事件
1965 年，Gordon Moore 在 Electronics 雜誌發表一篇四頁文章，描述他對 Fairchild 半導體產品線的觀察：每隔約兩年，工程師能在同樣面積的矽晶片上塞入兩倍的電晶體，而每個電晶體的成本隨之腰斬。這個觀察本身並不複雜，複雜的是後來發生的事——整個產業把它當成承諾，Intel 用它排研發路線、台積電用它定資本支出、客戶用它押注下一代產品。「觀察」變成「預言」，「預言」變成「自我實現的預言」。
從 Intel 4004（1971 年，2,300 個電晶體）到 Apple M2（2022 年，200 億個電晶體），51 年間提升了約一千萬倍。這不是漸進改良，是指數複利。
摩爾定律的真正意涵：不只是晶片的事
多數人把摩爾定律理解成「CPU 越來越快」，但這個框架太窄。摩爾定律真正的槓桿在於成本結構的重塑：
任何一個行業，如果主要成本是「以運算為原料」的，就會自動搭上這班指數列車。1990 年代，建一個電商平台需要自購伺服器、冷氣機房、專業維運人員；今天，同樣的基礎設施成本降到了幾乎可以忽略的 AWS 月費。不是因為工程師更聰明，而是因為晶片遵守摩爾定律，而晶片是雲端的成本底層。
AI、軟體、媒體、金融——這些行業的核心生產要素是 bit（位元），bit 的製造成本每 10 年跌掉 90%+。
Baumol 成本病：另一半世界沒有摩爾定律
然而，並非所有行業都在這班列車上。經濟學家 William Baumol 在 1960 年代提出「成本病」（Cost Disease）：當一個行業的生產力無法提升，而競爭行業的工資上漲，它的成本就必然上升。
演奏一首貝多芬四重奏，在 1850 年需要四個音樂家演奏 30 分鐘；今天，依然需要四個音樂家演奏 30 分鐘。技術沒有讓它變快。建一棟房子、開一台手術、上一堂課——這些「以 atom 為原料」的行業，10 年的成本降幅頂多 10-20%，遠遠追不上運算行業的指數降本。
這就產生了一個系統性的分叉：bit 世界越來越便宜，atom 世界越來越貴。2000 年以來，美國 CPI 數據顯示電視機、玩具、電話帳單持續下降；醫療、教育、住房持續上漲。不是政策失靈，是物理定律。
判斷產業未來的框架：問「這個成本由 bit 還是 atom 驅動？」
摩爾定律給了我們一個極其實用的產業分析工具：
第一步：找出一個行業的核心成本結構。藥物研發？主成本是臨床試驗（atom）+ 監管時間（atom），但候選分子篩選現在由 AI 執行（bit）——前者不會因摩爾定律降本，後者會。
第二步：判斷 bit 比例會隨時間上升還是下降？AlphaFold 把蛋白質結構預測從「需要 5 年實驗」變成「需要幾分鐘運算」，這是 atom → bit 的替代。當替代發生，摩爾定律就開始滲透原本的 atom 行業。
第三步：當 bit 成本趨近於零，原來的競爭優勢（資本壁壘、規模優勢）會重新洗牌。MediaTek vs. Intel 的競爭格局，與 Netflix vs. Blockbuster 的格局，底層邏輯相通。
定律的邊界：物理極限正在到來
2020 年後，矽的物理極限開始逼近。當電晶體縮小到幾個原子的尺度，量子穿隧效應（quantum tunneling）讓電子開始「穿牆而過」，電路不再可靠。傳統意義上的摩爾定律——在同一平面上繼續縮小——已經在放緩。
但產業的應對方式揭示了更深的原則：當一條路走到盡頭，創新會找到新的路徑，而不是停下來。Chiplet 架構把多個晶片封裝成一個邏輯單元；3D stacking 把電路垂直疊高；專用晶片（TPU、NPU）用針對特定任務的設計換取效能。摩爾定律的「字面版本」在衰退，但它背後的「指數降本精神」透過架構創新繼續延伸。
這也是為什麼 DeepSeek 能用 1/25 的成本做出接近 GPT-4 品質的模型——不是因為有更好的晶片，而是因為演算法創新繞過了硬體瓶頸，在 bit 效率上完成了一次「架構層的摩爾定律」。