硅已经支持计算机工作近半个世纪了，无论是图形处理还是数字运算，所有的信息处理都由数百万个聚集在一起的微型逻辑门电路完成，而这些电路都是由硅制成的。 但硅芯片的时代或许很快将要终结。摩尔定律指出在微处理器中的硅晶体管数量每两年便会增加一倍，但这一预测不可能永远适用，因为一块芯片上可承载的晶体管数目是有限的。 机器学习热潮是硅芯片面临的另一个挑战。运行需要处理海量数据集的机器学习算法，令基于硅的计算机耗能飙升。半导体行业协会（SIA）预计，以目前的趋势，2040年计算机的能量需求将会超过世界总能量供给。 世界各国的研究人员正在开发可替代硅来处理海量数据的新型计算系统。这些系统力求比现在的芯片更小，能效更高。 Julie Grollier领导的研究组正在法国UMPhy lab实验室设计可以仿人类大脑工作的纳米器件。她的研究组用磁性粒子进行运算，尤其是模式识别。 当磁性粒子非常小时，它们会处于不稳定状态时，磁场开始无规律振荡。通过施加电流，研究组就可以利用这样的振荡完成基础运算。如果这种计算装置的规模能够扩大，Grollie相信这项技术能比现有的技术更快的完成识别模式。 这项技术也会减少能量消耗。Grollier说，这磁性自发振荡器工作时所需的能量是硅基计算系统的百分之一，器件尺寸则只有万分之一。 去年12份在巴黎创立了 LightOn公司的Igor Carron 则找到了硅芯片的另一种替代品——光。 关于未来的LightOn计算机具体是如何工作的，Carron并不多谈，但他们将会构建一个能处理巨大的数据集的光学系统，从而让机器学习算法更轻松地使用这些数据。这个系统运用了被称为随机投影（random projection）的数学方法。随机投影方法是在1984年提出的，但因涉及大量计算，硅芯片无法胜任。现在Carron和他的同事找到了用光来完成全部操作的方法。 这些处理数据和利用数据进行学习的新方发挥什么样的作用？Carron认为，如果机器学习不依赖大型处理器，那么可穿戴计算设备就可以飞速发展。这还能让把计算机植入日常物品中的新兴技术“物联网”更强大。 这些可穿戴设备不再需要将大量的数据返回数据中心处理，而是可以实现数据的即时处理。 Grollier和Carron发明的设备不是仅有的替代计算技术。美国斯坦福大学的一个研究团队发明了一个含有178个晶体管的芯片，这些晶体管由碳纳米管构成。碳纳米管独特的电学性能使得它们相对于硅晶体而言是一种更高效的开关器件。今年早些时候，以色列的本-古里安大学和美国佐治亚理工学院的研究者用DNA制造出了世界上最小的二极管，而二极管正是电子计算机的基本元件。 到目前为止，可以处理海量数据的高性能硅芯片计算机在机器学习领域仍在不断取得重大进步。但是硅芯片计算机的性能不可能永远保持指数级增长。要充分处理和利用全世界的数据，我们需要无处不在的智能学习设备。像Facebook和Google这样的公司目前仅仅触及了这些数据的皮毛。Carron说：“大型网络公司每天都在积累海量的数据，但他们根本没有充分挖掘其价值。”
