摩尔定律和 AI 算力有什么关系？一条曲线的延伸

摩尔定律不是一条物理定律，而是半导体行业的一条经验观察：集成电路上可容纳的晶体管数量大约每两年翻一倍。这条曲线延伸了半个多世纪，是 AI 算力故事的底层背景——2012 年深度学习的爆发、大模型时代的训练成本，都发生在它的延长线上。这篇按公开资料梳理三件事：这条观察从哪来，红利见顶后谁来接棒，以及它和 AI 算力增长的具体关系。

一条经验观察的出处

1965 年，仙童半导体的戈登·摩尔在《电子学》杂志发表短文，观察集成电路的元器件数量大约每年翻一倍；1975 年他把节奏修正为约两年翻一倍。流传更广的「十八个月翻一倍」说法，公开文献记录它出自摩尔同事豪斯对性能与密度的综合估算，并非原文口径。摩尔是英特尔的联合创始人，1971 年发布的英特尔 4004 处理器约有两千三百个晶体管，而今天公开报道的先进芯片晶体管数量以百亿计——五十多年间，这条曲线大体兑现。值得强调它的特殊性质：这是一条自我预言式的经验规律，因为全行业相信它、按它排产，它才持续成立。

曲线怎么喂饱了 AI

神经网络训练的本钱是矩阵运算，矩阵运算的甜头在并行，晶体管翻倍带来的算力增长正好对上这个胃口。深度学习复兴（见深度学习复兴一篇）的后期，研究者开始把游戏显卡借来训练网络，完整经过见GPU 进入 AI一篇。2012 年的 AlexNet 公开论文写明：用两块当时的高端游戏显卡训练约一周，拿下 ImageNet 竞赛冠军（见AlexNet 拿冠军一篇）。两块消费级显卡就能赢下视觉大赛，这是摩尔定律红利的直接兑现——算力在当时尚不构成门槛。

红利见顶与接棒者

进入二十一世纪，曲线显出疲态，公开的行业记录有两处节点。一是登纳德缩放在 2000 年代中期失效，芯片主频停涨，行业转向多核；二是晶体管数量仍在涨，但单位成本下降放缓，「红利见顶」成为公开讨论的常用表述。与此同时，AI 算力需求反而在加速：OpenAI 2018 年公开的分析估算，2012 年以来最大规模训练的算力约每三个半月翻倍，远超晶体管节奏；后来的公开研究（如 Epoch AI 的估算）把口径修正为约半年翻倍，方向一致。差额从哪来？公开答案有三条：并行规模扩大、资本投入加大、专用芯片登场——2016 年谷歌公开自研 TPU，英伟达在 2020 年与 2022 年相继发布 A100、H100 数据中心芯片。摩尔定律放缓与 AI 算力暴涨并存，靠的是把一条曲线的问题换成多条曲线叠加。

摩尔定律与 AI 算力速查

• 1965 年：摩尔论文观察元器件约每年翻倍
• 1971 年：英特尔 4004 约 2300 个晶体管
• 2000 年代中期：登纳德缩放失效，主频进入平台期
• 2012 年：AlexNet 用两块游戏显卡训练夺冠
• 2016 年：谷歌公开 TPU
• 2018 年：OpenAI 公布最大训练算力约 3.4 个月翻倍的估算
• 2020/2022 年：A100、H100 相继发布

一条曲线与今天的关联

对普通读者，这条线有两个实用落点。其一，看懂模型差异：模型能做什么，先看参数与算力的账，参数怎么算见参数量一篇，算力与效果的公开关系见规模法则一篇。其二，动手核数据：让 DeepSeek 列出从 4004 到 H100 各节点的晶体管数量做成表格，再用 Kimi 逐条核对公开出处，做一张自己的算力速查表；想让豆包用大白话讲讲 TPU 和 GPU 的分工，也是个现成的问题。可带走的判断：摩尔定律是背景板，真正决定 AI 节奏的是方法、数据、算力三条线的合拍——哪条线断了，其余两条再陡也撑不起转折。

摩尔定律快问快答

• 摩尔定律的原文怎么说的？：1965 年论文观察元器件约每年翻倍，1975 年修正为约两年；「十八个月」版本出自同事对性能的综合估算，公开文献有记录。
• 摩尔定律失效了吗？：公开行业讨论的口径是晶体管数量仍在增长，但成本与频率红利放缓；「见顶」指性价比增速，并非芯片停产。
• AI 算力为什么涨得比它快？：公开估算显示大模型训练算力约每三至六个月翻倍，差额来自并行规模、资本投入与 GPU、TPU 等专用芯片。