深入了解AI时代英特尔数十亿美元的变革( 四 )_当我走到位于加利福尼亚州圣克拉拉的英

摩尔定律也暗示了英特尔将继续年复一年地研究如何在其芯片中实现预期的计算能力增长的承诺。在过去的大部分时间里，英特尔都通过寻找将更多的晶体管楔入到硅片上的方法来兑现了这一诺言，但是却变得越来越困难。

Moor Insights＆Strategy首席分析师Patrick Moorhead表示：“我们的芯片工厂用光了。 “制造这些大芯片并使其经济地变得越来越难。 ”

仍然有可能将更多数量的晶体管挤压到硅片中，但是这样做变得越来越昂贵，花费的时间也越来越长，而且所获得的收益肯定不足以满足计算机科学家正在构建的神经网络的要求。例如， 2016年最大的已知神经网络具有1亿个参数，而2019年迄今为止最大的神经网络具有15亿个参数-仅在短短几年内就增加了一个数量级。

与以前的计算范例相比，这是一条截然不同的增长曲线，它给英特尔施加压力，要求他们寻找提高其芯片处理能力的方法。

但是， Swan认为AI不仅仅是机遇，而是挑战。他承认数据中心可能是英特尔受益的主要市场，因为它们将需要功能强大的芯片来进行AI训练和推理，但是他相信英特尔有越来越多的机会也可以销售适用于小型设备（例如智能相机）的AI兼容芯片和传感器。对于这些设备，差异很大的是小尺寸和低功耗，而不是芯片的原始功率。