摩爾在2023年4月19日的《電子學》雜誌上公布了這一著名預言。英特爾ceo科再奇(brian krzanich)表示：「摩爾定律是一項經濟定律，與物理和化學並無太大關係。在幾年時間裡，我們將使晶元上的電晶體數量增加一倍。實際上，我們也將成本減少了一半。當你做到這一點時，你也優化了裝置的效能。」今天，酷睿i5處理器的效能是英特爾第一代4004處理器的3500倍，能效高出9萬倍，而成本只有1/60000。科再奇表示，如果汽車也以這樣的速度發展，那麼目前時速已達到30萬英里，而成本只有4美分。關於摩爾定律帶來了什麼經驗，摩爾表示：「當我做出成功的預言之後，我要避免再做另乙個預言。」他同時指出：「摩爾定律能堅持50年之久，這令人震驚。」摩爾認為，摩爾定律不會永遠有效，但如果良好的工程技術得到應用，那麼摩爾定律仍可以堅持5到10年時間。他表示，他並不希望行業陷入僵局。許多人在幾十年前就已**，行業即將止步不前。摩爾表示：「我沒有看見其他任何領域能在如此長的時間裡保持指數式增長。」
1.記憶體中計算：在整個計算史上，處理最緩慢的一部分就是從硬碟獲取資料。很多的處理效能都浪費在了等待資料到達上。相比之下，記憶體中計算則將大量的資料放在ram（隨即訪問記憶體），使得資料可以馬上在ram中進行處理。結合新型的資料庫、分析技術和系統設計，它能夠大大提公升效能和整體成本。
2.量子計算:普通計算機中的2位暫存器在某一時間僅能儲存4個二進位制數（00、01、10、11）中的乙個，而量子計算機中的2位量子位（qubit）暫存器可同時儲存這四個數，因為每乙個量子位元可表示兩個值。理論上，量子計算機將能夠以數百萬倍於當前技術的速度解決各類非常複雜的問題，如分析基因資料或者測試飛機系統。谷歌研究人員去年宣布，他們已經開發了一種新的量子位元方式來檢測和防範錯誤。
3.神經形態計算。神經形態計算技術的目標是，打造一款像人腦那樣的計算機——處理和學習資料的速度能夠跟生成資料一樣快速。到目前為止，業界已經開發出能夠通過訓練和執行神經網路來進行深度學習的晶元，那是往正確方向邁出的一步。例如，general vision的神經形態晶元包含1024個神經元，每乙個都是基於sram（靜態隨機儲存器）的256位元組儲存器，且有3000個邏輯門，所有的神經元都互相連線，平行執行。
4.dna資料儲存。將資料轉換成base 4，你就可以將它編碼到合成dna上。為什麼要那麼做呢？很簡單：一點點dna就可以儲存一大堆資料。事實上，有瑞士研究團隊估計，一茶匙的dna可以容納人類迄今為止所產生的所有資料，從最早期的洞穴壁畫，再到昨天的facebook動態更新。這種技術目前需要耗費大量的時間和資金，不過基因編輯或許是大資料的未來：futurism最近報道稱，微軟正在研究利用合成dna來進行安全的長期資料儲存，已經能夠編碼和恢復100%的初始測試資料。
摩爾定律失效後的晶元該怎麼發展？
在過去幾十年裡，摩爾定律指引著積體電路產業的發展，晶元製造工藝也在按部就班地推進。但進入了最近幾年，晶元的微縮週期因受到矽材料本身特性和裝置的限制而逐漸變慢。換句話說，摩爾定律失效了。全球半導體行業研發規劃藍圖協會主席paolo gargini在早年也曾表示，按照最快的發展速度看，到2020年，我們...
摩爾定律失效後，AI如何保持快速發展？
本月初，谷歌ceo sundar pichai在跟開發者分享從他的機器學習實驗室得到的結果時，他表現的非常興奮。因為他們實驗室的研究人員，已經找到了自動化生成機器學習軟體的方法。並且他們也發現，這個方法很容易就能部署到新的情景和行業內。不過，該專案在ai研究領域內名聲大噪的另外乙個原因就是，它成功的...
摩爾定律失效後，AI如何保持快速發展？
本月初，谷歌ceo sundar pichai在跟開發者分享從他的機器學習實驗室得到的結果時，他表現的非常興奮。因為他們實驗室的研究人員，已經找到了自動化生成機器學習軟體的方法。並且他們也發現，這個方法很容易就能部署到新的情景和行業內。不過，該專案在ai研究領域內名聲大噪的另外乙個原因就是，它成功的...