微處理器、智能手機與技術創新

從不久前沸沸揚揚的中興事件中，國人大體上都了解到微處理器芯片的極其重要性。沒有微處理器芯片，就沒有智能手機和許多創新產品。但是，許多人可能并不了解微處理器變遷和發展的速度有多快。

2018年5月16日微軟首席執行官峰會上，艾德·拉佐斯卡教授（Ed Lazowska，華盛頓大學保羅·G·艾倫計算機科學與工程學院比爾&梅林達?蓋茨講席教授）在演說中這樣比較汽車和微處理器的速度、效率、尺寸和成本變遷（參考資料[1]）：

從1970年到現在的汽車：速度（車速）——大致相同，效率（MPG每加侖汽油能行駛英里數）——大致相同，尺寸——大致相同，成本（相對于性能的成本）——大致相同。而微處理器（圖1），1971年的Intel 4004（2,300晶體管）到2015年的Intel Xeon（至強）（4,300,000,000晶體管）：速度（每秒運算次數）——提高100,000倍，效率（每瓦操作）——提高6,750倍，尺寸（一個晶體管占用面積）——降低1,000,000倍，成本（每指令美元）——降低2,700倍。

圖1 1971年的Intel 4004與2015年的Intel Xeon（至強）

假設如果汽車的速度、效率、尺寸和成本如同微處理器一樣演變和發展，艾德·拉佐斯卡指出，那么現在的汽車應該會達到：速度——每小時可以行駛6,000,000英里（從舊金山到紐約1.7秒），效率——每加侖汽油能行駛100,000英里（從舊金山到紐約1/2杯燃料），尺寸——小汽車會比螞蟻小（五分之一英寸長），成本——一輛車的成本將不到10美元。當然，做這樣的假設和比較，只是為了直觀地展示微處理器芯片的發展速度（圖2）。

圖2 如果汽車如同微處理器一樣演變

戈登·摩爾（Gordon Moore）提出的著名的摩爾爾定律曾經成功地預測了微處理器的發展趨勢。摩爾定律是一種經驗規律，有多個版本。1965年4月，戈登·摩爾撰寫的文章中預言在半導體芯片上集成的晶體管和電阻器數量將每年增長一倍。后來廣為人知的描述有兩種：其一，集成電路中晶體管的數量大約每兩年增長一倍；其二，集成電路中晶體管的數量大約每18個月增長一倍。摩爾定律也被用于描述技術過程的其他方面，例如，處理速度、效率或電子產品的成本，因為它們與是集成電路中晶體管的集成度有緊密的聯系。

在過去幾十年間，摩爾定律大體上正確。如圖3所示，INTEL的微處理器芯片集成度比較接近于每2.1年（大約25個月）增長一倍。在這個期間里，超大規模集成電路的生產工藝，也從“微米級”發展到“納米級”（在0.1~100納米的尺度里，以控制單個原子、分子來實現設備特定的功能），發生了許多根本上的變化。

圖3 摩爾定律——集成電路芯片上的晶體管數目

但是，也應該認識到，集成電路中晶體管的數量（或說集成技術的密集度）不可能無限制地小下去，經典計算機將很快達到它的極限——晶體管的大小將達到原子的尺度。由于投資、市場、設計復雜性、材料和工藝諸多因素影響，終將造成摩爾定律的終結（有人曾預測過摩爾定律于2016年走向終結）。

艾德·拉佐斯卡教授在微軟首席執行官峰會上介紹了華盛頓大學在計算機科學領域的研究成果，強調計算機科學也發生了變化：從更小、更快、更便宜，到應對社會面臨的挑戰。核心計算機科學與工程（包括人工智能、系統、理論和編程語言等）及其延伸的學科（移動計算、自然語言處理、傳感器、數據科學、云計算、機器學習、人機交互、計算機視覺和機器人學等），有助于應對社會面臨的諸多挑戰（醫藥與全球健康、交通運輸、科學發現、神經工程、老年護理、可達性、與物理世界整合“物聯網”、推進發展中的世界、安全、隱私和保障、技術政策、能源與可持續發展挑戰）等。

智能手機

如今如果問什么是過去二十多年間對人類生活影響最大的創新產品，也許許多人會回答是智能手機（世界上第一款使用觸摸屏的智能手機是1993年IBM公司推出的Simon）。記得在我大學畢業年級合影時，聽到一位著名物理學老教授感嘆照相機幾十年沒有大的變化——說當年他畢業合影時也是用這樣的照相機。現在我到了老教授當年的年紀，環顧四周人們都是用智能手機照相——以前在大街上、在公園里到處可見的“柯達”、“樂凱”膠卷專賣店無蹤無影。現在在世界上任何地方、如何時候，都可以看到有人在利用智能手機進行視頻電話和發送短信，瀏覽網頁和游戲，查詢和導航，購物和支付…。

社會生活的更多方面還將受到智能手機的影響，例如，未來保健和疾病診斷方式也將發生變革。保羅·G·艾倫計算機科學與工程學院的施瓦塔克-帕特爾教授在前面提到的微軟首席執行官峰會上，介紹了使用手機生理數據的連續采集，以及使用手機上的現有傳感器進行健康信息發送（圖4）。

圖4 移動健康感知

根據施瓦塔克-帕特爾教授的介紹（參考資料[2]），移動手機可以用于許多疾病診斷（圖5）：肺（肺活量測定法、咳嗽分析），血液篩查（血紅蛋白、膽紅素），心血管（sp0?、血壓），特異疾病（睡眠呼吸暫停、骨質疏松）等。華盛頓大學研制了SpiroSmart移動肺活量計、HemaApp用智能手機測量血紅蛋白，以及BiliScreen胰腺癌篩查檢查血清膽紅素水平（圖6）和OsteoApp用于骨質疏松篩查（圖7）等新技術。

圖5 使用手機進行診斷

圖6  BiliScreen胰腺癌篩查檢查血清膽紅素水平

圖7 OsteoApp：骨質疏松篩查

技術創新

說起技術創新大多數人比較關注人才問題和資金問題，實際上，技術創新還有賴于需求驅動和通過社會和工業的技術傳播。無疑，微處理器和智能手機能夠在數十年間不斷創新和發展，得益于強大的需求推動，也得益于強大的社會和工業的技術傳播。

以微處理器芯片為例，近年隨著當前激動人心的人工智能浪潮興起，許多微處理器廠家紛紛投入研發人工智能芯片。在圖3中介紹了INTEL的CPU微處理器芯片集成度比較接近于每2.1年（大約25個月）增長一倍。但是，據分析（參考資料[3]），自從2012以來，人工智能機器學習訓練的計算量每3.5個月增長一倍，其指數增長速度超過摩爾定律——自2012以來，這個指標已經增長了超過30萬倍（按照摩爾定律的18個月的加倍周期的版本，也只會增加12倍）。

圖8顯示了機器學習計算量需求的增長：從Alex在2012年提出的alexnet網絡結構模型，到2017年AlphaGo Zero是谷歌在無任何人類輸入的條件下，AlphaGo Zero能夠迅速自學圍棋的程序。圖中的PETAFLop/s表示每秒浮點運算千萬億次浮點運算，“PETAFLop/s--天”即每秒10¹⁵個神經網絡操作天數，或總共約10²⁰次神經網絡操作數。最佳擬合線的倍增時間為3.43個月。

在我撰寫這篇博文時候，看到Intel首屆人工智能開發者大會的消息：新一代人工智能芯片將于2019年問世，超越傳統的CPU微處理器芯片。

圖8 機器學習對計算能力的需求

至于通過社會和工業的技術傳播，顯然，前面談到的華盛頓大學的兩位教授在微軟首席執行官峰會上介紹他們的新技術成果，目的是希望這些新技術得以在工業中應用。

第一個商業微處理器Intel 4004設計者佛德利克?法金（Federicao Faggin）指出過，創新包含著創造，但創造不見得是創新。創新包含著一種實用性的思想。科技創新需要發明創造新的東西或“突破性”的新技術。但是，并不是所有的創造和新技術，都可以并能夠被實際應用。新技術需要通過社會或工業傳播，或通常所說的“技術成果轉移”。

能夠得以快速傳播和普及的新技術，其本身一般都要具備一些條件，例如，與以往的技術比較，在滿足需求方面有優勢，易于被理解和使用，其使用經驗和習慣等有某些兼容性，容易被測試和具備可觀測性等。而且，技術傳播和普及需要時間。技術變革是一個社會過程。美國著名學者羅杰斯（E. Rogers）教授提出過創新的傳播包含的五個步驟，即：認知、說服、決定、實施以及確認。

技術創新無止境。科技創新是社會變革的推動力量。科技創新已經使得我們這個世界里微處理器和智能手機無處不在。幾乎每天我們都會讀到一些新技術，只要我們具有駕馭和傳播技術的力量，這些新技術有望得到實際應用，應對社會面臨的挑戰。

參考資料

[1]Ed Lazowska.Tech To Serve. MicroSoft CEO Summit. Discovery here.

[2]Shwetak Patel. Mobile Phone. MicroSoft CEO Summit. Discovery here.

[3] http://trendglobe.com/ai-and-compute/