增長(zhǎng)可以相互促進(jìn)。但是，他們還預(yù)測(cè)到GPT可能會(huì)在其生命周期的后期遭遇挑戰(zhàn)：隨著進(jìn)展放緩，在一些特定的市場(chǎng)定位上，其他技術(shù)可以取代GPT并破壞了這一經(jīng)濟(jì)持續(xù)增長(zhǎng)的周期。今天，我們能夠觀察到這樣的轉(zhuǎn)變：由于中央處理器（CPU）的改進(jìn)速度減慢，諸多應(yīng)用程序轉(zhuǎn)而使用專(zhuān)用處理器，例如圖形處理器（GPU），雖然它能夠完成的工作比傳統(tǒng)的通用處理器要少，但是在實(shí)現(xiàn)特定功能的時(shí)候表現(xiàn)出了更高的性能。包括深度學(xué)習(xí)（一種機(jī)器學(xué)習(xí)類(lèi)型）和比特幣挖掘在內(nèi)的許多備受關(guān)注的應(yīng)用已經(jīng)在跟隨這一趨勢(shì)。

在這種背景下，我們現(xiàn)在可以更加明確這篇文章的主題：“The Decline of Computers as a General Purpose Technology”。我們并不是說(shuō)計(jì)算機(jī)將失去技術(shù)能力從而“忘記”如何進(jìn)行一些計(jì)算，我們的觀點(diǎn)是，在快速改進(jìn)通用處理器的基礎(chǔ)上，零散的經(jīng)濟(jì)周期正在逐步取代使用通用計(jì)算平臺(tái)的經(jīng)濟(jì)周期，而在這種零散的周期中，經(jīng)濟(jì)學(xué)將用戶(hù)推向由專(zhuān)用處理器驅(qū)動(dòng)的多樣化計(jì)算平臺(tái)。

這種碎片化意味著部分計(jì)算將以不同的速度進(jìn)行，這對(duì)于在“快車(chē)道”中運(yùn)行的應(yīng)用來(lái)說(shuō)是一件好事情，在這種情況下，更新迭代保持迅速的狀態(tài)，但是對(duì)于那些不再受益計(jì)算能力提升的應(yīng)用來(lái)說(shuō)，他們也因此被分配為“慢車(chē)道”。這種轉(zhuǎn)變也可能減慢計(jì)算機(jī)改進(jìn)的總體步伐，從而危及這一重要領(lǐng)域的經(jīng)濟(jì)貢獻(xiàn)。

通用與專(zhuān)用計(jì)算

早期-從專(zhuān)用到通用。早期的電子產(chǎn)品并不是可以執(zhí)行許多不同計(jì)算的通用計(jì)算機(jī)，而是專(zhuān)用于完成一項(xiàng)任務(wù)且僅有一項(xiàng)任務(wù)的專(zhuān)用設(shè)備，例如收音機(jī)或電視機(jī)。這種專(zhuān)用的設(shè)備具有以下優(yōu)點(diǎn)：設(shè)計(jì)復(fù)雜度可控、處理器高效、工作更快、功耗更低，而缺點(diǎn)就在于專(zhuān)用處理器的應(yīng)用范圍也更窄。

早期的電子計(jì)算機(jī)，甚至那些被設(shè)計(jì)為“通用”的計(jì)算機(jī)，實(shí)際上都是為特定算法量身定制的，很難適應(yīng)其他算法。例如，1946 ENIAC雖然在理論上是通用計(jì)算機(jī)，但它主要用于計(jì)算artillery range tables，哪怕需要略微不同的計(jì)算，都必須重新手動(dòng)連接計(jì)算機(jī)來(lái)改變硬件設(shè)計(jì)。解決此問(wèn)題的關(guān)鍵在于需要設(shè)計(jì)出可以存儲(chǔ)指令的新計(jì)算機(jī)體系結(jié)構(gòu)，這種體系結(jié)構(gòu)使計(jì)算機(jī)更加靈活，能夠在通用硬件而非專(zhuān)用硬件上執(zhí)行許多不同的算法。這種“馮·諾依曼架構(gòu)”非常成功，目前，它依然是幾乎所有通用處理器的基礎(chǔ)。

通用處理器的崛起。許多技術(shù)引入市場(chǎng)時(shí)便經(jīng)歷了可以幫助它們發(fā)展的良性循環(huán)（圖1a）。最初，使用者購(gòu)買(mǎi)該產(chǎn)品，從而為產(chǎn)品升級(jí)更新提供了資金支持。隨著產(chǎn)品的改進(jìn)，越來(lái)越多的消費(fèi)者會(huì)去購(gòu)買(mǎi)它，這為下一輪的改進(jìn)提供了資金，依此類(lèi)推。然而對(duì)于許多產(chǎn)品而言，由于產(chǎn)品改進(jìn)變得過(guò)于困難或市場(chǎng)增長(zhǎng)停滯，這種循環(huán)從中短期來(lái)看在逐漸減弱。

圖1. 歷史上通用處理器的良性循環(huán)（a）正在轉(zhuǎn)變?yōu)閒ragmentation cycle（b）

在通用處理器發(fā)展的幾十年里，GPT一直能夠繼續(xù)受益于這一良性經(jīng)濟(jì)周期。其市場(chǎng)已經(jīng)從軍事、航天等領(lǐng)域發(fā)展到全球使用的20多億臺(tái)PC，這種市場(chǎng)增長(zhǎng)推動(dòng)了越來(lái)越多的投資來(lái)實(shí)現(xiàn)處理器的改進(jìn)。例如，英特爾過(guò)去十年在研發(fā)和制造設(shè)備上花費(fèi)了1830億美元，這部分的投資已經(jīng)帶來(lái)了巨大的回報(bào)：據(jù)估計(jì)，自1971年以來(lái)處理器性能已經(jīng)提高了約40萬(wàn)倍。

另一種選擇：專(zhuān)用處理器。通用處理器必須能夠很好地進(jìn)行多種不同的計(jì)算，這導(dǎo)致設(shè)計(jì)上不得不做出折衷，雖然有許多運(yùn)算可以快速完成，但并沒(méi)有哪一個(gè)達(dá)到最優(yōu)。對(duì)于那些適合專(zhuān)用處理器的應(yīng)用，這樣的折衷方案會(huì)導(dǎo)致很高的性能損失。這些應(yīng)用的運(yùn)行具有一些特征：

l 大量計(jì)算可以并行化。

l 要進(jìn)行的計(jì)算是穩(wěn)定的，并且很規(guī)則地更替（規(guī)則性）。

l 給定計(jì)算量需要相對(duì)較少的內(nèi)存訪問(wèn)（局部性）。

l 計(jì)算可以用較少的有效數(shù)字進(jìn)行。

在上述的情況下，專(zhuān)用處理器（例如，ASIC）或異構(gòu)芯片的專(zhuān)用部件（例如，I.P. block）可以更好地執(zhí)行運(yùn)算，因?yàn)檫@些硬件可以根據(jù)應(yīng)用量身定制。

在對(duì)典型CPU（主要的通用處理器）和典型GPU（最常見(jiàn)的專(zhuān)用處理器）進(jìn)行比較時(shí)，可以看出專(zhuān)用性在某種程度上改變了處理器設(shè)計(jì)變化程度（見(jiàn)附表）。

表。 CPU和GPU的技術(shù)規(guī)格比較

GPU的運(yùn)行速度較慢，約為CPU的三分之一，但在每個(gè)時(shí)鐘周期中，它可以并行執(zhí)行比CPU多100倍的計(jì)算。這使得對(duì)于并行性很強(qiáng)的任務(wù)，它的運(yùn)算比CPU快得多，反之，對(duì)于那些并行性很小的任務(wù)，GPU的運(yùn)行速度則會(huì)慢于CPU。

GPU的內(nèi)存帶寬通常是GPU的5-10倍（帶寬決定一次可以傳輸多少數(shù)據(jù)），但訪問(wèn)這些數(shù)據(jù)的時(shí)間延遲卻要長(zhǎng)得多（至少是最近內(nèi)存時(shí)鐘周期的6倍），這使得GPU在可預(yù)測(cè)的計(jì)算（從內(nèi)存中所需的數(shù)據(jù)可以被預(yù)測(cè)并在適當(dāng)?shù)臅r(shí)間傳輸?shù)教幚砥鳎┓矫孀龅酶茫诓豢深A(yù)測(cè)的計(jì)算上表現(xiàn)不佳。

對(duì)于與專(zhuān)用硬件非常匹配的應(yīng)用程序，GPU在性能上的提高可能是巨大的。例如，2017年，GPU的領(lǐng)先制造商N(yùn)VIDIA估計(jì)，深度學(xué)習(xí)（AlexNet與Caffe合作）在GPU上的運(yùn)行速度較CPU提高了35倍以上，現(xiàn)今，該速度甚至更高。

專(zhuān)用處理器的另一個(gè)重要優(yōu)點(diǎn)是，在進(jìn)行相同的計(jì)算時(shí)它的能耗更低。這對(duì)于受電池壽命限制的應(yīng)用（如手機(jī)、物聯(lián)網(wǎng)設(shè)備）和需要大規(guī)模計(jì)算的應(yīng)用（云計(jì)算/數(shù)據(jù)中心、超級(jí)計(jì)算）尤為重要。

截至2019年，十大最省電超級(jí)計(jì)算機(jī)中有九臺(tái)使用了NVIDIA的GPU。

專(zhuān)用處理器也有致命的缺點(diǎn)：它們能運(yùn)行的程序范圍非常有限，也很難編程，并且通常需要一個(gè)運(yùn)行操作系統(tǒng)的通用處理器來(lái)控制它們中的一個(gè)或多個(gè)。設(shè)計(jì)生產(chǎn)專(zhuān)用硬件也可能十分昂貴。對(duì)于通用處理器，其固定成本（也稱(chēng)為非經(jīng)常性工程成本（NRE））會(huì)均攤到大量芯片上。相比之下，專(zhuān)用處理器的市場(chǎng)通常要小得多，因此每個(gè)芯片的固定成本更高。截至2018年，使用先進(jìn)技術(shù)制造帶有專(zhuān)用處理器的芯片的總成本約為8000萬(wàn)美元，而使用老一代的技術(shù)可以將成本降低到3000萬(wàn)美元左右。

盡管專(zhuān)用處理器有很多優(yōu)點(diǎn)，但是它們的缺點(diǎn)依然非常致命，在過(guò)去的幾十年中，出GPU以外，其他專(zhuān)用處理器幾乎沒(méi)有被采用。專(zhuān)用處理器的技術(shù)僅僅采用在那些性能提升非常關(guān)鍵的領(lǐng)域，包括軍事應(yīng)用、游戲和加密貨幣挖掘領(lǐng)域。但這種情況正在開(kāi)始改變。

專(zhuān)用處理器的現(xiàn)狀。包括PC、移動(dòng)設(shè)備、物聯(lián)網(wǎng)（IoT）和云計(jì)算/超級(jí)計(jì)算在內(nèi)的所有主要計(jì)算平臺(tái)的專(zhuān)用性都變得越來(lái)越強(qiáng)。其中，PC仍然是通用性最強(qiáng)的。相比之下，由于電池壽命，能源效率在移動(dòng)和物聯(lián)網(wǎng)中更為重要，因此，智能手機(jī)芯片上的許多電路（例如RFID）和傳感器均使用專(zhuān)用處理器。

云計(jì)算/超級(jí)計(jì)算也變得更趨向于專(zhuān)用性。例如，2018年，最大的500臺(tái)超級(jí)計(jì)算機(jī)的新增產(chǎn)品首次從專(zhuān)用處理器獲得了比通用處理器更高的性能。

國(guó)際半導(dǎo)體技術(shù)藍(lán)圖（ITRS）的行業(yè)專(zhuān)家協(xié)調(diào)了保持摩爾定律發(fā)展所需的技術(shù)改進(jìn)，他們?cè)谧罱K報(bào)告中隱含地表達(dá)了這種向?qū)Ｓ眯缘霓D(zhuǎn)變。他們承認(rèn)，不應(yīng)再用傳統(tǒng)的“一刀切”的方法去確定設(shè)計(jì)要求，相反，應(yīng)針對(duì)特定應(yīng)用量身定制。

下一部分將探討所有主要計(jì)算平臺(tái)向?qū)Ｓ锰幚砥鞯霓D(zhuǎn)變，將對(duì)生產(chǎn)通用處理器的經(jīng)濟(jì)性產(chǎn)生的影響。

通用技術(shù)的碎片化

支持GPT的良性循環(huán)來(lái)自一系列相輔相成的技術(shù)和經(jīng)濟(jì)力量。但不幸的是，它同樣也會(huì)帶來(lái)反作用：如果這個(gè)周期中的某個(gè)部分中的改進(jìn)進(jìn)程變慢，那么其他部分的改進(jìn)也會(huì)相應(yīng)變慢。我們將此對(duì)立點(diǎn)稱(chēng)為“fragmenting cycle”，因?yàn)樗锌赡軐⒂?jì)算碎片化為一系列松散相關(guān)的部分，這些部分以不同的速度推進(jìn)。

如圖1（b）所示，fragmenting cycle分為三個(gè)部分：

l 技術(shù)進(jìn)步緩慢。

l 新用戶(hù)減少

l 更難為創(chuàng)新籌集資金

這個(gè)周期背后的原理很簡(jiǎn)單：如果技術(shù)進(jìn)步緩慢，那么新用戶(hù)的人數(shù)就會(huì)減少，但如果沒(méi)有這些新用戶(hù)提供的市場(chǎng)增長(zhǎng)，那么改進(jìn)該技術(shù)所需的不斷上漲的成本可能變得令人望而卻步，從而減緩了進(jìn)展。因此，在這種協(xié)同反應(yīng)之下，每個(gè)部分都會(huì)進(jìn)一步增強(qiáng)碎片化。

下面，我們將詳細(xì)分析該循環(huán)三個(gè)部分中每一個(gè)的狀態(tài)，從而得到“碎片化已經(jīng)開(kāi)始”已然開(kāi)始的結(jié)論。

技術(shù)進(jìn)步緩慢。我們用兩個(gè)關(guān)鍵指標(biāo)來(lái)衡量處理器的改進(jìn)速度：“性能“”和“每美元性能”。從長(zhǎng)期數(shù)據(jù)看，這兩個(gè)指標(biāo)均迅速提高，主要是因?yàn)?a target="_blank">晶體管的小型化致使每個(gè)芯片的晶體管擁有更高的密度（摩爾定律）和更快的晶體管開(kāi)關(guān)速度（Dennard縮放比例定律）。不幸的是，由于技術(shù)原因，制造商已經(jīng)達(dá)到了現(xiàn)有材料和設(shè)計(jì)所能做的物理極限，Dennard 縮放比例定律于2004/2005年終結(jié)，摩爾定律也越來(lái)越難維持，這些技術(shù)極限需要付出極大的努力才能克服。在這個(gè)過(guò)程中，可以明顯看到小型化所帶來(lái)的“性能”和“每美元性能”的提升正在放緩。

從Hennessy和Patterson對(duì)SPECInt進(jìn)度的描述（圖2 a）以及美國(guó)勞工統(tǒng)計(jì)局的生產(chǎn)者價(jià)格指數(shù)（圖2 b）可以看出，通用計(jì)算機(jī)性能的提升顯著放緩。從這些角度來(lái)看，如果“每美元性能”每年以48％的速度提高，那么10年后它的效率將提高50倍。相比之下，如果每年僅以8％的速度提高，那么在10年內(nèi)，它只會(huì)提高2倍。

圖2.微處理器的改進(jìn)率，根據(jù)以下標(biāo)準(zhǔn)衡量：（a）SPECint基準(zhǔn)上的年度性能改進(jìn)，（b）質(zhì)量調(diào)整后的年度價(jià)格下降。

新用戶(hù)減少。 隨著通用處理器的提升的步伐放慢，新功能的開(kāi)發(fā)也會(huì)減少，從而導(dǎo)致客戶(hù)沒(méi)有更換計(jì)算設(shè)備的醫(yī)院。英特爾首席執(zhí)行官Krzanich在2016年證實(shí)了這一點(diǎn)，稱(chēng)PC的更換率已從每4年一次提高到每5-6年一次。有時(shí)，用戶(hù)甚至?xí)^(guò)很多代處理器的升級(jí)，因?yàn)橛X(jué)得它們不值得更新。在其它平臺(tái)上也是如此，例如2014年美國(guó)智能手機(jī)平均每23個(gè)月進(jìn)行一次升級(jí)，但到2018年則延長(zhǎng)到31個(gè)月。

在通用處理器發(fā)展的幾十年里，GPT一直能夠持續(xù)受益于這一良性經(jīng)濟(jì)周期。

用戶(hù)從通用處理器向?qū)Ｓ锰幚砥鞯霓D(zhuǎn)移是我們關(guān)于計(jì)算碎片化的論點(diǎn)的核心，因此我們將對(duì)其進(jìn)行詳細(xì)討論。假設(shè)現(xiàn)在有一個(gè)用戶(hù)，他既可以使用通用處理器也可以使用專(zhuān)用處理器，但希望以最低的成本得到最佳性能。圖3（a）和圖3（b）給我們提供了直觀的分析，兩幅圖都顯示了通用處理器和專(zhuān)用處理器隨時(shí)間的性能提升情況，但是通用處理器的改進(jìn)速度在兩幅圖中卻有所不同。在所有情況下，我們都假設(shè)選擇了時(shí)間T，那么專(zhuān)用處理器的高價(jià)格將由一系列經(jīng)過(guò)改進(jìn)的通用處理器的成本所平衡，這意味著兩條曲線在成本上是相等的，因此，優(yōu)良的“性能”也意味著同樣優(yōu)越的“每美元性能”，這也是我們認(rèn)為專(zhuān)用處理器在這段時(shí)間內(nèi)具有穩(wěn)定的性能的原因。（在專(zhuān)用處理器升級(jí)這一點(diǎn)上，它也將獲益于通用處理器受益的改進(jìn)，并且用戶(hù)將再次重復(fù)相同的決策過(guò)程。）

圖3. 最佳處理器的選擇取決于專(zhuān)用處理器帶來(lái)的性能提升以及通用技術(shù)的提高速度。

如果專(zhuān)用處理器可以提供更大的性能初始收益，那么它會(huì)更具吸引力。但是，如果通用處理器的改進(jìn)從圖3（a）中的快速發(fā)展變成圖3（b）中的緩慢發(fā)展，專(zhuān)用處理器也變得更具吸引力。我們通過(guò)考慮兩條時(shí)間路徑中的哪一條可提供更多收益來(lái)進(jìn)行建模。也就是說(shuō)，如果：

式中，通用處理器和專(zhuān)用處理器在時(shí)間T上可提供性能分別為Pu和Ps，通用處理器的性能提升速率為r。我們?cè)谠诰€附錄（https://doi.org/10.1145/3430936）中展示了該模型的完整推導(dǎo)。該推導(dǎo)幫助我們從數(shù)學(xué)上估算專(zhuān)用處理器抵消高成本所需要的優(yōu)勢(shì)的量（圖3 c 中顯示，CPU的年改進(jìn)率從48％降低到8％）。

毫無(wú)疑問(wèn)，專(zhuān)用處理器在提供更大的加速比或?qū)⑵涑杀揪鶖偟礁蟮臄?shù)量時(shí)將會(huì)更具吸引力。但是，隨著通用處理器改進(jìn)的步伐，當(dāng)專(zhuān)用性變得有吸引力時(shí)，這些臨界值將發(fā)生變化。重要的是，因?yàn)槲覀兗僭O(shè)總體上專(zhuān)用處理器與通用處理器之間的進(jìn)度有所不同，即假定所有處理器都能夠使用當(dāng)前最先進(jìn)的制造技術(shù)，所以將不會(huì)產(chǎn)生上述的影響。相反，它的出現(xiàn)是因?yàn)楸仨毞謹(jǐn)倢?zhuān)用處理器高昂的每單位NRE（一次性工程費(fèi)用），以及在此期間與升級(jí)通用處理器相比之下的優(yōu)越性。

一個(gè)數(shù)據(jù)清楚地表明了這一變化的重要性。在摩爾定律的頂峰時(shí)期，當(dāng)每年的改進(jìn)速度為48％時(shí)，即使專(zhuān)用處理器的速度比通用處理器快100倍，也就是（這是一個(gè)巨大的差距），為了獲得投資回報(bào)，還需要大約8.3萬(wàn)的生產(chǎn)量。在另一個(gè)極端，如果性能優(yōu)勢(shì)僅為2倍，則需要生產(chǎn)數(shù)量要達(dá)到約1，000，000才能使專(zhuān)用性處理器更具吸引力。這些結(jié)果清楚地說(shuō)明了為什么在摩爾定律的鼎盛時(shí)期，專(zhuān)用處理器的生產(chǎn)商很難進(jìn)入市場(chǎng)。

但是，如果我們使用8％（2008-2013年的增長(zhǎng)率）重復(fù)處理器選擇計(jì)算，那么這些結(jié)果將發(fā)生顯著變化：對(duì)于速度提高100倍的應(yīng)用，所需的處理器數(shù)量從83，000降至15，000，對(duì)于那些提速2倍的應(yīng)用，數(shù)量則從1，000，000下降到81，000。因此，在通用處理器的更新進(jìn)度變慢之后，更多的應(yīng)用就會(huì)轉(zhuǎn)向?qū)Ｓ锰幚砥鳌?/p>

更難為創(chuàng)新籌集資金。2017年，半導(dǎo)體行業(yè)協(xié)會(huì)估計(jì)，為下一代芯片建造和配備制造設(shè)施（“ fab”）的成本約為70億美元?！跋乱淮笔侵感酒M(jìn)一步小型化（或稱(chēng)進(jìn)程“節(jié)點(diǎn)”）。

用于芯片制造設(shè)施的成本的投資必須由它們產(chǎn)生的營(yíng)收來(lái)平衡。2016年，該行業(yè)3430億美元的年收入中，多達(dá)30％來(lái)自尖端芯片，雖然收入十分可觀的，但是成本也在增長(zhǎng)。在過(guò)去的25年中，受到光刻成本的影響，建造領(lǐng)先的晶圓廠的投資（如圖4a所示）每年增長(zhǎng)11％。將過(guò)程開(kāi)發(fā)成本包括在此估算中，將進(jìn)一步使成本每年增長(zhǎng)至13％（根據(jù)Santhanam等在2001年至2014年間進(jìn)行的測(cè)算）。諷刺“摩爾第二定律”的芯片制造商都知道：芯片廠的成本每四年翻一番。

圖4.芯片制造的經(jīng)濟(jì)惡化。

長(zhǎng)期來(lái)看，如此快速的固定成本增長(zhǎng)對(duì)單位成本的影響僅有部分能被強(qiáng)勁的整體半導(dǎo)體市場(chǎng)增長(zhǎng)所抵消（1996-2016m年復(fù)合增長(zhǎng)率為5％），這使半導(dǎo)體制造商能夠在更大的數(shù)量上分?jǐn)偣潭ǔ杀尽９潭ǔ杀久磕暝鲩L(zhǎng)13％與市場(chǎng)每年增長(zhǎng)5％之間的巨大缺口中的剩余部分，可能將導(dǎo)致競(jìng)爭(zhēng)力較弱的參與者退出市場(chǎng)，而其余參與者則通過(guò)大量籌碼來(lái)攤銷(xiāo)其固定成本。

如圖4（b）所示，該行業(yè)確實(shí)存在著巨大的整合，生產(chǎn)領(lǐng)先芯片的公司越來(lái)越少。從2002/2003到2014/2015/2016，擁有領(lǐng)先晶圓廠的半導(dǎo)體制造商數(shù)量已從25家減少到只有4家：英特爾、TSMC、三星和格羅方德。而格羅方德近期宣布，他們將不會(huì)繼續(xù)下一個(gè)技術(shù)節(jié)點(diǎn)的開(kāi)發(fā)。

我們發(fā)現(xiàn)這種合并很有可能是由于固定成本快速上升且市場(chǎng)規(guī)模僅適度增長(zhǎng)帶來(lái)的經(jīng)濟(jì)惡化所致。通過(guò)一些計(jì)算，可以看出市場(chǎng)整合在多大程度上改善了半導(dǎo)體行業(yè)額經(jīng)濟(jì)性。如果將市場(chǎng)平均分配給不同公司，則意味著平均市場(chǎng)份額將從2002/2003年的增長(zhǎng)到2014/2015/2016年的。以復(fù)合年增長(zhǎng)率表示，這將是14％。這意味著生產(chǎn)商可以通過(guò)市場(chǎng)增長(zhǎng)并占有現(xiàn)有工廠的市場(chǎng)份額（13％《5％+ 14％）來(lái)彌補(bǔ)晶圓廠建設(shè)日益惡化的經(jīng)濟(jì)狀況。

實(shí)際上，市場(chǎng)不是平均分配的。英特爾在市場(chǎng)上占有主導(dǎo)地位，結(jié)果，英特爾也無(wú)法以這種方式抵消固定成本的增長(zhǎng)。實(shí)際上，在過(guò)去十年中，英特爾固定成本與其可變成本的比率已從60％上升到100％以上，這一點(diǎn)尤為引人注目，因?yàn)榻陙?lái)，英特爾放慢了發(fā)布新節(jié)點(diǎn)大小的步伐，預(yù)計(jì)這將降低他們進(jìn)行固定成本投資的步伐。

市場(chǎng)整合抵消固定成本增長(zhǎng)的能力只能持續(xù)一定時(shí)間。如果我們預(yù)測(cè)當(dāng)前趨勢(shì)，那么到2026年至2032年（取決于市場(chǎng)增長(zhǎng)率），領(lǐng)先的半導(dǎo)體制造將只能支持單個(gè)壟斷制造商，并且每年為新工藝節(jié)點(diǎn)建造新設(shè)施的固定成本將等于年度行業(yè)收入。需要說(shuō)明的是，我們的論斷并不是說(shuō)這要在2020年代末成為現(xiàn)實(shí)，而是強(qiáng)調(diào)當(dāng)前的趨勢(shì)會(huì)無(wú)法持續(xù)，并且在大約10年內(nèi)制造商將被迫大大放慢新工藝節(jié)點(diǎn)的發(fā)布速度，并尋找其他控制成本的方法，這兩者都會(huì)進(jìn)一步減緩?fù)ㄓ锰幚砥鞯奶嵘M(jìn)度。

碎片化循環(huán)。碎片化循環(huán)周期的三個(gè)部分中，在每個(gè)部分之間都會(huì)相互增強(qiáng)的情況下，我們希望看到越來(lái)越多的用戶(hù)能看到通用處理器的及其微小的改進(jìn)，從而轉(zhuǎn)為關(guān)注專(zhuān)用處理器。對(duì)于那些有極高需求和非常適合專(zhuān)業(yè)化計(jì)算（例如深度學(xué)習(xí)）的人，這將意味著性能上巨大的提高。對(duì)于其他人來(lái)說(shuō)，專(zhuān)用化將不是一個(gè)合適的選擇，它們將會(huì)留在通用處理器上，并且發(fā)展速度會(huì)越來(lái)越慢。

啟示

誰(shuí)會(huì)去做專(zhuān)用處理器。如圖3（c）所示，專(zhuān)用處理器將用于更換后獲得大幅度提速的應(yīng)用場(chǎng)景，并且需要足夠的需求量才能證明這一開(kāi)銷(xiāo)是合理的。據(jù)此標(biāo)準(zhǔn)，大型科技公司成為最早一批投資專(zhuān)門(mén)處理器的公司也并不奇怪，例如谷歌、微軟、百度和阿里巴巴。與仍可受益于廣泛應(yīng)用程序的GPU專(zhuān)業(yè)化或?qū)Υ蠖鄶?shù)用戶(hù)有價(jià)值的加密電路中的專(zhuān)業(yè)化不同，我們期望未來(lái)的專(zhuān)業(yè)化會(huì)更窄，因?yàn)閮H需少量處理器即可使收益更可觀。

我們還期望大量使用這些專(zhuān)用處理器的人，并非是專(zhuān)用處理器的設(shè)計(jì)者，而是像將GPU用于深度學(xué)習(xí)運(yùn)算的人一樣，用新的硬件來(lái)設(shè)計(jì)算法。

小型化的最終好處將是價(jià)格溢價(jià)，并且可能僅由重要的商業(yè)應(yīng)用來(lái)支付。

誰(shuí)不會(huì)用。不遷移到專(zhuān)用處理器的應(yīng)用場(chǎng)景可能因?yàn)椋?/p>

l 性能提升少

l 沒(méi)有足夠大的市場(chǎng)來(lái)證明前期固定成本合理

l 無(wú)法協(xié)調(diào)需求。

先前，我們描述了四個(gè)特征，這些特征使得使用專(zhuān)用處理器可以加快計(jì)算速度。如果沒(méi)有這些特性，那么專(zhuān)門(mén)化只能帶來(lái)最小的性能提升（如果有的話）。一個(gè)重要的例子是數(shù)據(jù)庫(kù)。正如我們采訪的一位專(zhuān)家告訴我們的那樣：在過(guò)去的幾十年中，很明顯，專(zhuān)用于數(shù)據(jù)庫(kù)的處理器可能非常有用，但是數(shù)據(jù)庫(kù)所需的計(jì)算不適合采用專(zhuān)用處理器。

第二類(lèi)將無(wú)法用專(zhuān)用處理器的是那些需求不足以證明前期固定成本合理的處理器。 正如我們通過(guò)模型得出的那樣，需要數(shù)以千計(jì)的處理器市場(chǎng)來(lái)證明專(zhuān)用化的合理性。這可能會(huì)影響那些在小范圍內(nèi)進(jìn)行密集計(jì)算的人（例如，研究科學(xué)家進(jìn)行罕見(jiàn)的計(jì)算）或那些計(jì)算隨時(shí)間而快速變化并因此需求迅速消失的人。

可能不會(huì)用專(zhuān)用處理器的第三組是那些沒(méi)有單個(gè)用戶(hù)具有足夠需求且協(xié)調(diào)困難的群體。 例如，即使成千上萬(wàn)的小用戶(hù)共同擁有足夠的需求，也很難使他們共同為生產(chǎn)專(zhuān)門(mén)的處理器做出貢獻(xiàn)。云計(jì)算公司可以通過(guò)資助創(chuàng)建專(zhuān)用處理器，然后將其租出來(lái)來(lái)解決這一問(wèn)題。

技術(shù)進(jìn)步會(huì)幫助我們擺脫困境嗎？為了使我們回到一個(gè)收斂的周期，在該周期中，用戶(hù)將切換回通用處理器，這需要性能和/或每美元性能的快速提高。但是技術(shù)趨勢(shì)卻指向相反的方向。例如，在性能方面，預(yù)計(jì)微型化的最終好處將是價(jià)格溢價(jià)，并且僅可能由重要的商業(yè)應(yīng)用來(lái)支付。甚至存在一個(gè)疑問(wèn)——是否將完成所有剩余的、在技術(shù)上可行的小型化。Gartner預(yù)測(cè)，到2026年5nm量產(chǎn)時(shí)將會(huì)有更多的小型化，而臺(tái)積電（TSMC）最近宣布了一項(xiàng)投資195億的 2022年達(dá)到3nm的計(jì)劃，但我們?cè)诒狙芯恐胁稍L的許多受訪者對(duì)進(jìn)一步的小型化是否值得持懷疑態(tài)度。

其他技術(shù)改進(jìn)是否可以恢復(fù)通用處理器改進(jìn)的步伐？當(dāng)然，有關(guān)此類(lèi)技術(shù)的討論很多：量子計(jì)算，碳納米管，光學(xué)計(jì)算。不幸的是，專(zhuān)家們預(yù)計(jì)，至少要再過(guò)十年，工業(yè)界才能設(shè)計(jì)出一種范圍更廣的量子計(jì)算機(jī)，進(jìn)而有可能替代傳統(tǒng)的通用計(jì)算機(jī)。可能具有更廣闊前景的其他技術(shù)仍將需要大量資金來(lái)開(kāi)發(fā)并投放到市場(chǎng)。

結(jié)論

傳統(tǒng)意義上，計(jì)算的經(jīng)濟(jì)性是由通用技術(shù)模型驅(qū)動(dòng)的，通用處理器的提升越好，那么市場(chǎng)增長(zhǎng)就會(huì)加大對(duì)其投資，從而進(jìn)一步推動(dòng)它們的改進(jìn)。幾十年來(lái)，GPT的這種良性循環(huán)使計(jì)算成為經(jīng)濟(jì)增長(zhǎng)的最重要驅(qū)動(dòng)力之一。

本文提供的證據(jù)表明，這種GPT周期已被碎片化的周期所取代，這些碎片化的周期導(dǎo)致了計(jì)算速度的增長(zhǎng)緩慢和用戶(hù)的分裂。我們展示了fragmenting cycle的三個(gè)部分，它們中的每一個(gè)都已經(jīng)在進(jìn)行中：通用處理器的改進(jìn)率已經(jīng)出現(xiàn)了急劇且不斷增長(zhǎng)的放緩；購(gòu)買(mǎi)通用處理器和專(zhuān)用處理器之間的經(jīng)濟(jì)權(quán)衡已急劇轉(zhuǎn)向?qū)Ｓ锰幚砥?；而且制造更好的處理器的固定成本不斷上升，將無(wú)法再由市場(chǎng)增長(zhǎng)率來(lái)彌補(bǔ)。

總而言之，這些發(fā)現(xiàn)清楚地表明，處理器的經(jīng)濟(jì)狀況已經(jīng)發(fā)生了巨大變化，將計(jì)算推入了截然不同的專(zhuān)門(mén)領(lǐng)域，并且彼此之間提供的利益也越來(lái)越少。而且，由于此循環(huán)是自我增強(qiáng)的，因此它將永久存在，從而進(jìn)一步碎片化通用計(jì)算。最終，將會(huì)拆分出更多的專(zhuān)用的應(yīng)用，通用處理器的改進(jìn)速度將進(jìn)一步放慢。

本文強(qiáng)調(diào)了經(jīng)濟(jì)學(xué)推動(dòng)計(jì)算方向的重大轉(zhuǎn)變，并對(duì)那些想要抵制計(jì)算碎片化的人們提出了挑戰(zhàn)。

責(zé)任編輯：lq