9月13日消息，福布斯发布文章称，即便摩尔定律失效，硅芯片逼近物理和经济成本上的极限，也还有其它的创新方法和技术继续驱动计算性能的指数级增长，比如内存中运算、量子计算、分子电子学、神经形态计算等等。
以下是文章主要内容：
自戈登·摩尔（Gordon Moore）1965年提出以来，该定律一直生效。不过近年来业界一直预测该定律即将失效。早在2000年，《麻省理工科技评论》就硅技术在大小和速度上的极限提出了警告。
实际上，摩尔定律并不算是定律。它更多的是自我实现的预言。摩尔并没有将它描述成像地心引力或者动量守恒定律这样的不变真理。他只是给我们设定了预期，而芯片厂商们相应地去兑现预期。
事实上，行业一直在寻找新方法来给更微小的芯片带来更强的性能。遗憾的是，他们找不到方法来同步削减成本。《快公司》（Fast Company）今年2月撰文指出，全球半导体行业不再基于每两年实现性能翻倍的概念来制定硅芯片研发计划，原因就是无力承担跟上性能提升步伐所需购买的超复杂制造工具和工艺成本。此外，当前的制造技术可能无法再像原来那样大幅度缩小硅晶体管。不管怎样，晶体管都已经变得非常微小，以至于可能无法遵循通常的物理定律——这引发了它们还能够在医疗设备或者核电站使用多久的疑问。
那么，那意味着科技驱动的指数级变化时代即将走到尽头了吗？
不。
即便硅芯片正接近物理和经济成本上的极限，也还有其它的方法继续驱动计算性能的指数级增长，比如采用新材料来打造芯片和以新方式定义计算本身。目前已经出现了与晶体管速度无关的技术进步，如深度学习驱动的更加聪明的软件，以及通过利用云资源实现更强计算能力的技术。而这只是未来计算创新的冰山一角。
以下是有望驱动计算性能继续飞速增长的几项新兴技术：
1、内存中计算。
在整个计算史上，处理最缓慢的一部分就是从硬盘获取数据。很多的处理性能都浪费在了等待数据到达上。相比之下，内存中计算则将大量的数据放在RAM（随即存取内存），使得数据可以马上在RAM中进行处理。结合新型的数据库、分析技术和系统设计，它能够大大提升性能和整体成本。
小编推荐阅读
