撰 文|郭津毓 暨南大學國際商學院講師

孫黎 麻省大學羅威爾分校副教授

在全球科技浪潮洶涌澎湃的今天，中國企業面臨著前所未有的機遇與挑戰。英特爾創始人戈登·摩爾（Gordon Moore）于1965年提出的摩爾定律，不僅為英特爾的創業與規模發展提供了方向指引，更深刻影響了芯片、個人電腦、互聯網、智能手機等眾多領域的技術創新節奏。摩爾定律本質上是一種尺度定律（Scaling Law），它揭示了系統某些屬性隨著規模（大小、數量、時間等）的變化而呈現冪律（Power Law）或指數關系。這種規律不僅貫穿于英特爾的創新歷程，更成為高科技產業新產品開發、供應鏈協同、生產效率提升、生態系統發展乃至國際產業競爭的核心邏輯。如今，在新興的AI領域與綠色能源領域，類似的摩爾定律或尺度定律正成為全球競爭的核心。

中國企業若能深刻領悟摩爾定律的精髓，將有望擺脫過去單純的技術追趕、模仿或彎道超車模式，轉而站在技術發展節拍的前沿，協調供應鏈各方力量，營造出屬于自己的“摩爾定律”，從而發展出強大的生態系統，引領全球技術創新發展。特別是在當前全球AI、新能源車等領域的激烈競爭中，中國企業若能在這些新技術領域提出類似摩爾定律的路線圖，其意義將極為深遠。

中國企業為什么需要“摩爾定律”
設定行業標桿，推動行業發展

摩爾定律本質上是對芯片核心參數發展進程的預測，它規定了在特定時間節點芯片上晶體管數量的大致范圍，這一范圍可視為行業的標桿。在同一時期內，行業內所有企業都圍繞這一標桿展開競爭。那些在特定時間節點能夠達到甚至超越標桿性能的企業將獲取競爭優勢，而無法達到標桿性能的企業則會面臨劣勢。盡管摩爾定律所規定的18個月行業周期意味著短期的優勢和劣勢不足以決定一家企業的成敗，但這一行業公認的標桿的存在，卻能在長期促進行業內企業的優勝劣汰，激勵企業不斷進行創新，推動整個行業波浪式前進。

從全球芯片制造中心的變遷來看，從最初的美國，到后來的日本、韓國，再到如今的中國臺灣，許多企業因未能跑贏摩爾定律而衰落甚至消亡，而另一些企業則踏準了技術發展的節奏，趁勢崛起，引領了摩爾定律的發展。如今，DeepSeek在全球AI產業的崛起，正是通過低成本創建了新的AI標桿，引發了全球對AI商業模式的重新思考。這表明，行業標桿的設定對于推動技術創新和行業發展具有不可替代的作用。

推動技術擴散，促進行業協同，分散創新風險

新技術的出現往往需要在多個相關領域進行巨量的創新投入，其風險巨大，單靠一家企業難以完成。為了滿足摩爾定律的要求，芯片產業的上下游企業必須相互配合，協同創新。從上游的材料、設備、化學品、氣體，到中游的芯片設計、晶圓制造、封裝測試，再到下游的電腦、手機、汽車等芯片應用，整個產業鏈的企業各司其職，圍繞共同目標協同創新，從而分散了創新風險。

例如，先進制程芯片的制造依賴于上游企業對芯片制造設備和原材料的創新，芯片設計企業需要先進的輔助設計工具（EDA）才能為下游創造出適用于各種場景的芯片。而下游的軟硬件廠商則通過不斷更新迭代產品，創造出新的需求，使得最新的芯片不至于因“性能過剩”而無人問津。這種產業鏈的協同發展，使得摩爾定律能夠主導芯片產業多年，而并非英特爾一家企業的功勞。如今，DeepSeek的崛起也將引發全球AI生態系統的巨大變化。

建立發展預期，降低不確定性

類似摩爾定律這樣的行業路線圖，對企業而言具有重要意義。企業可以根據行業路線圖來確定自身技術發展規劃，把握最佳的時間節奏，避免因研發投入不足而無法跟上行業節奏，喪失競爭優勢，同時也避免因過量投入而在一個周期內無法收回成本，影響企業長期發展。行業路線圖能夠降低企業研發的不確定性，幫助企業找到適合自身的最佳創新節奏。

此外，行業技術路線圖還能為消費者建立預期，幫助企業進行針對性的營銷，提升市場份額。例如，在手機行業，得益于摩爾定律，各大公司在每年的新產品發布會上都會展示芯片性能較上一代產品或友商產品的提升比例。久而久之，消費者心中形成了對下一代產品性能的預期。每當有廠商發布新手機時，消費者或評測機構會橫向比較當年其他廠商手機性能的提升比例，縱向比較相對于上一代自身和友商產品性能的提升比例，提升越大，競爭優勢可能就越大。

摩爾定律的緣起

1965年，當時還在仙童半導體公司任職的摩爾應邀為《Electronics》雜志撰寫一篇觀察評論文章，對未來十年半導體元件工業的發展趨勢做出判斷。這篇文章的題目是“Cramming More Components onto Integrated Circuits（讓集成電路填滿更多的元件）”。摩爾在文章開篇便給出了對未來的預測：“單位元件成本會隨著每個集成電路的元件數量的增加而下降，到1975年，經濟性可能會要求在單一硅片上擠壓多達65000個元件”。

摩爾是如何得出這一結論的呢？他首先從成本曲線的角度分析了集成電路上單位元件成本與單個集成電路元件數量的關系。如圖1所示，摩爾發現，集成電路上單位元件成本會先隨著元件數量的增加而下降，但隨著元件數量的進一步增加，復雜性上升，產量下降，單位元件成本又會上升，二者之間呈現U型關系。因此，摩爾認為，在技術演化的任意給定時間段內，都存在一個最低成本點。在當時（1965年），單個集成電路上元件數量為50時，達到了最低單位成本。

圖1 單位元件成本與集成電路元件數量關系曲線

圖片來源：Gordon E. Moore. (1965). Cramming More Components onto Integrated Circuits, Electronics, pp. 114–117.

進一步地，摩爾觀察過去幾年“最低單位成本元件數量”的變化，發現這個數量大概每年會增加一倍，并且他認為這一增長速度至少會保持10年（如圖2所示）。因此，摩爾推算出到1975年，每個集成電路上元件的數量將達到65000個的水平，并且基于對工程技術的理解，他還預測這65000個元件僅需占用四分之一平方英寸的面積。這就是最初版本的“摩爾定律”。

圖2 最低單位成本元件數量變化預測

圖片來源：Gordon E. Moore. (1965). Cramming More Components onto Integrated Circuits, Electronics, pp. 114–117.

到了1975年，摩爾又向電氣與電子工程師協會（IEEE）國際電子設備會議提交了一篇論文，名為“Progress in Digital Integrated Electronics（數字集成電路進展）”。文章首先用過去10年的數據驗證了預測的準確性（如圖3所示），并討論了這一趨勢繼續下去的可能性。摩爾基于過往數據將影響集成電路元件數量的因素分解為三部分（如圖4所示）：芯片面積（die size）、線寬和線間距（dimensions）、以及晶體管設計和排布（device and circuit cleverness），并分別討論了這三個因素對元件數量增長速度的貢獻是否會變化。最終，摩爾調整了最初的預測，將未來10年元件數量“每一年翻一倍”調整為“每兩年翻一倍” （如圖5所示）。

圖3 摩爾定律驗證

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

圖4 影響元件數量的因素分解

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

圖5 調整后的摩爾定律

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

摩爾定律的發展與應用

目前，業界最廣為流傳的摩爾定律版本是“半導體集成電路的密度每18個月翻一番”，這一說法由前英特爾高管大衛·豪斯（David House）提出。谷歌前CEO埃里克·施密特（Eric Schmidt）曾指出，如果反過來看摩爾定律，一個IT公司如果今天和18個月前賣掉同樣多的同樣的產品，其營業額就要降一半，這被稱為“反摩爾定律”。

根據摩爾定律的描述，計算機硬件的性能呈指數增長，那么會不會有一天硬件性能遠超人們實際需求，導致先進產品無人問津呢？事實上，這種擔憂是多余的，因為有“安迪-比爾定律”（Andy and Bill’s Law）的存在。這條定律源于20世紀90年代某計算機會議上的一句俏皮話：“What Andy giveth, Bill taketh away（安迪提供什么，比爾就拿走什么）”。安迪和比爾分別是英特爾前首席執行官安迪·格羅夫（Andy Grove）和微軟前首席執行官比爾·蓋茨（Bill Gates）。眾所周知，英特爾主導硬件，微軟主導軟件，二者的合作關系為兩家公司帶來了豐厚的利潤。如今，各大手機廠商在不斷推出新一代產品的同時，也在同步更新操作系統，以充分發揮新硬件的性能。同時，各大軟件廠商也會隨著硬件的更新不斷升級自己的軟件產品。例如，微信的安裝包大小從1.0版本的457K增長到8.0版本的260多M，足足增加了550多倍。更大的安裝包意味著更復雜的編程、更大的內存占用以及對硬件性能的更高需求。

摩爾定律的發展和應用還擴散到了IT之外的其他行業領域。在制藥領域，杰克·斯坎內爾（Jack Scannell）等人在2012年發表于《Nature Reviews Drug Discovery》的文章中提出了“倒摩爾定律”（Eroom’s Law），正好是“摩爾定律”（Moore’s Law）倒過來寫。該定律指出，自1950年以來，盡管技術在進步，但新藥的發現速度越來越慢且越來越貴。在不考慮通脹的前提下，一種新藥的開發成本大約每九年翻一番，這與摩爾定律預測的芯片價格隨時間推移不斷下降正好相反。有趣的是，在一篇英特爾至強系列處理器的官方宣傳文稿中，提出“摩爾定律”的英特爾聲稱要助力AlphaFold2（一款基于AI的蛋白質結構分析工具）打破“倒摩爾定律”。

隨著大數據、人工智能、萬物互聯時代的到來，新的“摩爾定律”呼之欲出。OpenAI公司CEO薩姆·奧特曼（Sam Altman）提出，AI數量每18個月會翻一倍。在汽車行業，由于AI輔助駕駛的出現，未來人們可能不再關注“馬力”，而是關注“算力”（單位是TOPS，1TOPS為每秒一萬億次運算）。汽車算力可能正沿著新的“摩爾定律”進化。以顛覆性技術投資聞名方舟投資則應用類似的Wright’s Law（賴特定律），預測電動車的成本將加速下降，電動車行業將通過自動化制造、AI 設計優化、供應鏈效率提升來加速生產，例如特斯拉 Gigafactory 展示了機器造機器的可能性，使得生產成本指數級下降。

摩爾定律對中國企業的啟示

從摩爾定律的提出、演變和發展過程來看，摩爾定律最初是摩爾基于過去幾年的芯片數據參數，結合他對工程技術的理解和對經濟成本的核算，提出的芯片核心參數的發展趨勢。摩爾定律并非像牛頓運動定律那樣是自然界的客觀規律，而是人為塑造的規律。然而，為什么芯片行業的企業會幾十年如一日地遵循這個規律發展呢？這固然離不開摩爾對技術和經濟的深刻洞察力以及英特爾在芯片行業的統治力，但更重要的原因是，在英特爾提出并遵循這一規律后，芯片產業的其他企業發現，遵循同樣的規律能夠在每個迭代周期取得足夠的利潤，規避創新的風險。同時，由于整個行業形成了這樣一種發展節奏，新成立或新進入的企業會被或主動或被動地卷入同樣的節奏中。由于這一節奏是由行業生態系統中的多方參與者共同塑造的，形成了大勢，新企業很難擺脫行業大勢獨自發展。

中國企業需要應用技術路線圖創新產品性能，找準開發節奏。隨著行業生態的演變，節奏的主導者可能會發生變化。在英特爾一家獨大的時代，其對芯片技術的發展節奏有較大的掌控權，可以借此獲取最大的利益。例如，英特爾曾經被消費者戲稱為“牙膏廠”，在臺積電通過外包模式快速提升創新速度之前，英特爾連續幾代CPU性能提升不大，像“擠牙膏”一樣每次只擠一點，結果無法進一步按照摩爾定律創新技術，提升芯片性能。最終，英特爾可能面臨被分拆出售的命運。

在新興的AI與新能源車領域，中國企業如DeepSeek與比亞迪的創新，展現了運用摩爾定律創新的范例。比亞迪鋰電池CTO孫華軍在第二屆中國全固態電池創新發展高峰論壇上表示，固態電池正在從實驗室邁向規模化應用，預計到2030年將實現穩定的商業化應用。比亞迪計劃在2027年開始批量示范裝車，真正大規模應用可能在2030年后。其核心策略包括：優化活性物質占比，提高電池能量密度，降低生產成本；減少電解質用量，提升制程穩定性，降低制造成本；通過技術迭代，逐步達到固液同價，實現經濟可行性。

這一發展模式與DeepSeek在AI領域對尺度定律的優化類似，強調技術突破、成本控制與可規模化應用。這種模式顯示了中國企業正在掌握摩爾定律，在AI和新能源等新質生產力前沿領域取得競爭優勢。

在摩爾定律指導的產業路線圖的建立和發展過程中，政府可以發揮重要作用。例如，政府可以牽頭召集行業優秀企業建立產業發展協會，組織行業資深專家制定行業發展路線圖，并向行業內企業宣傳推廣，鼓勵企業以路線圖為指導建立自身的發展計劃。在產業發展的過程中，對于路線圖上的核心關鍵技術節點給予政策或資金支持，引領行業有節奏地向前發展。

摩爾定律不僅是半導體行業的增長模型，更是一種創新路徑與產業預測模式。中國企業可以借鑒其核心原則，設定技術迭代時間表，引導行業節奏（如DeepSeek在AI計算優化、比亞迪在固態電池發展）；打造協同創新產業鏈，減少對外部技術的依賴，提升本土科技競爭力；利用規模效應降低成本，加速新技術的市場化推廣，提高普及率；推動政府政策與行業標準制定，形成國家級技術競爭力；強化開源生態建設，增強中國企業在全球科技生態中的影響力。

“萬物流變，無物常駐。”希臘哲學家赫拉克利特的名言道出了摩爾定律所體現的不斷變革與創新的精神。它不僅推動了半導體行業的進步，更成為中國創新生態系統升級的重要驅動力。未來，隨著AI、量子計算、新能源等領域的蓬勃發展，中國企業將以摩爾定律為鑒，持續突破技術邊界，引領科技生態，讓創新之河奔流不息。

DeepSeek對全球人工智能產業尺度定律的突破與影響

在AI領域，尺度定律描述了AI模型性能如何隨著參數規模、計算量、數據量增長而提升，起到了類似摩爾定律的作用。DeepSeek在AI領域的創新正在改變尺度定律的傳統模式，推動AI計算效率的優化，并對全球AI生態系統產生深遠影響。

DeepSeek優化了尺度定律

傳統尺度定律認為，數據量越大、算力越強大，模型性能就越高。然而，DeepSeek憑借其對算法和硬件的優化，正在挑戰這一傳統觀念。

2月18日，馬斯克在其X平臺上發布了最新旗艦版AI大模型Grok 3。巧合的是，同一天，DeepSeek官方也在X平臺發布了一篇技術論文——《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention（原生稀疏注意力：硬件對齊且可原生訓練的稀疏注意力機制）》，重點介紹了一種名為NSA（Natively Sparse Attention，原生稀疏注意力）的技術，DeepSeek創始人梁文鋒也是該論文的共同作者之一。這便形成了一個有趣的對比：Grok 3是利用當前世界上最頂尖的算力集群（20萬塊英偉達H100 GPU）訓練而成的大模型，馬斯克稱其為“地球上最聰明的人工智能”，并表示該模型在推理能力上超越了包括ChatGPT在內的其他領先AI模型，其規模和性能的提升再次印證了“大力出奇跡”策略在AI訓練中的有效性。

與此同時，DeepSeek的論文詳細闡述了NSA技術如何通過硬件對齊優化設計，大幅提升超長文本的訓練與推理效率，同時有效降低預訓練成本，且不犧牲性能。有分析對比了使用2000張H800 GPU訓練兩個月的DeepSeek V3，計算結果顯示，Grok 3的實際訓練算力消耗是V3的263倍，然而DeepSeek V3在大模型競技場榜單上與得分1402分的Grok 3的差距不到100分。DeepSeek通過算法和硬件的優化，降低了對高性能GPU的依賴，提升了AI模型的可擴展性，并且適配國產AI硬件，減少了對Nvidia CUDA生態的依賴。

促進AI生態開源化，影響全球AI競爭格局

打破頭部廠商壟斷：通過部分開源模型策略，挑戰了OpenAI、Google等閉源生態，這些傳統AI巨頭通過強大的模型性能和巨額資本投入構建了較高的競爭壁壘。然而，DeepSeek憑借低成本、高性能的模型，快速追趕并挑戰了這些頭部廠商的地位。使企業可以更低成本部署AI，這使得AI計算更加高效，中小企業也能負擔得起大模型應用，AI醫療助手、智能金融、工業自動化等領域將因此受益。國內外巨頭如AMD、英偉達、亞馬遜、微軟、華為、阿里等紛紛擁抱DeepSeek，推動了AI平權的進程。

重構AI產業鏈價值分配
DeepSeek的出現使得AI產業鏈的價值分配邏輯發生變化。原有的頭部模型廠商依靠模型優勢獲取超額利潤的模式受到沖擊，未來產業鏈價值將更多地向場景、生態和數據傾斜。DeepSeek采用低功耗推理優化，使AI更容易部署在中國企業有優勢的邊緣計算和移動設備上。因此，我們預測DeepSeek作為中國AI發展的重要突破，將建立起中國本土的AI應用與生態系統，促進AI應用的產業化落地，極大地影響國際AI競爭格局。未來AI的發展可能不再依賴單純的“bigger is better”（更大的模型帶來更好的結果），DeepSeek指引出一個更智能、更高效、更去中心化的新方向。

（作者感謝國家自然科學基金青年項目72202086，重點項目72091311、72172154、72232010的支持）