核心要点
摩尔定律： 计算能力大约每两年翻倍，成本保持不变。这种指数级改进推动了60年的技术进步。理解这种模式——以及认识到物理极限正在减缓它——对于技术战略至关重要。
1965年，戈登·摩尔（当时在仙童半导体，后来成为英特尔联合创始人）观察到，自1959年以来，集成电路可以容纳的晶体管数量大约每年翻倍，他预测这将至少持续10年。后来他将翻倍周期修正为大约两年。
该定律是经验性的——它是对历史变化率的观察，不是支配芯片设计的物理定律。但它成为自我实现的预言：半导体公司将其作为规划目标，围绕翻倍目标组织研发路线图。大约60年间（1960年代至2010年代），该行业以惊人的精确度跟踪摩尔定律。
实际结果：一部智能手机的计算能力超过了1970年代最强大的超级计算机。单位计算成本下降了多个数量级。这种成本降低使以下成为可能：个人电脑、互联网、智能手机、云计算、基因组学、机器学习以及过去50年的大多数其他技术革命。
更广泛的"摩尔定律"模式： 翻倍模式不仅适用于晶体管，还适用于存储密度（硬盘、闪存）、网络带宽和太阳能电池效率。这些摩尔定律类比各自催生了自己的技术颠覆浪潮。
AWS和其他云提供商能够持续降低计算价格同时维持利润率，因为底层硬件成本（受摩尔定律支配）的下降速度超过了价格。2010年在AWS上花费1美元的计算，现在只需几分之一美分。这种成本下降曲线使商业模型（移动应用、流媒体视频、机器学习即服务）成为可能，而这些在早期成本水平上经济上不可行。
假设当前计算成本结构将持续的技术战略系统性地低估了机会空间。目前在经济上过于昂贵的计算往往在一个产品周期内变得可行。
人类基因组计划从1990年至2003年完成了第一个人类基因组测序，成本约30亿美元。到2023年，一个人类基因组可以在不到200美元的成本下测序。这种成本下降——比摩尔定律更快，由测序技术的特定创新驱动——催生了一个全新行业：消费基因组学、液体活检癌症诊断和个性化医疗。
这是摩尔定律在DNA测序中的应用（有时称为Carlson定律或Wright定律）。教训：成本曲线指数下降会在每个数量级阈值上创造经济可行性的不连续性。
摩尔定律的物理限制已经变得具有约束力。晶体管现在以纳米衡量——接近单个原子的尺度。量子效应产生噪音；热耗散变得难以管理。自2006年左右以来，原始单核性能的翻倍速度显著减缓，尽管通过并行化（多核）、专用处理器（GPU、TPU、AI加速器）和架构创新继续取得进展。
后摩尔时代并不意味着计算进步的终结——它意味着进步来自不同地方。GPU实现深度学习不是因为摩尔定律进步，而是因为适合并行计算的架构。定制AI芯片（谷歌TPU、苹果神经引擎）提供特定于AI工作负载的改进。理解摩尔定律正在弯曲改变了技术战略：原始计算扩展不能再被假设；效率和专业化更重要。
✅ 在以下情况应用摩尔定律思维：
iPhone 15 Pro（2023年）包含A17处理器，在3纳米工艺上拥有约190亿个晶体管。Intel 4004（1971年）在10,000纳米工艺上拥有2300个晶体管。52年间晶体管数量增长了约800万倍，与摩尔定律每18-24个月翻倍基本一致。这种改进使得800美元的手机比1990年代花费数百万美元、占据一个房间的超级计算机拥有更多计算能力。
人类基因组计划（2003年完成）花费约27亿美元，耗时13年。到2023年，全基因组测序成本不到200美元，可在数小时内完成。这比摩尔定律更快——自2008年以来，测序成本大约每7个月减半。影响：个性化基因组医学（以前是研究机构的奢侈品）正在成为常规临床护理。这种成本轨迹可以通过外推技术曲线合理预测。
自1970年代以来，太阳能光伏组件价格每十年下降约90%——这种模式现在被称为"斯旺森定律"，太阳能领域的摩尔定律等价物。2010年，公用事业规模太阳能成本约为0.40美元/千瓦时；到2023年，在阳光最充足的地区，成本已降至0.03美元/千瓦时以下。这种可预测的成本曲线使太阳能基础设施的合理投资成为可能，甚至在它成为最便宜的电力来源之前几十年，因为投资者可以合理置信地推断技术轨迹。
✅ 在以下情况应用摩尔定律思维：
❌ 在以下情况谨慎：
| 搭配模型 | 原因 |
|---|---|
| 技术成本下降在相关行业产生二阶效应 | |
| 摩尔定律部分由芯片制造的规模效应驱动 | |
| 对于遵循摩尔定律的技术，林迪适用于趋势，而非特定技术 |
假设摩尔定律是物理定律。 它不是——它是经验观察和自我实现的预言。半导体行业围绕路线图规划研发投资和制造工厂建设，这使预测成真。该定律部分因为行业自我组织以实现它而持续存在。
将其应用于所有技术。 摩尔定律适用于晶体管密度。它在存储（Kryder定律）和带宽（Nielsen定律）中有类似物，但不适用于所有技术。电池能量密度每年提高约5-8%——远低于晶体管密度的41%/年。交通速度50年来几乎没有变化。
忽视放缓。 5纳米以下的晶体管扩展正遇到基本物理限制（量子隧穿、热耗散）。行业已改变策略：从晶体管数量转向架构改进（并行化、专用芯片、封装创新）。改进速度正在减缓，即使绝对进步继续。
摩尔定律死了吗？
传统的晶体管密度扩展正在放缓——亚5纳米节点的物理限制使每个新工艺节点变得更难、更昂贵。但"每美元计算性能"继续通过架构创新改善：多核处理器、专用AI芯片（GPU、TPU）、芯片组设计和3D堆叠。摩尔定律的实际结果——计算变得更快更便宜——即使机制转变也继续。改进速度低于峰值年代，但轨迹持续。
企业应如何使用摩尔定律进行战略规划？
通过外推当前轨迹模拟未来技术成本：如果某项能力今天成本为X美元，并且每年以Y%的速度下降，估计未来成本并问"在什么价格点这对我们的行业变得可行/颠覆性？"预期廉价基因组测序的公司建立了诊断业务。预期廉价太阳能的公司建立了能源业务。洞察是在价格点达到之前采取行动，而不是之后——竞争优势需要预期，而非反应。
摩尔定律与人工智能进展有何关系？
人工智能进展部分依赖于计算（训练更大模型），这受益于摩尔定律，部分依赖于算法效率改进，历史上比摩尔定律更快（2012年AlexNet的ImageNet准确率所需计算在2020年只需2012年的约1/100）。当前AI繁荣由摩尔定律（廉价计算）、大数据和独立复利的算法改进的交集驱动。即使硬件改进放缓，算法增益可能维持AI进展轨迹。
🚀 使用话老师将摩尔定律应用于你的技术战略 →
本页是话老师思维模型知识库的一部分。
心智模型是"知道"，练成肌肉记忆才是"会"。去 AI 陪练用这个场景过一遍，或在训练营里找对应实战课。
🤖 AI 陪练 🗓️ 30 天训练营 🎨 生成海报