浪潮之巅——IT产业的三大定律

本文介绍了IT行业的三大定律:摩尔定律、安迪-比尔定律及反摩尔定律,探讨了它们如何推动行业发展并影响企业的生存和发展。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  说实话除了小说以外,从来没有什么书能让我一口气看完,更不用说IT界的书了。但是吴军老师的《浪潮之巅》这本书除外,电子版的洋洋洒洒五百多页,我一下午就将其看完了。全书通过介绍AT&T、IBM、微软、苹果、google等IT公司的发展历史,分析了一些公司从辉煌走向衰落的过程和原因,还讲述了风投的相关知识以及几个重要的商业模式、国际金融机构和世界经济操盘手等等。

  这是LZ看完之后乱入的诗兴大发:滚滚长江东逝水,浪花淘尽英雄,数风流人物,还看今朝!!!

  

  作者文笔风趣幽默,通俗易懂,大家有兴趣的也可以看看,那么回归本篇博客的正题,本篇博客不是谈这本书的读后感,而是先重点讲解这本书的第四章节——计算机工业的生态链,也就是IT产业的三大定律,而这三大定律也是指引着公司发展的秘诀。

1、摩尔定律

  摩尔定律:集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,性能也将提升一倍。

  这是由英特尔(Intel)创始人之一戈登·摩尔(Gordon Moore)于1965年提出来的,总结下来有如下三个版本:

  ①、集成电路芯片上所集成的电路的数目,每隔18个月就翻一番。

  ②、微处理器的性能每隔18个月提高一倍,而价格下降一倍。

  ③、用一个美元所能买到的电脑性能,每隔18个月翻两番。

   LZ找到如下的这张图:

  

  横轴为新CPU发明的年份,纵轴为可容纳晶体管的对数。所有的点近似成一条直线,这意味着晶体管数目随年份呈指数变化,大概每两年翻一番。

  这里我们需要说明的是,戈登·摩尔发现的摩尔定律不基于任何特定的科学或工程理论,只是真实情况的影射总结。而硅芯片行业注意到了这个定律,也没有简单把它当作一个描述的、预言性质的观察,而是作为一个说明性的,重要的规则,整个行业努力的目标。

  要么跟随摩尔定律,要么死!!!

  在摩尔定律发现长达40年间,它带领着硅谷以史诗般的速度前进,并成为全世界的先驱。忽视摩尔定律的公司纷纷被淘汰,紧随它的公司则越来越强大富有。

  摩尔定律也是整个信息时代的驱动力,多亏有了摩尔定律,我们今天才能把智能手机放在口袋或钱包里,今天智能手机的性能比 1965-1995 年里最大的电脑还要强劲。没有摩尔定律就没有超薄笔记本电脑,也不可能产生足以绘制整个基因组、或是设计复杂药物的高性能计算机。流媒体视频、社交媒体、搜索功能、云——没有摩尔定律,这些都不可能产生(或者说不可能这么快产生可能更加准确)。

  但是摩尔定律能一直持续下去吗?我们很容易就能想到:芯片上元件的几何尺寸总不可能无限制地缩小下去,这就意味着,总有一天,芯片单位面积上可集成的元件数量会达到极限。问题只是这一极限是多少,以及何时达到这一极限。业界已有专家预计,芯片性能的增长速度将在今后几年趋缓。

  而我们也完全不必担心摩尔定律何时会终结,我们要知道摩尔定律实际上是关于人类信念的定律,当人们相信某件事情一定能做到时,就会努力去实现它

2、安迪-比尔定律

  根据前面讲摩尔定律,我们可以有这样一个消费信念:如果我今天嫌计算机太贵买不起,那么我等十八个月就可以用一半的价钱来买。

  大家想想,如果都是这种想法的话,那么计算机的销售量便上不去了,包括其他IT产品也是。但是实际上,世界上的个人微机销量在持续增长,比如在2004年到2009年,这五年间,世界上 PC(包括个人机和小型服务器)的销量会增长 60%,远远高于经济的增长。而促使人们不断更新自己硬件的原因便是安迪-比尔定律。

  安迪-比尔定理 (Andy and Bill’s Law)是对IT产业中软件和硬件升级换代关系的一个概括。原话是 “Andy gives, Bill takes away.(安迪提供什么,比尔拿走什么。)” 安迪指英特尔前CEO安迪·格鲁夫,比尔指微软前任CEO比尔·盖茨,这句话的意思是,硬件提高的性能,很快被软件消耗掉了。

  怎么理解呢?最明显的例子是我们使用的手机,那时候单核,512兆内存,甚至更小的内存也能够让我们使用日常的手机软件。但是现在的手机动不动就双核,四核,内存达到了2G,4G,甚至6G,但是能使用的手机软件也并不比以前多很多。这是因为操作系统越来越大,应用软件也越来越大导致的,虽然新版的软件功能比以前强,但是增加的功能绝对不是和它的大小成正比。

  一台十年前的计算机能装多少应用程序,现在的也不过装这么多,虽然硬盘的容量增加了一千倍。更糟糕的是,用户发现,如果不更新计算机,现在很多新的软件就用不了,连上网也是个问题。而十年前买得起的车却照样可以跑。

  这种现象咋一看好像是操作系统商,或者应用软件商在故意和大家作对,实际上比如微软或者其他厂商也不想把操作系统或者应用软件做这么大,比如以前的软件用汇编语言编写,只有几K大小。但是汇编语言编写的我们知道可读性很差,而且工作效率特别低。特别是现在有了足够的硬件资源,软件工程师做事情更讲究自己的工作效率,程序的规范化和可读性等等。便产生了如今的高级编程语言,高级语言工作效率很高,但是运行效率却低的很。比如今天的 Java 就比 C++ 效率低得多,C++ 又比二十年前的 C 效率低。因此,即使是同样功能的软件,今天的比昨天的占用硬件资源多是一件在所难免的事。

  虽然用户很是烦恼新的软件把硬件提升所带来的好处几乎全部用光,但是在 IT 领域,各个硬件厂商恰恰是靠软件开发商用光自己提供的硬件资源得以生存。比如以微软为首的软件开发商吃掉硬件提升带来的全部好处,迫使用户更新机器让惠普和戴尔等公司收益,而这些整机生产厂再向英特尔这样的半导体厂订货购买新的芯片、同时向 Seagat e等外设厂购买新的外设。在这中间,各家的利润先后得到相应的提升,股票也随着增长。各个硬件半导体和外设公司再将利润投入研发,按照摩尔定理制定的速度,提升硬件性能,为微软下一步更新软件、吃掉硬件性能做准备。所以如果微软的开发速度比预期的慢,软件的业绩不好,那么英特尔等公司的业绩也会受到影响。

  也就是说安迪-比尔定理把原本属于耐用消费品的电脑、手机等商品变成了消耗性商品,刺激着整个 IT 领域的发展。

3、反摩尔定律

  一个IT公司如果今天和18个月前卖掉同样多的、同样的产品,它的营业额就要降一半。这便是反摩尔定律,不是反对摩尔定律的看法,而是从相反的角度来看待摩尔定律。它是由是Google的前CEO埃里克·施密特提出的。

  反摩尔定律对于所有的IT公司来讲,都是非常可怕的,因为一个IT公司花了同样的劳动,却只得到以前一半的收入。反摩尔定律逼着所有的硬件设备公司必须赶上摩尔定律所规定的更新速度,而所有的硬件和设备生产厂活得都是非常辛苦的。但是从另一个方面来讲,反摩尔定律促成科技领域质的进步,并为新兴公司提供生存和发展的可能。和所有事物的发展一样,IT领域的技术进步也有量变和质变两种。为了赶上摩尔定律预测的发展速度,光靠量变是不够的。每一种技术,过不了多少年,量变的潜力就会被挖掘光,这时就必须要有革命性的创造发明诞生。

4、总结

  IT行业总体来说是一个高速发展的行业,在这个行业中发展,摩尔定律推动着我们马不停蹄的前进。而由于安迪-比尔定律的存在,在IT工业的产业链中,处于上游的是看不见摸不着的软件和IT服务行业,而下游才是看得见摸得着的硬件和半导体。因此从事IT行业,想要获得高利润,无不是从上游入手。从微软,谷歌,到Facebook,无一不是如此。但是这里有个例外,苹果公司,它是通过硬件实现软件的价值,因为它的产品成为了一种时尚和潮流。

标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员可乐、

你的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值