افول قانون مور؛ چرا سرعت پیشرفت سختافزار کند شده است؟

برای بیش از دو دهه، صحبت از پایان قانون مور مطرح بوده است. این قانون که توسط گوردون مور، بنیانگذار اینتل، بیان شد، پیشبینی میکرد که تعداد ترانزیستورها در یک تراشه هر دو سال دو برابر میشود. این روند افزایش ترانزیستورها در طول سالها باعث پیشرفت چشمگیر پردازندهها و کاهش هزینهها شده بود، اما اکنون با مشکلات و محدودیتهای بیشتری روبهرو شده است. از محدودیتهای فیزیکی گرفته تا افزایش هزینههای ساخت، پایان این قانون به تدریج و بهشکل نامحسوسی در حال آشکار شدن است.
نسلهای جدید پردازندهها؛ بدون پیشرفت چشمگیر
شرکتهای AMD و اینتل در سالهای اخیر پردازندههای جدیدی عرضه کردهاند که بهجای افزایش قابلتوجه عملکرد، تنها به بهبودهای جزئی رسیدهاند. بهعنوان مثال، پردازنده رایزن 9 مدل 9950X تنها 15 درصد بهبود عملکرد چند هستهای در مقایسه با مدل قبلی خود (7950X) داشته است، در حالی که نسلهای قبلتر بهطور متوسط حدود 36 درصد بهبود عملکرد را به همراه داشتند. حتی در آزمونهای تکهستهای نیز چنین کاهش سرعتی دیده میشود. این موضوع نشان میدهد که افزایش ترانزیستورها دیگر به آسانی گذشته امکانپذیر نیست و چالشهای بسیاری در این راه وجود دارد.
معماریهای ترکیبی؛ راهحلی جدید برای فرار از محدودیتهای قانون مور
برای مقابله با این چالشها، اینتل به استفاده از معماریهای ترکیبی روی آورده است. این طراحی که با نام Hybrid Architecture شناخته میشود، شامل ترکیب هستههای کارآمدتر با هستههای قدرتمند است تا عملکرد بهینهای ارائه دهد. AMD نیز با استفاده از فناوری 3D V-Cache توانسته است محدودیتهای تراکم ترانزیستور را دور بزند. در این فناوری، حافظه کش بیشتری بر روی تراشه قرار داده میشود و این به افزایش سرعت پردازندهها کمک میکند. این تکنیکها بهطور مؤثری از محدودیتهای فیزیکی قانون مور عبور میکنند و به شرکتها امکان میدهند که بدون افزایش بیرویه تعداد ترانزیستورها، بهبود عملکرد داشته باشند.
محدودیتهای فیزیکی و چالشهای فضایی
افزایش تعداد ترانزیستورها به معنای نیاز به فضای بیشتری روی تراشه است. این مسئله نه تنها هزینه تولید تراشهها را بالا میبرد، بلکه چالشهایی مانند افزایش مصرف برق و مشکلات حرارتی نیز ایجاد میکند. برای مثال، کارت گرافیک Nvidia RTX 4090 تعداد ترانزیستورهای دو برابر نسبت به نسل قبل خود دارد، اما این افزایش منجر به نیاز به سیستم خنککننده بزرگتر و مصرف برق بیشتر شده است. همچنین، این کارت با مشکلاتی نظیر ذوب شدن کانکتورهای برق و تولید حرارت بسیار زیاد روبهرو شده است. این چالشها نشاندهنده آن است که افزایش تعداد ترانزیستورها دیگر بهتنهایی راهکار مناسبی برای بهبود قدرت پردازشی نیست.
استفاده از هوش مصنوعی؛ راهحلی جایگزین برای قانون مور
با توجه به محدودیتهای فیزیکی و هزینههای افزایشی، شرکتهای فناوری به دنبال راهحلهای جدیدی هستند که وابسته به افزایش ترانزیستورها نباشد. یکی از این راهحلها، استفاده از هوش مصنوعی (AI) است. بهعنوان مثال، انویدیا با فناوری DLSS توانسته است با استفاده از یادگیری ماشینی، عملکرد گرافیکی بازیها را بهبود بخشد بدون اینکه نیاز به سختافزار قویتری باشد. این فناوری با مقیاسبندی تصاویر و ایجاد پیکسلهای جدید، به کارتهای گرافیک امکان میدهد که کیفیت تصویر بالا را با مصرف کمتری از منابع سختافزاری ارائه دهند.
علاوه بر این، فناوری Ray Reconstruction نیز نمونهای دیگر از استفاده هوش مصنوعی است که انویدیا آن را در کارتهای گرافیک خود به کار گرفته است. این فناوری با کاهش تعداد پرتوهای مورد نیاز برای رندر تصاویر و استفاده از الگوریتمهای پیشرفتهی یادگیری ماشین، تصاویری با کیفیت بالا و جزئیات زیاد تولید میکند، بدون اینکه نیاز به سختافزار گرانقیمت داشته باشد.
تغییر چشمانداز فناوریهای نوین
با وجود اینکه قانون مور دیگر بهآسانی گذشته جوابگو نیست، اما نوآوری در حوزه سختافزار همچنان ادامه دارد. شرکتها برای حفظ رقابت و پاسخ به نیازهای پردازشی، به روشهای نوآورانهای چون هوش مصنوعی و معماریهای جدید روی آوردهاند. این تحولات به ما نشان میدهد که آیندهی فناوریهای سختافزاری بهجای تکیه بر افزایش بیرویهی ترانزیستورها، به سمت استفاده از تکنیکهای هوش مصنوعی و طراحیهای هوشمندانهتر میرود.
این نوشتهها را هم بخوانید