算力还能推多远？从费曼的一场演讲说起

编者按：1959年，物理学家理查德·费曼在加州理工学院提出一个看似疯狂的问题——我们能把东西做多小？六十多年后，这个问题演变成另一个更迫切的追问：我们还能把计算推到多远？

1959年12月29日的晚上，加州理工学院的一间礼堂里，物理学家理查德·费曼（Richard Feynman）站在美国物理学会年会的讲台上，发表了一场后来被反复引用的演讲——《底部还有很大空间》（There's Plenty of Room at the Bottom）。彼时，最先进的计算机仍靠真空管和继电器运转，一台机器可以占满整个房间；而费曼谈论的，是把整套《大英百科全书》写到一枚大头针的针尖上，是在原子尺度制造机器、存储信息。

六十多年过去，那场演讲被普遍视为纳米技术的思想起点。但它真正的前瞻性，或许在于它把计算还原成了一个物理问题：信息可以写进物质，而物质的大小、能量消耗与散热能力，终将决定我们能把计算推到何处。

一场关于「小」的演讲

费曼在演讲中提出，人类完全有能力逐层缩小书写尺度——先把文字缩小，再一路缩小到单个原子的排列。他当场悬赏一千美元，奖励第一个造出微型电机的人，以及第一个把《大英百科全书》缩写到针尖大小的人。前者在1960年就被兑现，后者则在1985年由斯坦福的研究者用电子束光刻完成。

更关键的是他对计算的判断。他设想用极小的元件制造计算机，指出存储密度最终受限于原子本身的尺寸，并提醒听众：计算的每一步都要消耗能量，而这些能量最终都会变成热。这个看似朴素的观察，正是今天数据中心与AI芯片所面对的核心难题。

摩尔定律的黄金年代与退潮

1965年，戈登·摩尔提出后来被称为摩尔定律的观察：集成电路上的晶体管数量大约每两年翻一番。此后半个世纪，这条曲线几乎成了整个信息产业的节拍器——从1971年英特尔4004处理器的2300个晶体管，到今天单颗芯片上以千亿计的晶体管，算力的增长塑造了软件、互联网与人工智能的整个形态。

但节拍器正在失速。大约在2000年代中期，登纳德缩放（Dennard scaling）走向终结：晶体管继续变小，电压却无法同步下降，功耗密度因此急剧上升，主频被卡在数GHz附近，处理器转而依靠多核并行。如今，先进制程已推进到2纳米级别，极紫外光刻（EUV）设备单台造价超过一亿欧元，而每一代制程带来的性能增益与成本优势都在收窄。所谓「摩尔定律已死」的说法虽然夸张，但它准确地描述了一种焦虑：靠缩小晶体管换取算力的老路，越来越难走。

既然不能更小，那就往上叠

产业界的应对，是把重心从「更小」转向「更密」。先进封装、芯粒（chiplet）架构、高带宽内存堆叠、背面供电、环绕栅极（GAA）晶体管，以及仍在实验室中的互补场效应晶体管（CFET）与二维材料沟道，都是同一逻辑的不同侧面：在不牺牲良率的前提下，把更多计算单元塞进更小的体积，并让数据在它们之间跑得更近、更省电。

这也是费曼式思路的现代版本——不只是把元件做小，而是重新安排物质的结构。当平面缩放的收益递减，计算的进步开始依赖材料、封装与架构的协同设计，而非单一的光刻节点。

热力学设下的天花板

然而，物理学的约束比工程学的约束更严格。兰道尔原理（Landauer's principle）指出，擦除一比特信息至少要耗散 kT·ln2 的能量，室温下约为 3×10⁻²¹ 焦耳。这个数字小到几乎可以忽略，但当今天的AI集群每秒执行百亿亿次运算时，它就从理论注脚变成了能耗账本上的实际科目。

更现实的限制来自散热。芯片的功率密度早已超过家用炉灶的加热面，数据中心的电力与冷却需求正在成为选址、成本乃至碳排放的决定性因素。费曼当年的提醒此刻显得格外尖锐：计算不是抽象的符号操作，而是一种物理过程，它必然受制于能量与热。

换一条赛道

正因如此，寻找「非冯·诺依曼」的路径成了当下最活跃的研究方向。量子计算试图利用叠加与纠缠，在特定问题上绕过逐位运算的能耗结构；光子计算用光代替电子传输与部分运算，以规避电阻发热；神经形态芯片模仿大脑的事件驱动机制，只在需要时耗电；存内计算则把运算搬到存储阵列内部，削减数据搬运这一最大开销。

这些路线各有各的难题——量子比特的纠错开销、光子器件的集成密度、新架构的软件生态——它们大概率不会取代今天的CMOS，而更可能像GPU之于CPU那样，成为特定负载的加速器。未来的「计算机」或许不再是一颗芯片，而是一套由不同物理机制拼装而成的异构系统。

边界也是想象力的边界

费曼在那场演讲的结尾说，他并不担心人类能否做到，只担心我们是否愿意去做。六十多年后，这句话仍然适用，只是问题的形式变了：不再是「能不能做小」，而是「能不能在能量与热的约束下，继续把计算推向更远处」。

答案很可能不在某一次制程突破里，而在物理学、材料学与计算机体系结构的交叉地带。底部确实还有很大空间——只是那片空间，如今需要用热力学的尺子来丈量。

本文编译自 MIT Technology Review