这位前Intel CEO欲用光重启摩尔定律

# 前任英特尔CEO想用光重新点燃摩尔定律 来源：https://www.wired.com/story/pat-gelsinger-moores-law-light-chips/ 帕特·基辛格（https://www.reuters.com/business/intel-ceo-pat-gelsinger-retire-2024-12-02/）于2024年底辞去英特尔首席执行官一职后，在100天内举行了100场会议。他最近告诉《连线》杂志，这样做的目的是逐步缩小选择范围，直到想清楚下一步该做什么。 次年三月，基辛格宣布（https://www.playground.vc/people/pat-gelsinger）他已担任Playground Capital的普通合伙人，这家风险投资（https://www.wired.com/story/ai-kill-venture-capital/）公司专注于深度科技，押注于基于新科学的初生技术。 基辛格担任这一角色，旨在帮助新一代半导体初创公司重新唤醒摩尔定律（https://www.wired.com/story/wired-explains-moores-law/）。几十年前，英特尔联合创始人戈登·摩尔预测，芯片上的晶体管数量大约每两年翻一番，性能也会相应飞跃。这一规律在很长一段时间内都成立，但随着半导体公司不断挑战物理极限（https://cap.csail.mit.edu/death-moores-law-what-it-means-and-what-might-fill-gap-going-forward），进一步缩小原子级晶体管的难度和成本已变得高不可攀。 基辛格认为，打破这一僵局的最佳途径是光刻技术的进步——利用纳米级光束蚀刻芯片。荷兰公司ASML开发的领先光刻技术（https://www.asml.com/en/products/euv-lithography-systems），让芯片制造商能够使用13.5纳米波长的光进行打印。按照逻辑，能够塞入更多、更小的特征，将解锁更强大的处理器。 加入Playground时，基辛格在xLight担任董事，这是一家开发新型光刻技术的投资组合公司，最近还获得了美国政府的投资（https://www.nist.gov/news-events/news/2026/06/department-commerce-announces-finalization-chips-incentives-xlight-support）。（在我们交谈时，基辛格反复引用了一句话：“上帝说，‘要有光！’”） 随着人工智能颠覆软件行业（https://www.wired.com/story/women-parental-leave-return-office-ai/），越来越多的风投公司正转向深度科技（https://www.av.vc/blog/deep-tech-eats-venture-capital-two-years-after-we-called-it-the-data-is-in）。但基辛格认为，很少有人比他更擅长识别赢家。 《连线》杂志于7月初在巴黎的RAISE Summit峰会上见到了基辛格。我们讨论了他评估深度科技创始人的流程、美国政府对待AI和半导体立场的变化，以及为什么这些领域的突破必然相辅相成。 *为篇幅和清晰度考虑，本次对话已做编辑。* **《连线》：** 从你离开英特尔到加入Playground，中间大约有四个月。那段时间你脑子里在想什么？ **帕特·基辛格：** 我妻子说：“你还没做完呢。” 我考虑过政府职位、大学职位、CEO职位、私募股权、风险投资。这实际上是一个推导过程。我决定不想再做任何上市公司的财报电话会议。我也没把自己看成政客。最后落脚到私募股权或风险投资。 我想做有意义的事——如果成功，就能带来改变——和喜欢的人一起做。 **为什么放弃了私募股权？** 私募股权开出的支票更大，但不太关注技术本身。在我职业生涯的这个阶段，我是想开出大支票、操心财务回报，还是想做些酷炫的技术？ 我们正处在科学的边缘，在不断验证新事物。我一直是那种人。我热爱技术。 **很多风投公司正因AI对软件行业的颠覆而转向深度科技。你怎么看AI正在如何改变下一个投资机会的出现地点？** 大门已经敞开了。 2024年，半导体行业的目标是到2030年达到一万亿美元。现在，我们明年就会达到一万亿美元。我的公司不需要赢得整个市场就能获得非凡回报，只需要赢得一个可观的市场份额就行了。这就是AI对深度科技风投带来的影响。 好消息是，很多风投公司正在朝这个方向转向。坏消息是，他们大多已经忘了如何做深度科技——如何挑选赢家和输家。 **有时这些发明背后的物理学原理尚未被证实，在这种情况下，你评估深度科技创始人可信度的流程是什么？** 我们的投资团队技术背景深厚——他们是工程师、博士、教授等等。然后我们会经历一个严格的技术尽职调查过程：大量的面谈和背景调查。硬核问题是什么？他们能否深入阐述清楚？ 我们希望资助的是某一特定主题上*最好的*团队——而不只是*一个*团队。 **但当这些初创公司背后的想法有时正挑战科学理解的极限时，这些检查在多大程度上是可行的？** 一般来说，当你看到深度科技的东西出现时，通常会有两三家公司在盯着同一个想法。你很少会找到那种独一无二的“渡渡鸟”。然后你会问：“我选的是最好的那个吗？” **跟我说说你在Playground做的押注。你在xLight担任了董事。** 我加入Playground的原因之一就是因为xLight。这是我想要参与的那种公司，因为我深深致力于让半导体行业成就未来——把摩尔定律从睡梦中唤醒。 如果我们解决了光的问题，那就是*最*难的问题。我能不能超越13.5纳米的光？那是下一个突破。利用自由电子激光，我们可以做到更小——5、4、3、2纳米波长的光。 xLight不是要与ASML为敌，而是与ASML合作。我们想做的第一件事就是把我们的光源接上去，让ASML的机器变得更好。没有比这更好的了。 **你认为光刻是重新唤醒摩尔定律的关键，比处理器设计更重要吗？** 光是最重要的东西。上帝说：“要有光。”我们要尽可能地驾驭它。 这一领域正在酝酿各种事物——新的材料结构、超导材料、铁电材料——但它们都需要光刻。光刻一直是半导体的核心。如果我能唤醒光刻，那真是令人振奋。 这是人类历史上一个相当激动人心的时期。对于一个技术专家来说，没有比这更好的了。 **你怎么看这一波试图在AI推理领域挑战英伟达的半导体初创公司——以及那种来自多家供应商的处理器在一个单一系统内协调工作的未来愿景？** 我们训练一次模型，使用很多次。将会出现向推理的倾斜。而且很明显，我们可以做得更好。 显然，训练一直是GPU的核心地带。但就连英伟达也认识到其GPU并非适合所有推理任务。例如Groq（https://www.wired.com/story/plaintext-groq-mindblowing-chatbot-answers-instantly/）的交易。 我在Playground的工作是让AI变得比现在好一万倍，而不是十倍。这将发生在那些看起来不像今天GPU的芯片上。 我认为模型供应商也在试图将自己与底层硬件解耦。他们正努力使底层异构硬件结构更容易实现。 **内存呢？** 高带宽内存是一项有问题的技术。它是我们目前最好的选择。但到本十年末，你将开始看到堆叠内存架构变得更加主流。d-Matrix、Fractile和Cerebras正在打破内存架构的传统界限。 我相信其中一些硬件创新将带来10到100倍的提升。这意味着1吉瓦的电力可以产生10吉瓦代币的价值。这样的交易我随时都愿意做。 **你之前将能源描述为AI进步的主要瓶颈之一。需要在哪里进行投资才能解决这个问题？** 在美国，过去十年我们的能源容量只增长了低个位数。这是可耻的。在数字AI时代，能源容量*就是*经济容量。我不想反对气候行动，但我们太专注于气候，以至于忘记了容量。 我们必须开始考虑如何开启能源扩张。但这确实是个难题：新的燃气轮机有八年的供应链周期；核电站建造需要十年；太阳能依赖于中国供应链。 我投资的一家公司Alva Energy正在做核电升级。让我们走快速路径——从现有的核能设施中获取更多价值——同时也重新启动核电建设。 这是一个需要创新的领域，因为从根本上说，AI时代的赢家和输家将取决于谁有能源容量来建设其系统。 最后一点是让AI效率高得多——芯片、电源分配。我们有好几家公司在做电压调节和转换方面的工作。这关乎审视整个技术栈。 **当你加入Playground时，你曾说想要扩展美国的领导地位，并确保AI的收益能够均匀分配。最近，有迹象表明——通过芯片出口管制和对AI模型发布的干预——美国政府愿意将其领导地位用作筹码。在这种背景下，我想知道这两个目标是否会变得相互排斥？** 这类话题有阴阳两面。但从根本上说，我不认为它们是矛盾的。 如果让我在美国和中国之间选择谁在基础模型上拥有领导地位，我会选哪个？当然是美国。我希望这些模型基于我们的价值观，提升人类体验，解决世界上许多最棘手的问题。这是一场我们希望西方国家获胜的竞赛。 **美国政府似乎在决定监管AI时是最大程度地放手，还是最大程度地介入、指定哪些模型可以广泛发布，这两者之间摇摆不定。** 这发展得太快了。大约每四周就有一个重要的基础模型发布。在这种背景下，我需要监管吗？我需要监管什么？这些模型的质量和安全要求是什么？这些都是合理的问题。 我们正在实时摸索，因为事情发展得太快了。让我感到安慰的一点是，我们正在就此进行辩论。 **但你的立场是什么？模型在发布前应该由美国政府机构审查吗？** 模型需要具备流程的完整性，并且其进行的测试应该透明可见。我想知道专有基础模型是在什么数据上训练的。我想要强有力的基准测试。我想知道它们不仅仅是第一个做成某事，而且是以适当的安全要求和价值观对齐的方式做到的。 必须发生两件事之一：要么行业进行这种审查，要么政府必须介入以确保完成。