A Lei de Moore explicada: Passado, presente e o que vem a seguir

Em 1965, o Gordon Moore fez uma previsão sobre o ritmo do progresso tecnológico que acabou sendo bem certeira. Ele percebeu que o número de transistores nos circuitos integrados praticamente dobrava a cada dois anos. Como o número de transistores em um circuito está diretamente relacionado com a capacidade de processamento desse circuito, Moore previu um aumento exponencial na capacidade de processamento como resultado.

Essa ideia ficou conhecida como Lei de Moore. Embora fosse só uma previsão no começo, virou uma meta para a indústria de tecnologia. Isso tem estimulado uma busca constante por inovação na tecnologia dos transistores. Essa ideia tá tão enraizada na nossa cultura que até influenciou a nossa mídia. Filmes como Matrix e Her exploram essa ideia de inovação tecnológica exponencial e imaginam um futuro se a gente continuar nessa trajetória. Mas, infelizmente, pode estar chegando ao seu limite físico. Quer dizer, até que ponto os transistores podem realmente ficar menores? Então, a lei de Moore ainda é relevante hoje em dia? O que rola quando ele chega ao fim?

O que é a Lei de Moore?

Como eu falei na introdução, a lei de Moore é baseada na observação de que o número de transistores em um microchip dobra a cada dois anos, mais ou menos. A frase que eu mais ouço é: “o poder de computação dobra a cada dois anos”.

Os transistores são pequenos interruptores que controlam os sinais elétricos, e mais transistores geralmente significam mais poder de processamento. Por isso, a lei de Moore diz que a capacidade de processamento vai continuar aumentando exponencialmente por um tempo que a gente nem sabe quanto.

Eu recomendo muito assistir a este vídeo curto do YouTube da Real Engineering sobre transistores. Ele explica de forma fácil a história e a ciência dos tubos de vácuo e dos transistores.

As origens da Lei de Moore

Gordon Moore foi o cofundador da Intel. Ele fez essa observação pela primeira vez em 1965, com base nas tendências que observou na fabricação de semicondutores na época. Era o começo da indústria de semicondutores, quando os computadores eram enormes e caros, e a tecnologia dos transistores estava começando a substituir os tubos de vácuo.

A observação dele não se baseava em nenhuma lei fundamental da física, mas sim no ritmo acelerado da inovação que ele tinha visto. No começo, ele achava que o número de transistores ia dobrar todo ano, mas depois mudou pra a cada dois anos. E esse cronograma tem se mantido incrivelmente fiel à realidade há décadas.

A ciência por trás da Lei de Moore

A chave pra implementação da lei de Moore é a miniaturização. Os engenheiros continuam descobrindo maneiras de tornar os transistores menores, permitindo que mais deles caibam em um único chip. Isso não só aumenta a capacidade de processamento, mas também reduz os custos e o consumo de energia. Há mais de 50 anos, esse processo de redução vem impulsionando o progresso tecnológico.

Esse gráfico da Wikipedia mostra que o número de transistores por chip praticamente dobrou nos últimos 50 anos. Lembre-se que o eixo y é uma escala logarítmica.

Impacto da lei de Moore na computação

Embora a lei de Moore fosse só uma previsão, ela virou quase uma profecia que se auto-realiza, já que engenheiros e executivos a consideram uma meta. Essa iniciativa teve um impacto enorme na indústria de tecnologia e na sociedade como um todo.

Avanços tecnológicos

Graças à lei de Moore, a busca por tecnologias mais rápidas e menores tá sempre acelerando.

Por exemplo, os primeiros computadores ocupavam uma sala inteira! As versões mais recentes cabem facilmente em uma mesa grande e agora temos laptops pequenos, tablets e celulares. Só no curto tempo entre a minha infância e agora, minha família passou de um único computador grande e compartilhado para cada um ter seu próprio laptop, tablet e celular! E tem várias tarefas que eu consigo fazer no meu celular agora que não dava de fazer no meu computador antigamente.

A computação em nuvem também foi um avanço importante. O rápido aumento do poder de processamento permitiu a criação da Internet e o desenvolvimento de serviços modernos em nuvem que oferecem poder de computação e armazenamento compartilhados. Esses serviços agora são tão completos que podem atender às necessidades de empresas inteiras e analisar conjuntos de dados incrivelmente grandes.

A IA e o machine learning também cresceram muito por causa dos avanços no hardware. As GPUs e TPUs têm toda a potência de computação que você precisa pra treinar modelos complexos. Isso trouxe avanços em várias aplicações, desde o processamento de linguagem natural até o reconhecimento de imagens. A pressão para que a IA fique mais eficiente também vem das preocupações com o meio ambiente. Você pode ler mais sobre essas ideias em nossa postagem no blog, IA sustentável: Como a IA pode diminuir o impacto no meio ambiente?.

Aplicações industriais

Você pode nem perceber quantas coisas ao seu redor têm chips integrados. Tudo, desde a sua máquina de lavar louça até o seu carro, tem microchips e já ganhou com a lei de Moore.

Na área da saúde, os avanços na tecnologia de semicondutores permitiram o desenvolvimento de ferramentas de diagnóstico baseadas em IA que analisam imagens médicas e dispositivos vestíveis que monitoram sinais vitais em tempo real. Esses chips poderosos permitem um monitoramento muito mais próximo de doenças crônicas, acompanhamento da fertilidade e detecção precoce de doenças.

No setor automotivo, o surgimento dos veículos autônomos depende muito do processamento em tempo real de um monte de dados de sensores, como radares, LiDAR e câmeras. Graças aos transistores mais rápidos e menores, os carros modernos podem tomar decisões instantâneas, o que aumenta a segurança.

O setor financeiro também se beneficiou muito com as capacidades oferecidas pelos transistores menores. Cálculos super rápidos permitem que os algoritmos de negociação aproveitem as mudanças do mercado em microssegundos.

Não é nenhuma surpresa que as telecomunicações também tenham passado por mudanças, tipo com o lançamento das redes 5G e a expansão dos dispositivos da Internet das Coisas.

Qual é o limite da Lei de Moore?

Por décadas, a lei de Moore tem sido uma previsão confiável do progresso. Mas será que dá pra manter esse ritmo pra sempre? A lei de Moore tá chegando no limite?

Barreiras físicas

Atualmente, estamos implementando a lei de Moore, diminuindo cada vez mais o tamanho dos transistores. Mas tem várias barreiras físicas pra superar se a gente continuar nessa direção.

O primeiro desafio é o calor. Transistores menores geram mais calor, o que faz com que os sistemas de refrigeração sejam uma grande preocupação. Os transistores menores geralmente têm menos isolamento e, como dá pra colocar mais deles num chip, mais elétrons ficam circulando numa área menor. Isso faz com que a área fique bem mais quente.

Outro problema que você encontra em escalas super pequenas é o “vazamento” de elétrons. É quando os elétrons “saem” do programa no circuito e vão para outra parte do chip. O espaço apertado e o isolamento limitado desses pequenos transistores pioram ainda mais esse problema. Isso pode causar perda de energia e um comportamento estranho.

Ilustração de vazamento de elétrons. Imagem criada pelo autor usando o Copilot.

O gráfico acima, que eu fiz, é uma explicação bem simples de um problema com o encolhimento dos transistores e outros componentes: o vazamento de elétrons.

A maioria dos semicondutores usados em transistores hoje em dia é feita de silício (daí vem o nome “Vale do Silício”). As propriedades do silício, como a mobilidade dos elétrons e a tolerância ao calor, ficam menos eficazes à medida que os transistores ficam cada vez menores. Isso torna cada vez mais difícil manter a eficiência.

Os pesquisadores estão tentando usar materiais diferentes nesses tamanhos pequenos, como silício-germânio, arsenieto de gálio ou até mesmo opções mais modernas, como grafeno e nanotubos de carbono. Isso pode nos ajudar a dar um jeito temporário em algumas dessas barreiras físicas e continuar com o nosso processo de miniaturização.

Desafios econômicos e de fabricação

Curiosamente, outro desafio importante para a lei de Moore vem da segunda lei de Moore, também conhecida como lei de Rock. Esse princípio diz que o custo de construir fábricas de semicondutores dobra mais ou menos a cada quatro anos. Enquanto a capacidade de processamento continua aumentando, os custos de criar essa capacidade também estão subindo. A McKinsey sugeriu que o custo da energia de processamento necessária para alimentar nossa revolução da IA pode chegar a US$ 7 trilhões até 2030! Só o tempo vai dizer se as empresas vão conseguir manter essa trajetória.

A Lei de Moore ainda vale?

A verdade é que ninguém sabe se a lei de Moore vai continuar sendo verdade. A miniaturização dos sistemas de transmissão parece estar chegando ao limite físico e econômico, e os líderes do setor estão divididos sobre se isso pode continuar por muito mais tempo. Alguns, como Jensen Huang, CEO da Nvidia, acham que as barreiras físicas e econômicas para a miniaturização dos transistores já foram atingidas e que a lei de Moore está morta. Outros, como o CEO da Intel, Pat Gelsinger, acham que a miniaturização não é a única saída eapontam novas tecnologias pra nos tirar dessa fase complicada da Lei de Moore.

Desafios anteriores à lei de Moore

Acredite ou não, já tivemos essa conversa antes. Tivemos vários desafios na nossa jornada de miniaturização que nos fizeram questionar a lei de Moore.

Nos anos 90 e no começo dos anos 2000, quando os transistores ficaram menores que 100 nm, os engenheiros tiveram que lidar com grandes desafios de dissipação de calor, que eles achavam que iam impedir a miniaturização. Mas, graças aos avanços no design dos transistores, além de melhorias nos materiais e no gerenciamento térmico dos chips, foi possível continuar progredindo mesmo com esses desafios.

Depois, em 2016, a Intel teve dificuldades com a transição entre transistores de 14 nm e 10 nm. As complexidades da fabricação e os problemas de perda de energia atrasaram bastante o desenvolvimento. Mas a Intel e outras empresas de semicondutores superaram esses desafios melhorando a litografia de ultravioleta extremo (EUV), otimizando os materiais e aprimorando os designs dos transistores, o que permitiu que a indústria seguisse em frente. Mas essa mudança levou quase 5 anos, fazendo os pesquisadores se perguntar se a lei de Moore ainda funcionava.

Inovações futuras

Tem motivos pra achar que os desafios que a gente enfrenta agora também podem ser superados. As inovações recentes estão deixando de lado a abordagem tradicional de miniaturização dos transistores e explorando arquiteturas alternativas para melhorar o desempenho.

Um avanço promissor é o empilhamento de chips 3D, em que os engenheiros aumentam a densidade dos transistores construindo-os verticalmente, em vez de continuar a reduzi-los horizontalmente. Essa é uma mudança na arquitetura pra não depender da miniaturização.

Computação quântica é um jeito totalmente novo de pensar a computação, que usa os qubits, que podem estar em vários estados (não só 1 e 0), pra resolver problemas que são um desafio pros computadores clássicos. Você pode pensar nisso como dar mais habilidades a cada “transistor”. Isso aumentaria o poder de processamento, sem necessariamente aumentar o número de “transistores”, mas sim mudando o que os “transistores” podem fazer.

Alguns pesquisadores estão até investigando computação óptica, que usa processamento baseado em luz para transmitir dados mais rápido do que os sistemas eletrônicos convencionais. Os fótons se movem muito mais rápido que os elétrons, permitindo que as informações viajem pelo sistema mais rapidamente. Então, aqui, de novo, a gente não estaria aumentando o número de transistores. Mas o poder de processamento provavelmente aumentaria se a gente acelerasse a velocidade de movimento por eles.

Qual é o futuro da computação?

Mesmo que a lei de Moore desacelere ou pare de funcionar, o futuro da computação continua super promissor.

Uma novidade legal é a chegada de novos materiais, tipo grafeno e arsenieto de índio-gálio. Esses materiais têm propriedades elétricas incríveis e podem acabar substituindo o silício como base dos chips da próxima geração. Eles podem ajudar a resolver algumas das limitações básicas da tecnologia convencional de semicondutores.

Também tá surgindo um tipo novo de computação chamado computação neuromórfica. Inspirados na estrutura e função do cérebro humano, os chips neuromórficos usam neurônios e sinapses artificiais para funcionar de um jeito que imita os cérebros biológicos.

A inteligência artificial também está impulsionando uma transformação na computação. Os avanços em IA e machine learning provavelmente vão depender de mais do que só melhorias de hardware, mas também da eficiência do software. À medida que os modelos de IA ficam mais sofisticados, também vai aumentar a necessidade de processadores especializados, feitos pra lidar com as tarefas de IA.

Conclusão

A lei de Moore tem sido uma meta confiável para o progresso tecnológico há mais de 50 anos, moldando, sem dúvida, indústrias inteiras. Mesmo que a gente esteja quase no limite de quantos transistores dá pra colocar num espaço, inovações como empilhamento de chips 3D, computação quântica e arquiteturas neuromórficas podem continuar aumentando nossa capacidade de processamento.

O que você acha? A lei de Moore está morta? Precisamos repensar nossas expectativas em relação ao progresso do poder de processamento? Ou será que a gente vai inventar algo novo pra continuar nessa onda?

Além da lei de Moore, que outros conceitos tecnológicos sólidos podem estar ficando para trás? Dá uma olhada na discussão no DataFrame, “ ” (O Big Data está morto?). MotherDuck e o Manifesto dos Pequenos Dados com Ryan Boyd, cofundador da MotherDuck.

E se esse tipo de pensamento te deixa curioso, talvez você se interesse por um trabalho na área de IA. Dá uma olhada nessas 7 vagas na área de Inteligência Artificial (IA) que você pode conseguir em 2025.