Moore's law
PulseAugur coverage of Moore's law — every cluster mentioning Moore's law across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
作者将1971年的出生年份和社会力量归功于科技职业的优势
作者反思了1971年出生，父亲是难民，母亲是教师，这为科技职业生涯带来了显著优势。这种成长经历，加上加拿大易于获得的公共服务和负担得起的大学教育，使得大学经历没有负债，并顺利过渡到科技行业。文章将此与婴儿潮一代经历的房地产市场繁荣进行了类比，认为许多看似的成功很大程度上受到幸运时机和更广泛社会力量的影响，而非仅仅是个人功劳。
-
LLM智能体框架助力芯片设计，从光子学到3D ICs
研究人员开发了两个新的智能体框架，利用大型语言模型（LLMs）协助复杂的设计过程。PICopilot，在最近的arXiv提交中有所介绍，使用基于LLM的智能体框架，根据自然语言指令生成光子集成电路的设计脚本，在多样化任务的基准测试中表现优于GPT-5。另外，AgenticECO被提出作为3D集成电路中工程变更单（ECO）的智能体框架，旨在简化修复并减少先进芯片设计中完全重新布线的需求。
-
Sam Altman 的“万物摩尔定律”与 Uiua 的类型系统
此集群包含两篇不同的文章，一篇讨论 Sam Altman 提出的“万物摩尔定律”概念，另一篇详细介绍编程语言 Uiua 的类型系统。第一篇文章（2021 年）探讨了技术进步（不仅仅是计算能力）遵循指数增长模式的观点。第二篇文章深入探讨了专为数组编程设计的语言 Uiua 的类型系统的技术细节。
-
德国芯片突破有望提升AI效率
一家德国公司开发了一种新芯片，有望比现有技术更快、更高效，可能解决摩尔定律放缓的问题。这一进步被认为对依赖软硬件改进的AI的持续发展至关重要。新芯片可能带来更小、更节能的数据中心，与当前大规模建设数据中心的趋势形成对比。
-
前英特尔CEO Gelsinger 瞄准通过深度科技AI投资重启摩尔定律
前英特尔CEO Pat Gelsinger 已加入Playground Capital担任普通合伙人，旨在通过投资深度科技半导体初创公司来振兴摩尔定律。Gelsinger 认为，光刻技术的进步，特别是利用基于光的技术，是克服当前制造限制的关键。他视人工智能为推动深度科技投资增加的主要催化剂，尽管他指出许多风险投资公司缺乏有效评估这些复杂创新的技术专长。
-
Z世代拥抱AI伴侣，在亲密经济中冒险牺牲人际连接
Z世代越来越多地转向AI伴侣寻求情感连接和亲密关系，这一趋势被称为“亲密经济”。这种转变是由对人际关系中情感安全感缺失的看法以及硅谷对连接的商品化所驱动的。虽然AI聊天机器人提供可定制的支持和日常任务协助，但它们也可能侵蚀个人形成深层人际关系和处理悲伤等真实情感的能力。
-
人工智能芯片股周五继续抛售
人工智能芯片股周五继续下跌。此次抛售影响了生产这些专用处理器的公司，引发了对其未来业绩和市场动态的疑问。
-
华为的“Tau定律”以新的芯片扩展框架挑战摩尔定律
华为推出了新的芯片扩展框架“Tau定律”，该框架优先考虑降低整体系统延迟，而非晶体管密度。这种方法挑战了摩尔定律所规定的传统扩展方式，并通过封装和互连等领域为到2035年的性能提升提供了路线图。
-
Imec 路线图：2038 年实现 0.3 纳米节点，CFET 晶体管在 0.7 纳米时可行
Imec 的 2026 年路线图勾勒了半导体制造的未来，预计到 2038 年实现 0.3 纳米制造节点，并在 0.7 纳米时实现 CFET 晶体管的可行性。该研究组织正在重新定义摩尔定律，强调单元尺寸和密度而非传统的缩小尺寸，因为接触多晶硅间距预计将在 2030 年左右趋于平稳。这一转变需要 CFET 和潜在的 Hyper-NA EUV 光刻等新技术来继续推进芯片功能。
-
AI算力增长打破50年趋势，由加速器驱动
全球算力存量已打破了近50年来约66%的复合年增长率趋势。这一趋势此前在20世纪90年代中期曾因Intel Pentium等技术进步和消费计算的兴起而受到干扰，如今则受到2020年左右出现的AI加速器的影响。尽管移动处理器和云计算侧重于效率，但浮点运算在AI中的核心作用催生了对新一轮算力的需求，预计当前的高增长率将持续数年。
-
Anthropic指控阿里巴巴窃取AI模型；IBM发布新芯片
Anthropic指控阿里巴巴非法提取其Claude AI模型的能力，称这是该公司迄今为止最大的已知蒸馏攻击。该技术涉及使用一个大型模型的输出来训练一个小型模型。此外，IBM开发了一款拥有1000亿个晶体管的新原型芯片，旨在延长摩尔定律，而欧洲正面临创纪录热浪导致电网挑战。
-
IBM发布首个采用堆叠晶体管的亚纳米级芯片技术
IBM宣布了其新型“亚纳米”（0.7纳米或7埃）芯片工艺的重大进展。这项突破采用了新颖的“纳米堆叠”架构，通过垂直堆叠晶体管来实现近乎翻倍的密度。该公司声称，这项创新可以带来性能提升高达50%或能效提高70%的芯片，从而解决AI数据中心面临的关键功耗挑战。IBM预计这项技术可以将芯片扩展再延长十年，并可能在五年内实现量产。
-
IBM 推出 nanostack 芯片技术，将摩尔定律再延长十年
IBM 推出了一种名为 nanostack 的新芯片架构，该架构将晶体管垂直堆叠成两层，有可能将摩尔定律再延长十年。这项技术通过向上构建晶体管而不是缩小它们，有望带来更快、更节能的计算机。IBM 预计该设计将在十年内被数据中心广泛采用，并可能应用于 CPU 和 GPU。
-
新框架ApproxHDC通过编译器驱动的近似优化超高维计算
研究人员开发了ApproxHDC，一个利用编译器驱动的近似调优来提高超高维计算（HDC）工作负载效率的新颖框架。该方法旨在通过为包括CPU、GPU以及ReRAM和PCM等新兴内存计算技术在内的各种硬件平台优化HDC算法来解决摩尔定律的局限性。ApproxHDC自动化领域特定近似的识别和应用，在巨大的可能性空间中导航，以在对准确性影响最小的情况下实现显著的性能提升。
-
人工智能需求激增，推动半导体价格达到前所未有的高位
人工智能需求激增，导致计算机和半导体进口价格大幅上涨，超出了历史趋势和摩尔定律。5月份价格上涨了3.6%，同比上涨14.4%，表明真实的芯片短缺正在推高单位计算成本。这一激增在历史记录中是前所未有的，“有史以来最快”也无法捕捉到增长的幅度。
-
LLM通过迭代反馈和效率关注改进代码生成
研究人员正在探索新的方法来提高大型语言模型（LLM）生成代码的可靠性和效率。一项研究侧重于迭代反馈循环，利用编译器错误消息和测试用例结果来帮助LLM改进其代码，其中推理模型比非推理模型显示出显著的改进。另一篇论文介绍了一个名为SwiftTrans的框架，旨在提高LLM翻译代码的功能正确性和运行时效率，解决了LLM生成的程序可能比人类编写的程序慢的问题。第三种方法通过选择性地生成代码并使用自动生成的单元测试来评估和控制正确性来解决代码幻觉问题。
-
华为发布新的芯片缩放定律以规避美国制裁
华为推出了一种名为“Tau (τ) 缩放定律”的新型半导体缩放方法，旨在不依赖受美国制裁的极紫外（EUV）光刻机来实现先进的晶体管密度。这种由华为“芯片女王”何庭波倡导的方法，侧重于压缩信号传输时间和垂直堆叠电路，而不是像摩尔定律那样仅仅缩小晶体管。Empyrean Technology等中国芯片设计公司已开始支持这一新方法，北京大学的研究人员正在开发兼容的EDA工具。
-
数据中心AI发展被批为“欺诈”
当前的人工智能发展方法涉及将大量处理单元堆叠到大型建筑中，一些观察家批评这种策略是为了规避计算机处理能力的物理限制。这种被称为“数据中心欺诈”的方法被一些人视为对摩尔定律的人为回应，是由公司利益驱动而非真正的技术进步。
-
华为与科学家发布2D芯片，挑战摩尔定律
中国研究人员与华为合作，开发出全球首款采用二维半导体的并行处理器。这款名为“问顶-1000”（Mengqi-1000）的新芯片利用二硫化钼克服了硅的物理尺寸限制，有望延续摩尔定律。该突破实现了创纪录的集成密度，标志着中国在二维半导体研究和潜在量产方面取得进展。
-
AI集成可能加速产品“恶化”，影响自由
产品的“恶化”被假设遵循阿姆达尔定律的倒数，尤其是在摩尔定律衰退的背景下。这种趋势与“cleverbot 2.0”和 Flock AI 的 ALPR 系统等高级 AI 功能的集成同时出现。人们对 AI 影响国家伟大和自由的潜力表示担忧。