微型處理器變得越來越小、越來越快、效率更高。但隨著它們達到物理極限，芯片構造開始驅動性能增長。1月4日，英偉達（Nvidia）創始人兼首席執行官黃仁勛（Jen-Hsun Huang），在拉斯維加斯舉行的國際消費類電子產品展覽會（CES）上發表主題演講，同時也帶來了Nvidia Xavie：一款用于人工智能汽車的超級計算機。
請點擊此處(黃仁勛（Jen-Hsun Huang）在CES上的演講)
最近，兩家最大的半導體公司相繼發表聲明，看似毫無聯系，實則息息相關。英特爾（Intel）宣布收購Mobileye——一家專為無人駕駛汽車制造芯片和軟件的以色列創業公司。Nvidia則公開了對于人工智能至關重要的、新一代用于加速機器自身學習的系統。
兩大公司的舉動其實都是基于“專業計算”，也就是把特定的軟件任務轉變為一張實體的硅芯片，而不是依賴于一個速度更快的CPU（中央處理器）。這種技術雖然以種種形式存在了數十年，但直到最近才成為諸多酷炫科技背后的動力（從人工智能到無人駕駛汽車）。為什么？因為CPU的更新速度早已大不如前。摩爾定律正在走向滅亡。
摩爾定律是指，每隔兩年左右的時間，芯片上晶體管的數量就會翻倍。用大眾的觀點來看就是電腦運行速度持續加快，體型變小，效率更高。然而現在并沒有按過去的方式發展。“這不是說摩爾定律撞上了南墻——某種意義上它將要壽終正寢了”，愛荷華大學計算機科學與生物信息學教授丹尼爾·里德（Daniel Reed）說道。
(摩爾定律 )
當Intel和其他芯片鑄造廠還在花費資金維持老本生意時，行業內的芯片設計師們已經在尋找創新型的方法與摩爾定律的增長速度保持一致，并且在多數情況下提高設備性能，速度更快。
“我們今天取得的大部分成就都源于（芯片）設計和軟件”，Nvidia首席科學家威廉·達利（William Dally）稱，“對我們來說這一直是個挑戰，因為每一代產品更新都要使其擁有原先兩倍的性能，這讓我們倍感壓力”，他補充道。迄今為止，Nvidia一直保持著這個節奏，即使芯片上面的元件尺寸并不改變，他們唯一做的就是芯片設計，或者說“構造”。
盡管不能一一羅列，但專業計算原則已經應用于諸多程序：人工智能、圖像識別、無人駕駛汽車、虛擬現實、比特幣礦業、無人機、數據中心、甚至是攝影。幾乎每家制造或提供硬件設備的技術公司——包括蘋果、三星、亞馬遜、高通、英偉達、博通、英特爾、華為和小米——都在利用這一現象謀利。即使是只生產自用芯片的公司——比如微軟、谷歌和臉書，也同樣如此。
(蘋果公司A11芯片 )
許多年前，幾乎所有的計算功能都靠CPU完成，一個接著一個依次完成，高通公司高級副總裁基思·克里辛（Keith Kressin）說道。漸漸地，那些很常用但需要許多處理器才能完成的任務會被轉移到專門的芯片中。這些任務可以同時進行，而CPU只能執行絕對必要的指令。
這些任務型的芯片品種紛繁復雜，一方面也正體現了它們的用途廣泛，不同芯片之間區分的界限也很模糊。其中一種是圖形處理器——想想Nvidia和游戲玩家們——為那些原本完美匹配的任務找到了更多的用途，其中也包括人工智能。在這之后，智能手機的興起創造了人們對于另一種數字信號處理芯片的大量需求，比如用以提高攝影水平。
“我們的目標是最小化CPU處理的軟件數量”，克里辛（Kressin）說道。因此，現代的微型芯片，比如由高通公司開發，用于安卓智能手機的Snapdragon不僅能搭載CPU，還能安裝24塊或更多的獨立數字信號處理芯片和圖像處理器。每個元件都被優化以操作不同的任務，從處理圖片到傾聽手機的“喚醒指令”。
把類似圖像增強的雜事交給數字信號處理器來做能將速度提升至原來的25倍，克里辛（Kressin）表示。這就是為什么智能手機能夠完成許多你的臺式電腦無法完成的事情，即使手機的CPU沒有那么強大。
在手機行業，蘋果公司證明了設計自身芯片的實用性，對納米晶硅的每一單位進行優化從而準確運行它將要處理的任務，一位市場研究公司創意戰略（Creative Strategies）的分析師本·巴賈林（Ben Bajarin）說。蘋果對自用芯片的巨額投資是保證其設備操作流暢的關鍵，以及新特性的使用，例如指紋識別感應器（Touch ID）。
Nividia首席科學家達利（Dally）還補充道，對涉及人工智能的任務，改用圖形處理器而不是CPU的話會使速度提升10倍至100倍不等。
如今半自動駕駛汽車已經能在美國公路上行駛，這要歸功于人工智能性能增長背后的無人駕駛技術，也正是Intel收購Mobileye的原因。Intel拒絕對此發表評論，但是把Mobileye的硅片和軟件融入Intel自身的芯片技術會成為專業計算的一個經典例子。
而Nvidia向人工智能和無人駕駛技術領域的進軍也與之類似，雖然他們的圖形處理器相比于那種專門用于加速程序的超專業硅片來說已經是能力超群的計算機了。達利（Dally）先生還表示，自2010年開始公司就致力于協調圖形處理器以適應各種不同的人工智能技術。
然而，近代航空史的發展則表明，把重心放在專業化上取得的優勢也會有極限。“一架新的波音777飛機并不比1960年代初的707飛得快”，愛荷華大學里德（Reed）教授說。但創新發生在各個領域，從輕型材料到計算機控制，并確實取得了實實在在的利益——飛機更安全，燃油效率越高。從這個類比的邏輯來看，雖然芯片的原始性能可能不會提高，但總的來說，處理多項特定任務的能力使其更優越。
同樣產生的還有規模問題。以無人機制造商為例的某些購買芯片的客戶，必須將就著使用已購買的多用途微型處理器，直到他們確信（新型芯片）已經有足夠的市場需求，克里辛（Kressin）稱。高通公司正在制造專為無人機設計的Snapdragon芯片：它們必須快速處理從傳感器收集到的信息，以防那架自動化的小直升飛機從天上墜毀。
(Snapdragon迷你飛行無人機，世界上最小的4K無人機)
里德（Reed）教授還認為，專業化的優點就在于，如今制造速度更快的芯片主要依賴于芯片設計師的才智，而不是制造商在硅片上蝕刻微小電路的能力。所以，微型芯片比以往任何時候都成功地證明了史蒂夫·喬布斯（Steve Jobs）的名言，同時也是他對計算機科學家艾倫·凱（Alan Kay）的理解，“真正關心軟件的人應該自己做硬件。”
更正與補充
Nvidia首席科學家威廉·達利（William Dally）表示，Nvidia已經在調整它們的圖形處理器以更好的適配人工智能。在早期的版本中，這一說法被誤認為是高通公司執行官基思·克里辛（Keith Kressin）的言論。