费曼1959年之问：算力还能被推到多远？

1959年，物理学家理查德·费曼在加州理工学院抛出一个听起来近乎疯狂的问题——东西能做到多小？六十多年过去，这个问题换了个问法：计算还能被推到多远？

1959年12月29日晚，加州理工学院一间礼堂里，费曼（Richard Feynman）站上美国物理学会年会的讲台，做了一场后来被反复引用的演讲——《底部还有很大空间》（There's Plenty of Room at the Bottom）。当时最先进的计算机还靠真空管和继电器工作，一台机器能占满整个房间。费曼谈的却是把整套《大英百科全书》写到大头针的针尖上，在原子尺度造机器、存信息。

六十多年过去，这场演讲被普遍看作纳米技术的思想起点。不过它真正的前瞻之处，也许在于把计算还原成了一个物理问题：信息能写进物质，而物质的大小、能耗和散热能力，最终决定计算能被推到哪儿。

一场关于「小」的演讲

费曼在演讲里提出，人类完全有能力把书写尺度一层层缩小——先缩小文字，再一路缩到单个原子的排列。他当场拿出一千美元悬赏：谁先造出微型电机，谁先把《大英百科全书》缩到针尖大小，钱就归谁。前一项1960年就有人兑现，后一项到1985年由斯坦福的研究者用电子束光刻完成。

更关键的是他对计算的判断。他设想用极小的元件造计算机，指出存储密度终归受限于原子本身的尺寸，并提醒听众：计算的每一步都要耗能，这些能量最后都会变成热。这个看似朴素的观察，恰恰是今天数据中心和AI芯片面对的核心难题。

摩尔定律的黄金年代与退潮

1965年，戈登·摩尔提出后来被叫作摩尔定律的观察：集成电路上的晶体管数量大约每两年翻一番。此后半个世纪，这条曲线几乎成了整个信息产业的节拍器。1971年英特尔4004处理器只有2300个晶体管，今天单颗芯片上的晶体管以千亿计，算力的增长塑造了软件、互联网和人工智能的整个形态。

但节拍器正在失速。大约在2000年代中期，登纳德缩放（Dennard scaling）走到尽头：晶体管继续变小，电压却没法同步下降，功耗密度因此急剧上升，主频卡在数GHz附近，处理器转而靠多核并行。如今先进制程已推进到2纳米级别，极紫外光刻（EUV）设备单台造价超过一亿欧元，每一代制程带来的性能增益与成本优势都在收窄。「摩尔定律已死」的说法虽然夸张，却准确描述了一种焦虑：靠缩小晶体管换算力的老路，越来越难走。

既然不能更小，那就往上叠

产业界的应对，是把重心从「更小」挪到「更密」。先进封装、芯粒（chiplet）架构、高带宽内存堆叠、背面供电、环绕栅极（GAA）晶体管，以及还在实验室里的互补场效应晶体管（CFET）与二维材料沟道，都是同一逻辑的不同侧面：不牺牲良率，把更多计算单元塞进更小的体积，让数据在它们之间跑得更近、更省电。

这也是费曼式思路的现代版本——不光把元件做小，还要重新安排物质的结构。平面缩放的收益递减之后，计算的进步开始靠材料、封装与架构的协同设计，而不是单看某一个光刻节点。

热力学设下的天花板

真正卡住计算的，其实是物理学划下的红线，工程能力反倒排在后面。兰道尔原理（Landauer's principle）给出的门槛是：抹掉一比特信息，至少得散掉 kT·ln2 的能量，折合到室温大约 3×10⁻²¹ 焦耳。单看这个数，小得几乎没人当回事；可如今 AI 集群一秒钟跑完百亿亿次运算，它就不再是理论里的脚注，而成了能耗账单上实打实的一笔支出。

更难绕开的一关是散热。芯片的功率密度早就压过家用炉灶的加热面，数据中心要多少电、要散多少热，如今直接左右选址、成本和碳排放。费曼当年那句话放到现在更扎人：计算从来不是抽象的符号搬运，它是一个物理过程，能量与热这两条线它躲不掉。

换一条赛道

正因如此，寻找「非冯·诺依曼」的路径成了眼下最活跃的研究方向。量子计算想借叠加与纠缠，在特定问题上绕开逐位运算的能耗结构；光子计算用光代替电子传输和部分运算，以规避电阻发热；神经形态芯片模仿大脑的事件驱动机制，只在需要时耗电；存内计算把运算搬进存储阵列内部，削减数据搬运这笔最大开销。

三条路线各自带着麻烦：量子比特纠错要付出的开销、光子器件能集成到多密、新架构的软件生态怎么建。它们多半不会把今天的 CMOS 顶掉，更可能走 GPU 对 CPU 那条路，变成特定负载下的加速器。将来的「计算机」说不定压根不是一颗芯片，而是把不同物理机制凑到一起的异构系统。

边界也是想象力的边界

费曼在那场演讲的结尾说，他不担心人类能不能做到，只担心我们愿不愿意去做。六十多年后，这话仍然适用，只是问题换了形式：不再是「能不能做小」，而是「能不能在能量与热的约束下，把计算继续推向更远处」。

出路大概不在某一次制程上的突破，而在物理学、材料学和计算机体系结构三者交汇的地方。底下确实还留着不小的余地——只不过这片余地，现在得拿热力学的尺子去量。