超越摩尔定律，步入黄氏定律

图形处理器正处于让摩尔定律相形见绌的超高速发展道路之上。英伟达（Nvidia）的黄仁勋（Jensen Huang）如是说到。

上周，生气勃勃的黄仁勋出现在美国加州圣何塞举办的2018GPU技术大会（GTC）上，他出席了多个活动并做了一场主题演讲，不断地重复这么一个观点：由于技术的飞速进步，图形处理单元（GPU）有其自己的发展定律。

“新的定律正在形成，”他说，“一个超高速发展的定律。”

作为英伟达的CEO，黄仁勋并没有称其为“黄氏定律”。我猜他会留给其他人来命名这个定律。毕竟当今著名的“摩尔定律”的名字并不是戈登·摩尔（Gordon Moore）自己命名的。（摩尔定律——摩尔自己称之为一个现象——指的是单位集成电路可容纳的元件数量会周

期性翻倍，也就是说同样算力下成本能大幅减少。）

但黄仁勋确信，参加GTC的所有人都会记住这一条。

GPU技术的发展到底有多快？在黄仁勋的主题演讲中，他指出现如今英伟达的GPU比五年前快了25倍。如果遵循摩尔定律给出的发展速度，黄仁勋说，它们只能快10倍。

黄仁勋其后给出了衡量GPU算力发展速度的另一个标准：训练AlexNet需要的时间。AlexNet是一个训练150万张图像的神经网络。他说，五年前采用两片英伟达GTX 580完成训练过程需要六天时间，而采用英伟达的最新硬件产品DGX-2则只需要18分钟——快了500倍。

黄仁勋丢出了各种各样的数字，似乎他还在确定哪个才是他要讨论的算力增长倍数。但是黄仁勋清楚GPU需要其独有的发展定律的原因——GPU的发展得益于多个方面的同时进步：架构、互联能力、存储技术、算法等等。

 “技术革新并不只在于芯片上，”他说，“而在于整个体系上。”

英伟达高级工程师杰西·克莱顿（Jesse Clayton）在另一场分会中指出，GPU的发展速度比CPU更快的另一个原因在于，GPU依赖平行架构。

关于作者

特克拉·S·佩里（Tekla S. Perry）是常驻美国加州帕罗奥图市的高级编辑，她报道造就硅谷传奇的人、公司和技术超过30年。佩里在20世纪80年代初开始在IEEE Spectrum纽约办公室报道加州科技公司，其后于1986年搬到湾区（Bay Area）开始全职工作。她熟稔技术

发展史，包括早期电子游戏、个人电脑产业的发展、Xerox PARC的兴衰与如今硅谷中惊人的创业热潮。她深入采访过许多科技先驱，包括戈登·摩尔（Gordon Moore）, 安迪·葛洛夫（Andy Grove）, 罗伯特·诺伊斯（Robert Noyce）, 戴维·帕卡德（David Packard）

,欧文·雅各布（ Irwin Jacobs）, 安德鲁·维特比（Andrew Viterbi），吉姆·克拉克（Jim Clark），瑞·杜比（Ray Dolby），亚伦·凯（Alan Kay），亚当·奥斯本（Adam Osborne），吉恩·阿姆达尔（Gene Amdhal），加里·基尔代尔（Gary Kildall），戈登·

贝尔（Gordon Bell），史蒂夫·沃兹尼亚克（Steve Wozniak），玛丽莎·梅耶尔（Marissa Mayer），埃隆·马斯克（Elon Musk）与诺兰·布什内尔（Nolan Bushnell）。

除了在纸质刊物与她的博客“硅谷观察（View From the Valley）”中报道硅谷与初创公司，佩里还追踪报道全球消费电子技术趋势。她拥有密歇根州立大学的新闻学学士学位，并且是一名IEEE会员。

（翻译：常灏杰；审校：戴晨）

文章来源：https://spectrum./view-from-the-valley/computing/hardware/move-over-moores-law-make-way-for-huangs-law