1959年，物理学家理查德·费曼在加州理工学院提了一个听起来近乎疯狂的问题——东西能做得有多小？六十多年后，这个问题变成了另一个更迫切的追问：计算还能推到多远？
1959年12月29日晚上，加州理工学院一间礼堂里，费曼（Richard Feynman）站在美国物理学会年会的讲台上，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运转，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》写到一枚大头针的针尖上，在原子尺度制造机器、存储信息。
六十多年过去，这场演讲被普遍看作纳米技术的思想起点。它真正的前瞻性，或许在于把计算还原成一个物理问题：信息可以写进物质，而物质的大小、能耗与散热能力，最终决定了计算能被推到何处。
一场关于「小」的演讲
费曼在演讲里说，人类完全有能力把书写尺度一层层缩小——先把文字缩小，再一路缩到单个原子的排列。他当场拿出一千美元悬赏：第一个造出微型电机的人，以及第一个把《大英百科全书》缩到针尖大小的人，各得一份。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。
他对计算的判断更关键。他设想用极小的元件造计算机，指出存储密度终究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，正是眼下数据中心与AI芯片面对的核心难题。
摩尔定律的黄金年代与退潮
集成电路上晶体管数量约每两年翻一倍，这个观察由戈登·摩尔在1965年提出，后来被称作摩尔定律。接下来半个世纪，信息产业几乎都踩着这条曲线往前走。1971年英特尔4004处理器仅有2300个晶体管，如今单颗芯片的晶体管数量已到千亿级；软件、互联网和人工智能长成什么模样，背后都是算力在推。
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，功耗密度随之急剧上升，主频卡在数GHz附近，处理器转而依靠多核并行。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，而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」转向「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。
费曼的思路放到今天，其实就是这么个现代翻版：重点不在把元件越做越小，而在把物质的结构重新排一遍。平面缩放带来的好处越来越少之后，计算要继续进步，靠的是材料、封装和架构一起设计，单靠某个光刻节点已经不够。
热力学设下的天花板
可物理学的约束比工程学那一侧更硬。按兰道尔原理（Landauer's principle）的说法，擦掉一比特信息，至少得耗散 kT·ln2 的能量，室温下大约是 3×10⁻²¹ 焦耳。这个数小得几乎可以不当回事，但今天AI集群每秒跑百亿亿次运算，它就从一个理论脚注变成了能耗账本上真要算进去的一项。
更现实的坎在散热。芯片的功率密度早就高过家用炉灶的加热面，数据中心要多少电、怎么冷却，如今直接决定选址、成本，甚至碳排放。费曼当年那句话现在听着格外扎人：计算是物理过程，不是抽象的符号操作，能量和热这两关躲不掉。
换一条赛道
所以，找「非冯·诺依曼」的路子成了眼下最热的研究方向。量子计算想借叠加与纠缠，在某些特定问题上绕开逐位运算那套能耗结构；光子计算拿光替代电子来做传输和部分运算，避开电阻发热；神经形态芯片学大脑的事件驱动，只在需要时才耗电；存内计算把运算挪进存储阵列里面，砍掉数据搬运这笔最大的开销。
这几条路线各有各的坎：量子比特的纠错开销、光子器件的集成密度、新架构的软件生态。它们多半不会把今天的CMOS替掉，更可能走GPU对CPU那条路，变成特定负载的加速器。将来的「计算机」也许不是一颗芯片，而是一套异构系统，由不同物理机制拼起来。
边界也是想象力的边界
演讲结尾，费曼说，他并不担心人类能否做到，只担心我们是否愿意去做。六十多年后，这话仍然适用，只是问题的形式变了：不再是「能不能做小」，而是「能不能在能量与热的约束下，继续把计算推向更远处」。
答案恐怕不在某一次制程突破上，而在物理学、材料学和计算机体系结构交汇的那片地带。底部空间确实还很大，只不过这片空间如今得拿热力学的尺子去量。
