吉尔德定律

摩尔定律(Moore’s Law),吉尔德定律(Gilder’s Law),麦特卡尔夫定律(Metcalfe’s Law)是制约同时也是引导信息产业发展的内在规律。

曾预测:在未来25年,主干网的带宽将每6个月增加一倍。其增长速度超过摩尔定律预测的CPU增长速度的3倍!今天,几乎所有知名的电讯公司都在乐此不疲地铺设缆线。当带宽变得足够充裕时,上网的代价也会下降。在美国,今天已经有很多的ISP向用户提供免费上网的服务。

吉尔德定律(Gilder’s Law) 又称为胜利者浪费定律 ——乔治·吉尔德(数字时代三大思想家之一

摩尔定律

高登·摩尔(Gordon Moore)1929年出生于美国加州的旧金山。他在加州伯克利读的化学专业本科,后来在加州理工(Caltech)获得物理和化学两个博士学位。上世纪50年代中期,他和集成电路的发明者罗伯特·诺伊斯(Robert Noyce)等8人一起集体创办了半导体工业史上有名的仙童半导体公司(Fairchild Semiconductor)。1968年,摩尔和诺伊斯一起退出仙童公司,创办了英特尔公司(Intel)。1974年摩尔在诺伊斯卸任之后,任英特尔的总裁和首席执行官。随后摩尔敏锐地观察到当时正在成型的个人电脑市场,于是他果断地做出英特尔进行战略转移的决定,这就是专攻微型计算机的“心脏”部件——中央处理器(CPU)的设计和生产。其后的20年里,随着个人电脑在美国和全球范围的普及,提供其核心部件的英特尔也从一个存储器制造商成为执掌全球计算机科技发展命脉的大公司。

关于摩尔定律的提出,最早可以追溯到1965年摩尔在电器期刊上发表的一篇文章。当时,他在仙童公司的研发部门任主管负责集成电路的开发。摩尔定律的叙述方式有多种版本。从他当年的文章来看,摩尔的预期是集成电路的复杂度(可被间接理解为芯片上可容纳的晶体管数目)每年增长一倍(原文:by a factor of two)。后来在1975年,他将预期改为每两年增加一倍,性能也将提升一倍。这一说法逐渐成为后来的标准定义并被英特尔的公司网站使用。流传很广的另一个版本是每隔18个月增加一倍。不过这种说法被摩尔本人否定。根据英特尔中央处理器从1971年到2004年的历史发展数据,说明了每两年增加一倍的摩尔预测,几乎与发生的实际数据达到完美的吻合。

当然,英特尔公司因为在中央处理器技术的领军地位,也可以或多或少控制其技术发展的步伐,不过摩尔定律的惊人之处在于它对未来技术发展的大胆精确预期。在传统产业中,当产品的性能成倍提高时,一般其成本也应该相应提高。在信息技术产业中恰恰相反,往往会随着产品性能的提高,出现成本降低的现象。这是由于其主要部件晶体管的生产成本不断下降,然而晶体管的密集程度却不断上升,使产品性能不断提高的缘故。30年前的摩尔定律对这一特殊现象的未来发展作出了不可思议的精确预测,我们现在大量使用的,包括个人电脑在内的电子产品的在过去看来不可思议的低廉价格也在验证着摩尔定律的神机妙算。

迈特卡夫定律

迈特卡夫定律与摩尔定律也是联系在一起的。前面提到,在某种意义上讲,摩尔定律从微观角度解释了产品的性能提高而成本降低的现象;迈特卡夫定律则从宏观角度解释了产生这种现象的社会渊源——这就是随着一个技术的使用者的不断增多,每一个使用者从使用中获得的价值不断增加,但使用费用却不断下降的现象是市场决定的。互联网使用者的不断增加,互联网应用技术的日新月异和新技术公司的不断崛起为这三定律的准确性提供了最好的诠释。

前面提到的两个定律都和硬件有关系,而作为三大定律之一的迈特卡夫定律(Metcalfe\'s Law)则为互联网的社会和经济价值提供了一个估算的模式。迈特卡夫定律是由以太网的发明人罗伯特·迈特卡夫(Robert Metcalfe)提出并以他的名字命名的。其简单描述是:网络的价值与网络使用者数量的平方成正比。这个貌似简单的陈述,却为包括互联网在内的,许多重大发明存在并被用的实际价值,提供了一个简洁的数学结论。比如,电话的发明就是遵循迈特卡夫定律的——如果全世界只有一个电话的使用者,那么电话这项发明的价值为零,可是大家都在使用电话,那么,这项技术就能够为像美国电报电话公司(AT&T)这样的巨型企业的存在提供足够的经济基础。同样的道理,互联网上众多应运而生的网络公司,如电子海湾和亚马逊的飞速发展也是因为其网络用户的不断加入而发展壮大。


本文分享自微信公众号 - 瓜大三哥(xiguazai_tortoise)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • MII,GMII,SGMII和SSMII

    TX_ER(Transmit Error): 发送数据错误提示信号,同步于TX_CLK,高电平有效,表示TX_ER有效期内传输的数据无效。对于10Mbps速率...

    瓜大三哥
  • 卷积到底是个什么鬼?

    作为一名苦逼工科生,《信号与系统》+《数字信号处理》是绕不过去的坎,各种让人头疼的概念与数学公式:傅里叶变化、拉普拉斯变化、Z变换、卷积、循环卷积、自相关、互相...

    瓜大三哥
  • Vivado联合ModelSim

    首先,在modelsim安装路径中新建一个名为vivado2017_4lib(根据自己的需要安装的modelsim和vivado版本自己确定)的文件夹

    瓜大三哥
  • [035] onStop提前投放问题

    最近遇到一个奇葩的问题,应用X的Activity1中点击一个Button跳转到Activity2,手机A比手机B上快500ms左右,虽然手机A比手机B的配置高,...

    王小二
  • go-map

    Go语言中提供的映射关系容器为map,其内部使用散列表(hash)实现。 map是一种无序的基于key-value的数据结构,Go语言中的map是引用类型,必须...

    新人小试
  • SAP CDS重定向视图和直接读这两者场景的性能比较

    A very rough performance comparison is performed in ER9/001.

    Jerry Wang
  • [ASP.NET MVC] 利用自定义的AuthenticationFilter实现Basic认证

    很多情况下目标Action方法都要求在一个安全上下文中被执行,这里所谓的安全上下文主要指的是当前请求者是一个经过授权的用户。授权的本质就是让用户在他许可的权限范...

    蒋金楠
  • 三辩三驳:这篇论文告诉你传统优化分析与现代DL有哪些不匹配

    从事机器学习方面相关研究的人都了解,网络模型的最终性能少不了优化。其中损失函数扮演了非常重要的角色,而随机梯度下降算法(SGD)由于其良好的收敛性,常常被用来进...

    机器之心
  • [计算机视觉论文速递] 2018-06-11

    这篇文章有4篇论文速递信息,涉及CNN pruning、新的人脸识别数据集、森林树木分类和交通标志检测等方向。

    Amusi
  • 拍照时怎样摆姿势好看?前端玩转AI之posenet指南

    我们在网上可以看到大量优秀的摄影作品,如何利用机器从网上获取大量的图片,从中提取出最佳的摆拍姿势供拍照时参考?首先我们得有大量的优秀摄影图片。然后,需要思考如何...

    mixlab

扫码关注云+社区

领取腾讯云代金券