摩尔定律：当技术能力沿时间指数推进

很多人用线性直觉理解技术：明年的电脑比今年快一点，存储便宜一点，软件多几个功能。但当底层算力以近似指数速度进步时，十年后的变化不是十个“一点”相加，而是多轮翻倍叠加。

摩尔定律 最初是一个经验观察：集成电路上可经济集成的晶体管数量会在大约十八到二十四个月翻倍。资料库中的章节标题 摩尔定律让算力“更快更好更便宜” 描述了它的经济后果：同样价格获得更多计算能力，同样任务所需成本持续下降，过去昂贵或不可能的应用进入大众市场。

它不是关于企业“做得越多越便宜”的规模经济，而是关于技术能力怎样随时间跨越多个数量级。

一、指数变化为什么容易被低估

线性增长每期增加同一个数量，指数增长每期乘以同一个比例。假设能力每两年翻倍，十年不是增长五份，而是经历五次翻倍：

1 → 2 → 4 → 8 → 16 → 32

前几轮的绝对变化很小，很容易被当成没有进展；后几轮却会突然越过价格、体积、能耗或速度门槛，使原本只服务少数人的技术快速普及。

这也是技术浪潮看起来“突然发生”的原因。变化长期存在，只是在跨过可用性和经济性阈值后才进入人的视野。

摩尔定律不是一条保证未来的物理定律，而是工程、资本和产业协作共同维持的经验轨迹。

半导体企业预期下一代工艺会带来更高密度，于是投入研发和昂贵设备；设备、材料、设计软件和制造企业围绕共同路线图协同；更好的芯片打开新应用，新需求又支持下一轮巨额投入。技术预期、资本投入、产业标准和市场需求形成反馈环。

规模经济和经验曲线会强化这个过程：晶圆厂固定成本极高，产量扩大能摊薄投入；累计制造带来良率和工艺改进。但这些只是支撑机制，不是摩尔定律本身。即使产量不变，晶体管密度随工艺世代演进仍是时间维度的技术问题；即使企业扩大产量，也不保证密度继续翻倍。

算力价格下降会把过去不可行的产品变成普通商品。个人电脑、智能手机、云计算、机器学习和大量数字服务，都依赖底层计算、存储和通信成本跨过关键门槛。

这种变化会产生三个后果：

所以技术进步不只让旧产品更便宜，还会改变价值链里谁拥有定价权。

第一，区分“受益于进步”和“能够保留收益”。整个行业的单位成本下降，不代表每家公司都能获得更高利润。竞争可能把大部分技术红利让给客户。

第二，寻找新的瓶颈。算力不再稀缺后，数据质量、能耗、网络延迟、先进封装、软件生态或监管可能成为约束。

第三，检查资本强度。工艺越先进，研发和建厂成本往往越高。技术能力继续提高，不代表每个参与者的资本回报都会提高。

第四，避免把指数趋势无限外推。经验趋势会遇到物理、经济和组织边界，也可能通过芯片架构、专用加速器、先进封装等方式改变表现形式。

晶体管数量、时钟频率、单线程性能、能耗效率和用户感受到的速度不是同一个指标。即使晶体管密度继续提高，散热、功耗、内存带宽和软件并行能力也可能限制实际收益。

更重要的是，“定律”不等于自然承诺。制程缩小越来越昂贵，前沿制造集中到少数企业，经济可行性本身可能比物理极限更早成为约束。

模型的正确用法不是预测某年一定达到某个数字，而是提醒自己：只要底层能力仍以高比例持续改善，线性外推就会严重低估长期变化；一旦支撑条件改变，也必须及时下调趋势置信度。

它和[[复利效应]]相连：多轮比例改善会形成指数结果。

它和[[规模经济]]、经验曲线相连：高固定成本摊薄和累计学习支持技术路线，但不等同于时间趋势本身。

它和[[破坏性创新]]相连：成本和性能跨过阈值后，新方案可能从低端或新市场重写旧行业。

它和[[临界质量]]相连：技术连续进步在跨过价格、体积或能耗门槛后，应用会出现非连续普及。

它和[[瓶颈理论]]相连：一个瓶颈被算力消除后，系统价值会转移到新的约束环节。

摩尔定律不是“大规模生产会更便宜”，
而是底层计算能力可能沿时间经历多轮翻倍。

用它看长期技术变化，也要同时检查物理极限、资本成本和价值能否被企业保留。

《价值投资3.0：数字经济时代如何寻找百倍成长股》：章节 摩尔定律让算力“更快更好更便宜”，用于解释算力成本长期下降对数字经济和商业模式的推动。
mental-models/data/model_registry.json 的 model-0096：将 摩尔定律 归为物理约束类 medium 置信模型，来源位置为该书目录章节。
本文将 摩尔定律 / 摩尔定律让算力“更快更好更便宜” 从《规模经济》拆回独立文章，因为前者描述技术能力随时间演进，后者描述产量或组织规模扩大导致单位成本变化。正文第二节保留规模经济和经验曲线如何支撑半导体进步的关系，但不再把两种模型等同。