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)將用戶推向由專用處理器驅(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“快車道”中運(yùn)行的應(yīng)用來說是一件好事情，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)用來說，他們也因此被分配為“慢車道”。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)。

通用與專用計(jì)算

早期-從專用到通用。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)，而是專用于完成一項(xiàng)任務(wù)且僅有一項(xiàng)任務(wù)的專用設(shè)備，例如收音機(jī)或電視機(jī)。這種專用的設(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)來改變硬件設(shè)計(jì)。解決此問題的關(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)，越來越多的消費(fèi)者會(huì)去購(gòu)買它，這為下一輪的改進(jìn)提供了資金，依此類推。然而對(duì)于許多產(chǎn)品而言，由于產(chǎn)品改進(jìn)變得過于困難或市場(chǎng)增長(zhǎng)停滯，這種循環(huán)從中短期來看在逐漸減弱。

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)了越來越多的投資來實(shí)現(xiàn)處理器的改進(jìn)。例如，英特爾過去十年在研發(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)帶來了巨大的回報(bào)：據(jù)估計(jì)，自1971年以來處理器性能已經(jīng)提高了約40萬倍。

另一種選擇：專用處理器。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，但并沒有哪一個(gè)達(dá)到最優(yōu)。對(duì)于那些適合專用處理器的應(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（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，專用處理器（例如，ASIC）或異構(gòu)芯片的專用部件（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（最常見的專用處理器）進(jìn)行比較時(shí)，可以看出專用性在某種程度上改變了處理器設(shè)計(jì)變化程度（見附表）。

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?，而在不可預(yù)測(cè)的計(jì)算上表現(xiàn)不佳。

對(duì)于與專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)的通用處理器來控制它們中的一個(gè)或多個(gè)。設(shè)計(jì)生產(chǎn)專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)制造帶有專用處理器的芯片的總成本約為8000萬美元，而使用老一代的技術(shù)可以將成本降低到3000萬美元左右。

盡管專用處理器有很多優(yōu)點(diǎn)，但是它們的缺點(diǎn)依然非常致命，在過去的幾十年中，出GPU以外，其他專用處理器幾乎沒有被采用。專用處理器的技術(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。但這種情況正在開始改變。

專用處理器的現(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)的專用性都變得越來越強(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）和傳感器均使用專用處理器。

云計(jì)算/超級(jí)計(jì)算也變得更趨向于專用性。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，那么新用戶的人數(shù)就會(huì)減少，但如果沒有這些新用戶提供的市場(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)開始”已然開始的結(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)過程中，可以明顯看到小型化所帶來的“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。

新用戶減少。 隨著通用處理器的提升的步伐放慢，新功能的開發(fā)也會(huì)減少，從而導(dǎo)致客戶沒有更換計(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)，用戶甚至?xí)^很多代處理器的升級(jí)，因?yàn)橛X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，他既可以使用通用處理器也可以使用專用處理器，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，那么專用處理器的高價(jià)格將由一系列經(jīng)過改進(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)，并且用戶將再次重復(fù)相同的決策過程。）

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

如果專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，專用處理器也變得更具吸引力。我們通過考慮兩條時(shí)間路徑中的哪一條可提供更多收益來進(jìn)行建模。也就是說，如果：

式中，通用處理器和專用處理器在時(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％）。

毫無疑問，專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Ｓ锰幚砥鞲甙旱拿繂挝籒RE（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才能使專用性處理器更具吸引力。這些結(jié)果清楚地說明了為什么在摩爾定律的鼎盛時(shí)期，專用處理器的生產(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。“下一代”是指芯片進(jìn)一步小型化（或稱進(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)收來平衡。2016年，該行業(yè)3430億美元的年收入中，多達(dá)30％來自尖端芯片，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％。將過程開發(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大量籌碼來攤銷其固定成本。

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)帶來的經(jīng)濟(jì)惡化所致。通過一些計(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)商可以通過市場(chǎng)增長(zhǎng)并占有現(xiàn)有工廠的市場(chǎng)份額（13％《5％+ 14％）來彌補(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，英特爾也無法以這種方式抵消固定成本的增長(zhǎng)。實(shí)際上，在過去十年中，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?，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。需要說明的是，我們的論斷并不是說這要在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，我們希望看到越來越多的用戶能看到通用處理器的及其微小的改進(jìn)，從而轉(zhuǎn)為關(guān)注專用處理器。對(duì)于那些有極高需求和非常適合專業(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)于其他人來說，專用化將不是一個(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)越來越慢。

啟示

誰會(huì)去做專用處理器。如圖3（c）所示，專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銷是合理的。據(jù)此標(biāo)準(zhǔn)，大型科技公司成為最早一批投資專門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專業(yè)化或?qū)Υ蠖鄶?shù)用戶有價(jià)值的加密電路中的專業(yè)化不同，我們期望未來的專業(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用處理器的人，并非是專用處理器的設(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)用來支付。

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

l 性能提升少

l 沒有足夠大的市場(chǎng)來證明前期固定成本合理

l 無法協(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用處理器可以加快計(jì)算速度。如果沒有這些特性，那么專門化只能帶來最小的性能提升（如果有的話）。一個(gè)重要的例子是數(shù)據(jù)庫。正如我們采訪的一位專家告訴我們的那樣：在過去的幾十年中，很明顯，專用于數(shù)據(jù)庫的處理器可能非常有用，但是數(shù)據(jù)庫所需的計(jì)算不適合采用專用處理器。

第二類將無法用專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。 正如我們通過模型得出的那樣，需要數(shù)以千計(jì)的處理器市場(chǎng)來證明專用化的合理性。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)用專用處理器的第三組是那些沒有單個(gè)用戶具有足夠需求且協(xié)調(diào)困難的群體。 例如，即使成千上萬的小用戶共同擁有足夠的需求，也很難使他們共同為生產(chǎn)專門的處理器做出貢獻(xiàn)。云計(jì)算公司可以通過資助創(chuàng)建專用處理器，然后將其租出來來解決這一問題。

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)用來支付。甚至存在一個(gè)疑問——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，專家們預(yù)計(jì)，至少要再過十年，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)?？赡芫哂懈鼜V闊前景的其他技術(shù)仍將需要大量資金來開發(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，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)買通用處理器和專用處理器之間的經(jīng)濟(jì)權(quán)衡已急劇轉(zhuǎn)向?qū)Ｓ锰幚砥鳎欢抑圃旄玫奶幚砥鞯墓潭ǔ杀静粩嗌仙?，將無法再由市場(chǎng)增長(zhǎng)率來彌補(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門領(lǐng)域，并且彼此之間提供的利益也越來越少。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