La legge di Moore spiegata: passato, presente e cosa ci aspetta

Nel 1965, Gordon Moore fece una previsione sul ritmo del progresso tecnologico che si rivelò piuttosto lungimirante. Notò che il numero di transistor nei circuiti integrati raddoppiava all’incirca ogni due anni. Poiché il numero di transistor in un circuito è direttamente correlato alla potenza di calcolo di quel circuito, Moore predisse un aumento esponenziale della potenza di calcolo come risultato.

Questa idea divenne nota come legge di Moore. Se inizialmente era una previsione, si è trasformata in un obiettivo per l’industria tech. Ha alimentato una spinta costante all’innovazione nella tecnologia dei transistor. Questa idea è diventata talmente radicata nella nostra cultura da influenzare perfino i media. Film come The Matrix e Her sfruttano questo concetto di innovazione tecnologica esponenziale e immaginano un futuro se mantenessimo questa traiettoria. Ma, purtroppo, potrebbe avvicinarsi ai suoi limiti fisici. Voglio dire, quanto più piccoli possono diventare davvero i transistor? Quindi, la legge di Moore è ancora rilevante oggi? Cosa succede quando raggiunge il suo capolinea?

Che cos’è la legge di Moore?

Come accennato nell’introduzione, la legge di Moore si basa sull’osservazione che il numero di transistor su un microchip raddoppia circa ogni due anni. La formulazione che sento più spesso è: “la potenza di calcolo raddoppia ogni due anni”.

I transistor sono i minuscoli interruttori che controllano i segnali elettrici e, in generale, più transistor significano più potenza di elaborazione. Per questo motivo, la legge di Moore prevede che la potenza di elaborazione veda un aumento esponenziale indefinito.

Ti consiglio caldamente di guardare questo breve video su YouTube di Real Engineering sui transistor. Spiega in modo intuitivo la storia e la scienza sia dei tubi a vuoto sia dei transistor.

Le origini della legge di Moore

Gordon Moore fu cofondatore di Intel. Formulò per la prima volta la sua osservazione nel 1965, basandosi sulle tendenze che vedeva nella produzione di semiconduttori dell’epoca. Erano i primi giorni dell’industria dei semiconduttori, quando i computer erano enormi e costosi, e la tecnologia dei transistor stava appena iniziando a sostituire i tubi a vuoto.

La sua osservazione non si basava su alcuna legge fondamentale della fisica, ma piuttosto sul ritmo rapido dell’innovazione che aveva osservato. Inizialmente predisse che il numero di transistor sarebbe raddoppiato ogni anno, ma poi corresse la previsione a ogni due anni. E questa tempistica si è rivelata sorprendentemente accurata per decenni.

La scienza alla base della legge di Moore

La chiave dell’applicazione della legge di Moore è la miniaturizzazione. Gli ingegneri continuano a trovare modi per rendere i transistor più piccoli, permettendo di inserirne di più in un singolo chip. Questo non solo aumenta la potenza di elaborazione, ma riduce anche i costi e i consumi energetici. Per oltre 50 anni, questo processo di riduzione delle dimensioni ha alimentato il progresso tecnologico.

Questo grafico da Wikipedia mostra l’incirca raddoppio del numero di transistor per chip negli ultimi 50 anni. Nota che l’asse y è in scala logaritmica.

Impatto della legge di Moore sull’informatica

Sebbene la legge di Moore fosse una previsione, è diventata quasi una profezia che si autoavvera, poiché ingegneri e dirigenti la considerano un obiettivo. Questa spinta ha avuto effetti significativi sull’industria tecnologica e sulla società nel suo complesso.

Progressi tecnologici

Grazie alla legge di Moore, la spinta verso tecnologie più veloci e più piccole è in costante accelerazione.

Per esempio, i primissimi computer occupavano un’intera stanza! Le versioni successive potevano stare comodamente su una grande scrivania, e oggi abbiamo laptop minuscoli, tablet e telefoni cellulari. Solo nel tempo relativamente breve tra la mia infanzia e oggi, la mia famiglia è passata da un unico, ingombrante desktop condiviso a ogni persona con il proprio laptop, tablet e telefono! E ora posso svolgere sul telefono molte attività che allora non potevo fare sul mio desktop.

Il cloud computing è stato un altro progresso significativo. Il rapido aumento della potenza di elaborazione ha reso possibile la creazione di internet e lo sviluppo di servizi cloud moderni che offrono potenza di calcolo e archiviazione condivise. Questi servizi sono ormai così estesi da poter soddisfare le esigenze di intere aziende e analizzare dataset enormi da capogiro.

Anche l’IA e il machine learning sono fioriti grazie ai progressi dell’hardware. GPU e TPU forniscono la potenza computazionale necessaria per addestrare modelli complessi. Questo ha portato a svolte in varie applicazioni, dall’elaborazione del linguaggio naturale al riconoscimento delle immagini. La spinta a rendere l’IA più efficiente è guidata anche da considerazioni ambientali. Puoi approfondire queste idee nel nostro post sul blog, IA sostenibile: come può l’IA ridurre la sua impronta ambientale?.

Applicazioni industriali

Potresti non renderti conto di quante cose intorno a te hanno chip integrati. Dalla lavastoviglie all’auto, tutto contiene microchip e ha beneficiato della legge di Moore.

In ambito sanitario, i progressi nella tecnologia dei semiconduttori hanno reso possibili strumenti diagnostici basati sull’IA che analizzano le immagini mediche e dispositivi indossabili che monitorano i parametri vitali in tempo reale. Questi chip potenti permettono un monitoraggio molto più attento delle malattie croniche, il tracciamento della fertilità e l’individuazione precoce delle patologie.

Nel settore automotive, l’ascesa dei veicoli autonomi si basa in gran parte sull’elaborazione in tempo reale di enormi quantità di dati provenienti da sensori, tra cui radar, LiDAR e fotocamere. Grazie a transistor più veloci e più piccoli, i veicoli moderni sono in grado di prendere decisioni istantanee, migliorando così la sicurezza.

Anche il settore finanziario ha beneficiato enormemente delle capacità fornite da transistor più piccoli. Calcoli fulminei consentono agli algoritmi di trading di sfruttare variazioni di mercato nell’ordine dei microsecondi.

Non sorprende che anche le telecomunicazioni abbiano vissuto trasformazioni, ad esempio con il rollout delle reti 5G e l’espansione dei dispositivi Internet of Things.

Qual è il limite della legge di Moore?

Per decenni, la legge di Moore è stata un indicatore affidabile del progresso. Ma può mantenere questo ritmo per sempre? La legge di Moore sta raggiungendo il suo limite?

Barriere fisiche

Attualmente, applichiamo la legge di Moore riducendo continuamente le dimensioni dei transistor. Ma ci sono diverse barriere fisiche da superare se continuiamo su questa strada.

La prima sfida è il calore. I transistor più piccoli generano più calore, rendendo i sistemi di raffreddamento una grande preoccupazione. I transistor più piccoli tendono ad avere meno isolamento e, poiché se ne possono stipare di più su un chip, più elettroni scorrono in un’area minore. Questo provoca molto più calore per unità di superficie.

Un altro problema che si incontra a scale estremamente piccole è la “perdita” di elettroni. È un fenomeno in cui gli elettroni “sfuggono” dal loro percorso sul circuito e si spostano in un’altra parte del chip. Gli spazi ristretti e il limitato isolamento di questi transistor piccoli aggravano il problema. Questo può portare a perdite di potenza e a comportamenti anomali.

Illustrazione della perdita di elettroni. Immagine dell’autore realizzata con Copilot.

Il grafico sopra che ho messo insieme è una spiegazione molto semplificata di uno dei problemi dovuti alla riduzione dei transistor e di altri componenti: la perdita di elettroni.

La maggior parte dei semiconduttori usati nei transistor è attualmente realizzata in silicio (da cui il soprannome Silicon Valley). Le proprietà del silicio, come la mobilità degli elettroni e la tolleranza al calore, diventano meno efficaci man mano che i transistor si riducono a dimensioni molto piccole. Questo rende sempre più difficile mantenere l’efficienza.

I ricercatori stanno valutando l’uso di materiali diversi a queste piccole dimensioni, come silicio-germanio, arsenurio di gallio o persino opzioni all’avanguardia come grafene e nanotubi di carbonio. Questi potrebbero permetterci di aggirare temporaneamente alcune di queste barriere fisiche e continuare il processo di miniaturizzazione.

Sfide economiche e produttive

Paradossalmente, un’altra sfida significativa per la legge di Moore nasce dalla seconda legge di Moore, detta anche legge di Rock. Questo principio afferma che il costo di costruzione degli stabilimenti per semiconduttori raddoppia circa ogni quattro anni. Mentre la potenza di elaborazione continua ad aumentare, anche le spese associate alla sua creazione sono in crescita. McKinsey ha suggerito che il costo della potenza di calcolo necessaria a sostenere la nostra rivoluzione dell’IA potrebbe raggiungere i 7.000 miliardi di dollari entro il 2030! Solo il tempo dirà se le aziende riusciranno a mantenere questa traiettoria sostenibile.

La legge di Moore è ancora valida?

La verità è che nessuno sa se la legge di Moore continuerà a rappresentare la realtà. La miniaturizzazione dei transistor sembra imbattersi in limiti fisici ed economici, e i leader del settore sono divisi sul fatto che possa continuare ancora a lungo. Alcuni, come il CEO di Nvidia Jensen Huang, ritengono che si siano raggiunte le barriere fisiche ed economiche alla miniaturizzazione dei transistor e che la legge di Moore sia morta. Altri, come il CEO di Intel Pat Gelsinger, sostengono che la miniaturizzazione non sia l’unica via e indica nuove tecnologie per tirarci fuori da questa fase di stallo della legge di Moore.

Sfide precedenti alla legge di Moore

Che ci creda o no, abbiamo già avuto questa discussione. Ci sono state diverse sfide lungo il nostro percorso di miniaturizzazione che ci hanno portato a mettere in dubbio la legge di Moore.

Negli anni ’90 e nei primi anni 2000, quando i transistor sono scesi sotto i 100 nm, gli ingegneri hanno affrontato notevoli problemi di dissipazione del calore, che inizialmente sembravano porre un limite alla miniaturizzazione. Tuttavia, i progressi nel design dei transistor, insieme a miglioramenti nei materiali e nella gestione termica a livello di chip, hanno consentito di progredire nonostante questi ostacoli.

Poi, di nuovo nel 2016, Intel ha avuto difficoltà nel passaggio tra transistor a 14 nm e 10 nm. Le complessità produttive e i problemi di perdita di potenza hanno rallentato notevolmente lo sviluppo. Tuttavia, Intel e altre aziende di semiconduttori hanno superato questi ostacoli perfezionando la litografia EUV (ultravioletti estremi), ottimizzando i materiali e migliorando i progetti dei transistor, consentendo all’industria di andare avanti ancora una volta. Questa transizione, però, ha richiesto più vicino a 5 anni, portando i ricercatori a chiedersi se la legge di Moore fosse ancora applicabile.

Innovazioni future

Ci sono motivi per credere che anche le sfide attuali possano essere superate. Le innovazioni recenti si stanno allontanando dall’approccio tradizionale della miniaturizzazione dei transistor, esplorando invece architetture alternative per migliorare le prestazioni.

Un progresso promettente è l’impilamento di chip 3D, in cui gli ingegneri aumentano la densità di transistor costruendo in verticale invece di continuare a ridurli orizzontalmente. Si tratta di un cambiamento architetturale per evitare di dipendere dalla miniaturizzazione.

Il calcolo quantistico è un paradigma computazionale completamente nuovo che utilizza qubit, i quali possono esistere in diversi stati (non solo 1 e 0), per risolvere problemi che mettono in difficoltà i computer classici. Puoi pensarlo come dare a ogni “transistor” più capacità. Questo aumenterebbe la potenza di elaborazione, senza necessariamente aumentare il numero di “transistor”, ma cambiando piuttosto ciò che i “transistor” possono fare.

Alcuni ricercatori stanno persino indagando il calcolo ottico, che utilizza l’elaborazione basata sulla luce per trasmettere dati più velocemente dei sistemi elettronici convenzionali. I fotoni si muovono molto più velocemente degli elettroni, permettendo alle informazioni di viaggiare più rapidamente nel sistema. Anche qui, dunque, non aumenteremmo il numero di transistor. Ma la potenza di elaborazione presumibilmente aumenterebbe incrementando la velocità di attraversamento dei transistor.

Qual è il futuro dell’informatica?

Anche se la legge di Moore rallentasse o si interrompesse del tutto, il futuro dell’informatica resta incredibilmente promettente.

Una novità entusiasmante è l’introduzione di nuovi materiali, come il grafene e l’arseniuro di indio-gallio. Questi materiali offrono proprietà elettriche superiori e potrebbero alla lunga sostituire il silicio come base dei chip di nuova generazione. Possono aiutare a superare alcuni dei limiti fondamentali della tecnologia dei semiconduttori convenzionale.

Sta inoltre emergendo un tipo del tutto nuovo di calcolo chiamato calcolo neuromorfico. Ispirati alla struttura e al funzionamento del cervello umano, i chip neuromorfici utilizzano neuroni e sinapsi artificiali per operare in modo che imita i cervelli biologici.

L’intelligenza artificiale sta inoltre guidando una trasformazione nell’informatica. I progressi in IA e machine learning dipenderanno probabilmente non solo dai miglioramenti dell’hardware, ma anche dall’efficienza del software. Man mano che i modelli di IA diventano sempre più sofisticati, crescerà anche la necessità di processori specializzati progettati per gestire carichi di lavoro di IA.

Conclusione

La legge di Moore è stata un obiettivo affidabile per il progresso tecnologico per oltre 50 anni, plasmando con ogni probabilità intere industrie. Anche se potremmo essere vicini alla capacità di transistor che possiamo comprimere in uno spazio, innovazioni come l’impilamento di chip 3D, il calcolo quantistico e le architetture neuromorfiche potrebbero continuare ad aumentare la nostra potenza di elaborazione.

Tu cosa ne pensi? La legge di Moore è morta? Dobbiamo ripensare le nostre aspettative sui progressi della potenza di calcolo? O l’umanità troverà ancora una volta un’innovazione per proseguire la tendenza?

Oltre la legge di Moore, quali altri concetti tech consolidati potrebbero finire nel dimenticatoio? Ascolta la discussione di DataFramed, Il Big Data è morto? MotherDuck e il Manifesto del Piccolo Data con Ryan Boyd, cofondatore di MotherDuck.

E se questo tipo di riflessioni ti affascina, potrebbe interessarti un lavoro nell’IA. Dai un’occhiata a questi 7 lavori nell’intelligenza artificiale (IA) da intraprendere nel 2025.