10月14号，苹果发布了新的iPhone 12系列手机，消费者讨论的是价格、配件、性能。科技媒体关注了iPhone 12的一个技术细节，就是这一次iPhone使用的芯片A14仿生芯片。这是全世界第一个用5nm技术制造出来的商用芯片，性能非常强大，上面有118亿个晶体管。上一代的A13仿生芯片，一秒钟能完成6万亿次运算，但是A14性能几乎翻倍，一秒钟能完成11万亿次运算。
我们外行看到这个数字肯定觉得很惊人。但我发现科技观察者却并不一定把这个当做好事。比如在《福布斯》网站上，一个做微芯片的专家却评论说，苹果的5nm芯片是摩尔定律走向终结的又一个路标。因为5nm差不多也就是10个原子那么大，都到这个量级了，我们还有多大希望，能让芯片每两年晶体管数量翻倍、性能翻倍呢？
当然，这样的观点也不新鲜，这个话题每年都有人讨论。不过我最近倒是看到一个有意思的说法，说摩尔定律也许会放慢甚至终结，但一个新定律却早已经显出雏形了，就是“黄仁勋定律”。黄仁勋你也知道，就是芯片设计公司英伟达的创始人。这个观点是《华尔街日报》上一个专门写科技评论的专栏作家，Christopher Mims提出来的。
如果你关注计算机领域，你肯定知道英伟达公司是全球最值钱的芯片公司，市值达到3500亿美元。他们主要做的是专门用于图形处理的GPU芯片。
以前这种芯片主要用在电脑或者游戏机里面。不过近些年来，英伟达的GPU芯片越来越多地被用在大数据中心里面，用来训练人工智能算法。这一类芯片有一个专业的名字，叫做“人工智能加速芯片”，顾名思义，作用就是给AI算法加速的。
针对这一类芯片，英伟达的首席科学家提供了一个数据。这个数据说的是，从2012年5月至今，这8年左右的时间里，英伟达芯片在一类特定的AI算法当中的表现，提升了317倍。算下来，这种性能提升的速率可不止每两年翻一倍，远远超过了摩尔定律的速率。这种趋势被Christopher Mims称为“黄仁勋定律”。
这一点，黄仁勋自己在2018年的英伟达GPU科技大会上也提到过。他在演讲中说，英伟达的GPU芯片，计算速度跟五年前，也就是2013年相比，快了25倍。但是如果是按照摩尔定律来计算的话，这个速率按理说也就应该提升10倍左右。当时黄仁勋就提出，这种现象背后是一种新的“定律”。
那么你可能会想了，按理说，整个芯片产业都遵循摩尔定律。为什么英伟达的芯片，能打破摩尔定律的限制呢？
要想搞明白这个问题，我们就得回到一个基础问题上，就是CPU芯片和GPU芯片有什么不同。
传统的CPU芯片是一种通用芯片，要干的事情很多，除了用来计算，还要做很多功能，比如说要调取数据，要控制操作，要分析指令等等。在一个CPU上，能用来计算的，就其实只有一小部分。相当于说，河面上有一艘船，但是船上坐着的人不都是划船的，还有一些其他人，有指挥的，有厨子，有负责看天气的等等。一艘船上10个座位，划桨的人可能只能坐下3-4个，剩下的位置都被“闲杂人等”占了。
但是GPU就不一样了。GPU是“专用芯片”，它有专门的功能，处理图像数据。这就相当于，同样是一艘船，GPU这艘船上大部分的位置都给了划桨的人，闲杂人等不让上船，10个座位上的人，可能八九个都在划船，船当然划得快。
这就是为什么，虽然在CPU领域，摩尔定律在放缓，但是在GPU领域，芯片性能却仍然飞速提升，甚至出现了“黄仁勋定律”。
那你可能会想了，这个所谓的“黄仁勋定律”，是不是跟摩尔定律的原理也一样呢？摩尔定律说的是，一块芯片上能放下的晶体管数量，每隔两年就翻一倍，导致芯片的性能也会随之翻倍。英伟达GPU芯片能实现性能提升，是不是也是通过在同一片芯片上浓缩更多的晶体管呢？
并没有这么简单。就这个问题在得到上《芯片技术》课程的主理人李铁夫老师。他说GPU芯片性能的提升，主要还是通过优化硬件以及优化算法做到的。
我们还是拿前面，船的那个比喻来说。硬件优化是什么意思呢？比如说你可以优化船体本身的设计，既然这个船只有一个任务，就是划得快，那不如按照赛艇的模型去设计。还有船的里面，座位怎么排布，甚至用什么样的桨来划，也都可以优化。对应到芯片设计领域，专业的术语就是，电路设计可以优化。
另一种方式，就是重新设计划船的技术，提升船上每个人划船的效率或者说提升整个团队的效率。比方说，在软件的层面，你可以使用更好、更高效的算法去发挥芯片的效率。
当然，这个定律是不是成立，现在下结论恐怕还太早了。你也知道，摩尔定律其实是一个“自我实现”的预言。摩尔只是作出了一个预判，然后行业里的玩家纷纷把他的预判当作目标，进行了大量的研发投入。最终，还真的让摩尔定律运行了几十年。“黄仁勋定律”能不能实现，恐怕也取决于英伟达下多大的决心往里面砸钱和砸人，以及有多少人相信这个定律，愿意“追随”他。
但这不妨碍我们假设一下，如果“黄仁勋定律”真的维持下去，那会发生什么呢？
我们会看到，AI芯片的性能呈现指数级增长，AI应用可能会出现爆发式的增长。
比如说，现在很流行的新零售业务，无人售货超市可能就会是一个受益者。现在英伟达的芯片就被用在一些国外的超市里，当顾客买东西的时候，摄像头收集的图像会被实时传送到后台，英伟达的芯片会以一秒上百万亿的计算速度完成图像处理。如果英伟达芯片的性能能提升，成本降下来，这类无人零售超市可能会变得更普遍。
无人驾驶是另一个会从“黄仁勋定律”受益的行业。《华尔街日报》的文章里提到加州一家叫做图森未来的无人卡车公司。这类业务要想做起来，一个很关键的指标是，每瓦电力能支持多大的算力，以及整个自动驾驶的系统要占据多大的空间。对于一辆卡车来说，能提供的电能超不过5千瓦，空间也不大，就是卡车头那么大点。总不能把一个超级计算机塞进这么一个地方吧？这方面的进展也在很大程度上依赖于AI芯片性能的提升。
咱们开头提到的苹果手机业务，也将会从这个领域受益。苹果从2017年推出的iPhone 8开始，就在手机里搭载了A11仿生芯片，这个芯片上有一个专门用于机器学习的硬件，叫神经网络引擎。不仅苹果自己的人脸识别、拍照的功能用上了这部分硬件，其他开发者也可以使用它强大的功能。
而在未来，AI芯片的性能可能还不限于手机。随着AI芯片的性能提升、体积变小、成本下降，像是手表、小家电等等，一系列的电子设备都可能搭载AI芯片。我们会看到移动端的芯片有一个大的爆发。
这可能就是为什么，英伟达要斥巨资收购另外一家芯片巨头，英国的ARM了。因为英伟达的AI芯片目前主要用于大数据中心、云端计算，但是ARM的芯片设计则被用在苹果手机这样的移动端。如果他们两个的业务融合在一起，英伟达的AI芯片技术就有更多机会跨进移动领域。
好了，总结一下，今天介绍了科技圈里最近流行的概念，“黄仁勋定律”。在通用芯片CPU领域，摩尔定律正在逐渐放缓。但是，在专用芯片GPU领域，尤其是AI芯片，芯片的性能却有可能以指数级的速度提升，出现“黄仁勋定律”。英伟达无疑是这个趋势最大的押注者。如果“黄仁勋定律”成为一个自我实现的预言，那么我们可能会看到AI应用出现爆发式的增长。
