加速器已經無處不在：世界上的比特幣是由旨在加速這種加密貨幣的關鍵算法的芯片采礦得來，幾乎每一種能發出聲音的數字產品都使用硬連線音頻解碼器，數十家初創公司正在追逐能讓深度學習AI無處不在的快速硅。這種專用化，使得各類原本運行在通用CPU之上的軟件及其內部常見算法得以在定制化硬件上帶來更快的處理速度，被認為是摩爾定律失效之后，我們能夠在接下來一到兩代芯片當中繼續驅動計算能力保持增長的一種方法。

但這不會奏效。至少，它不會長時間奏效。這是普林斯頓大學電氣工程副教授David Wentzlaff和他的博士生Adi Fuchs即將在本月的IEEE高性能計算機架構國際研討會（IEEE International Symposium on High-Performance Computer Architecture）上發表的研究結論。他們計算出，芯片專用化不能產生摩爾定律所能產生的那種收益。換句話說，加速器的發展會像晶體管的縮小那樣碰壁，而且這會比預期的更快發生。

為了證明他們的觀點，Fuchs和Wentzlaff必須弄清楚最近的性能提升有多少來自芯片專用化調整，有多少來自摩爾定律本身。這意味著要檢查1000多份芯片數據表，弄清楚一代又一代芯片的改進有多少部分要歸功于更好的算法和更巧妙電路的巧妙實現方法。換句話說，他們試圖量化人類的聰明才智。

為此，他們做了工程師們擅長的事：他們將它轉換為一個無量綱的量。他們將其稱為芯片專用化回報，希望借此回答這樣一個問題：“在晶體管的固定物理預算下，芯片的計算能力提高了多少？”

使用該指標，他們評估了特定應用集成電路（簡稱ASIC）上的視頻解碼、GPU上的游戲幀速率、FPGA上的卷積神經網絡以及ASIC上的比特幣采礦。結果并不令人振奮：專用芯片的增益很大程度上取決于每平方毫米硅上可用晶體管數量的增加。換句話說，離開了摩爾定律，芯片專用化本身的力量是有限的。

因此，如果專用化無法給出理想的答案，那么未來的出路在哪里？Wentzlaff建議半導體業界學習使用那些能夠在邏輯停止時仍可實現擴展的東西進行計算。例如，每平方厘米可用閃存的比特數在不受摩爾定律影響的情況下持續增長，因為業界已經轉向使用能夠制造出256層甚至更高單元層數的3-D技術。Fuchs和Wentzlaff已經開始研究這個問題，他們開發了一種計算機架構，通過讓處理器查找存儲在內存中的先前計算而不是重新計算它們來加速計算。