“我们可能正处在计算范式的大拐点上，而大多数人还浑然不觉。”日前，在斯坦福大学举行的“未来计算峰会”上，2017年图灵奖得主、计算机体系结构大师大卫·帕特森（David Patterson）向与会者抛出了一枚“思想炸弹”。他直言不讳地指出，基于传统冯·诺依曼架构和通用微处理器所构建的现有计算模式，在面对人工智能、大数据、量子模拟等新兴需求时已显现出根本性缺陷，“继续沿着老路修修补补，恐怕行不通了”。
帕特森的发言并非孤例。另一位2018年图灵奖得主、斯坦福大学前校长约翰·亨尼西（John Hennessy）在同期接受《麻省理工科技评论》采访时也表达了类似担忧：“我们曾习以为常的‘摩尔定律红利’已经耗尽，而替代方案尚未成熟。现在的关键问题是：我们是否愿意从底层重构整个计算栈？”
被奉为圭臬的架构，为何“过时”了？
帕特森指出，当前计算模式的三大支柱正在动摇。首先是存储墙：处理器运算速度与内存访问速度之间的差距已从数十倍扩大到数百倍，大量时间与能耗消耗在数据搬运上。其次是能效墙：在先进制程接近物理极限后，芯片功耗密度不降反升，数据中心单机柜功率已突破50千瓦，散热成本急剧攀升。第三是并行墙：虽然多核处理器早已普及，但“暗硅效应”使得大部分核心无法同时满负荷运行，实际性能提升远低于晶体管数量的增长。
“这些问题不是靠加几个核、堆高主频就能解决的。”帕特森以当前最热门的大语言模型训练为例：“训练一次GPT-4级别的模型需要数万块GPU运行数十天，耗电量相当于一座中型城市的年用电量。这难道不是计算模式出了问题的信号吗？”
出路在哪？图灵奖得主开出“新药方”
面对困境，帕特森和亨尼西近年不约而同地提倡“领域专用架构”（Domain-Specific Architecture，DSA）——放弃“一套架构包打天下”的通用思路，针对特定应用场景定制专用芯片与计算堆栈。
这一理念已有一批成功案例：谷歌的张量处理器TPU将矩阵运算效率提升数十倍；苹果的M系列芯片通过统一内存架构大幅削弱存储墙影响；特斯拉的Dojo超级计算机采用全定制数据流架构处理自动驾驶视频数据。亨尼西甚至预言：“未来十年，我们使用的每一块芯片都可能是一个‘领域专用’的小系统。”
然而，DSA也面临生态割裂、软件可移植性差、研发成本高等挑战。帕特森承认：“这不是一条轻松的路。但如果我们继续固守陈旧模式，可能连‘天花板’的边都摸不到。”
学界震荡，产业界反应不一
帕特森的言论迅速在科技界引发热议。支持者认为，这是对“后摩尔时代”计算顶层设计的清醒反思；质疑者则认为，DSA过于激进，通用CPU仍在中低端市场具备经济性，彻底抛弃冯·诺依曼架构为时过早。
英伟达首席科学家比尔·达利（Bill Dally）回应称：“计算模式的确需要演进，但英伟达的CUDA生态已经证明了‘通用+专用’混合架构的生命力。完全抛弃现有软件遗产不现实。”而国内某头部AI芯片公司技术负责人则向记者表示：“帕特森的观点与国内学术界近年来提出的‘计算存储融合’‘存算一体’等方向有高度契合，说明这确实是一个全球性的课题。”
下一个十年，计算将走向何方？
帕特森在总结演讲时引用计算机先驱艾伦·图灵的名言：“我们只能预见很短的一段时间。但我们可以认为，该做的事情还很多。”他认为，未来十年将出现从底层器件（如光子、量子、超导计算）到系统架构、编程模型的全方位变革。“与其说当前计算模式错了，不如说它完成了历史使命。现在是时候展开新的一张白纸了。”
截至发稿，包括IEEE计算机学会、百度研究院、ARM等机构已表示将围绕“下一代计算范式”组建跨学科工作组。这场由两位图灵奖得主点燃的讨论，或将重塑整个信息技术产业的演进方向。（完）