计算 网络 存储中的算法与管理策略

[ngbit_q]

2016年7月初，ITRS(International Technology Roadmap for Semiconductors)发布了也许是关于半导体工艺的最后一份报告。半导体工业在历经五十余年的辉煌后，逐步走向尽头，晶体管的尺寸(Physical Gate Length)将在五年后在10nm处终结[1]。我们继续从理论上探讨晶体管能否到达5nm愈显苍白，芯片在大规模量产时使用5nm日趋渺茫。南美蝴蝶翅膀微不足道的几次扇落，足以使在刀尖上行走的5nm技术，跌下神坛，粉身碎骨。摩尔定律已正式结束，但永存于世间。
全世界范围内，对半导体的材料科学，制作工艺，有能力也有意愿继续的厂商只剩下Intel，Samsung，TSMC与Global Foundries。在近期或者在不久的将来，或许中国为了完成世界工厂的巨大转型，将接过半导体生产制造的旗帜，使其更加廉价，使其因为更加缺乏必要的盈利以支撑整个产业链的持续发展，维系也在终结这个行业。我继续悲观地维持在3年前的判断，基于硅的半导体工业不可或缺，也不再重要。

缘起于上世纪四十年代的冯诺依曼体系正在等待着最后一根稻草。至今处理器的设计者再也无法按照自身的理念决定自己的设计方向，当这些处理器的设计者不知道该做什么合适，去专注于Cache、内存与I/O通路时，基于冯诺依曼体系的传统处理器事实上已经结束。掌握了用户场景与应用的厂商目前是处理器真正的设计主导者。定制化时代不再是4年之前的预判[4]，而是已然来临。

半导体与传统处理器的停滞不前，不会结束人类对于硅的依赖，在短期内尚无任何材料能够完全替代硅。应用对于硅的需求依然明确。在一分钟内，Youtube将至少接收长达100个小时的视频文件[5]；在Facebook上，每天有40亿次视频点击播放[6]。这些应用需求将通过网络，到达各类服务器，并从存储器中获取或者写入数据。在计算、网络与存储这些基础架构中，硅依然占据主导地位。

神奇的半导体硅改变了人类历史的发展轨迹，也几乎走到了尽头。近半个世纪以来，硅一直有替代品，如砷化镓GaAs与氮化镓GaN，这些在大功率与高频领域已有着重大应用半导体无法取代硅，基于二硫化钼MoS2和碳纳米管CNT(carbon nanotube)的晶体管可以将Gate Length做到1nm[7]，但是其产品依然处于实验室阶段，用其替代硅依然停留在论文的纸面上。硅工业的上限制约了整个IT行业的不断向前。在这个大背景之下，很多人重拾了人工智能算法，并逐步演进成为深度学习，并以此做为新的突破口。

但是脱离了材料科学的进步。这个突破是否能够真正成立？今天的人类距离上世纪六七十年代在算法层面究竟能够提高多少？