华为扔出“韬定律”，381款芯片直接掀翻半导体旧规则

    看到几个短视频介绍华为5月25日发布的“韬(τ)定律”，感觉十分重要。较详细的一个记录如下：

今天发生了一件足以改写人类科技史的大事。我敢说10年后回头看，这一天会被刻在半导体产业的里程碑上。就在今天上午，华为当着全球所有顶尖半导体科学家的面，正式发表了韬定律。这不是什么学术论文的自娱自乐，这是中国第1次在全球半导体领域亲手写下了指导整个产业发展的游戏规则。过去整整50年，全世界的芯片公司都只有一个信仰，那就是摩尔定律。所有人都在同一条跑道上拼命往前冲，比谁能把晶体管做得更小。从28纳米到14纳米，从7纳米到3纳米， 一路卷到了原子级别。但现在所有人都撞墙了，而且是两面铜墙铁壁。

一面是物理墙，晶体管再小下去，电子就会像漏水一样直接穿墙逃跑，量子隧穿效应会让整个芯片彻底失效。

另一面是经济墙，建一条三纳米的生产线要烧掉200亿美元，贵到连台积电都要掂量掂量。说白了摩尔定律早就已经是一具尸体，只是没人敢公开念悼词而已。整个行业都陷入了前所未有的焦虑。美国人卡着光刻机，日本人攥着材料，韩国人拼了老命卷制程。所有人都在原地打转，谁也不知道下一步该往哪走。

就在这个所有人都绝望的时刻，华为站出来说了一句话：这条路走不通，我们就换一条路走，这就是韬定律最可怕的地方。它根本不是在原来的赛道上跟你比谁跑得快，而是直接换了一个你连管都管不着的新赛道。

摩尔定律讲的是几何缩微，比谁把房子盖得更小。而韬定律讲的是时间缩微，比谁让房子里的人跑得更快。用一个最通俗的比喻，以前大家都在比谁能把城市里的路修得更窄，楼盖得更密，这样车从A点到B点的距离就短了。但现在路已经窄到车都过不去了，楼也密得没法再盖。

华为的思路是什么？不修窄路了，直接修高架，建地铁，优化整个交通系统让车跑得更快照样能提升整个城市的运行效率。而实现这一切的核心技术就是逻辑折叠。传统芯片的晶体管都是平铺在一个平面上，信号从东跑到西，物理距离摆在那儿，再快也有极限，华为的逻辑折叠相当于在芯片里盖了一座摩天大楼。把原来平铺的晶体管立体折叠起来，信号不用横着跑几毫米，直接竖着穿透。走线距离断崖式缩短，时间延迟被大幅压缩。这不是什么PPT上的科幻概念，这是已经被实践验证了6年的成熟技术。何庭波在台上轻描淡写地说出了一个让全世界都倒吸一口凉气的数字，381款。过去6年华为基于韬定律已经设计并量产了381款芯片，覆盖了手机、服务器、通信等各个领域。当全世界还在实验室里为3纳米、2纳米争得头破血流的时候，华为已经用一条全新的技术路径把几百块芯片塞进了千行百业的产品里。你以为人家在被制裁躺平，人家在你看不见的地方把整个桌子都掀了。

更狠的是华为给出的时间表。今年秋天全新的麒麟芯片就会正式发布。这将是全球第1款完整采用罗技折叠技术的手机芯片。到2031年，基于韬定律的高端芯片晶体管密度将达到1.4纳米制程的同等水平。1.4纳米是什么概念。目前地球上最先进的量产制程还卡在3纳米到2纳米之间。1.4纳米是所有西方巨头的梦中情人，离落地至少还有5~10年的差距。但华为说不用等光刻机突破，不用看任何人的脸色，我们从另一条路直接杀到同样的终点。这才是真正的降维打击。封锁的前提是什么？是你在人家要走的路上设卡。但当人家根本不走那条路的时候，你之前砸下几千亿美金打造的所有封锁卡口，瞬间就变成了一堆废铁。这不是绕着制裁走的小聪明，这是从底层重新定义芯片演进逻辑的理论革命。他不是告诉你怎么在围堵下苟活，而是告诉你围堵本身已经没有任何意义了。

发布会结束不到24小时，全球主流媒体集体刷屏，所有人都看懂了这件事的分量。过去半个世纪，半导体产业所有的游戏规则都是西方定的，摩尔定律是美国人提的，Finfet是美国人发明的，光刻机是荷兰人垄断的。中国企业从来只有学习的份，没有定义的份。但今天不一样了，华为在IEEE这种国际顶级学术会议上，当着全世界最顶尖的大脑正式发表了一个新定律。这不是关起门来自嗨，这是当着全世界的面说新规矩我来定。而这背后是整个中国半导体产业链的价值重估，过去我们炒华为概念股，炒的是国产替代，是补短板。但现在逻辑彻底变了，现在是跟着华为一起定义新规则，开拓新路径。真正的机会已经从传统的制程突破、大规模转移到了架构创新、先进封装、新型材料和国产EDA上。从芯片设计服务的芯原股份、灿芯股份到先进封装的长电科技、通富微电。再到散热材料的有研粉材、华海诚科以及国产EDA的华大九天、广立微。整个产业链都将迎来一次前所未有的爆发。

今天的华为用韬定律完成了三件事，第一理论颠覆：从空间到时间，为撞上物理南墙的半导体产业开了一扇全新的窗。第2实战碾压：381款量产芯片加秋季即将发布的麒麟芯片，用实实在在的产品告诉世界，这不是科幻小说。第三格局重构，中国企业第一次站到了半导体理论创新的最前沿，从规则的接受者变成了规则的制定者。芯片战场打了半个世纪，一直都是别人定规矩，我们跟着跑，但今天规矩的笔第一次握在了中国人手里。

----注：何庭波是华为半导体部总裁。在2026年5月25日上海国际电路与系统研讨会（ISCAS 2026）上发布。

-------------------------------------------------------------------------------

我不懂半导体，于是求教了DeepSeek，

得到的答复：

华为提出的“韬（τ）定律”，是半导体行业的一个重要理念。它并非要立刻替代摩尔定律，而是在后者逼近物理与经济极限的背景下，为行业开辟了一条全新的、可持续的演进路径。

💡 核心思想：从“空间”竞赛转向“时间”革命

摩尔定律走到今天，单纯缩小晶体管尺寸（即“几何缩微”）已面临量子隧穿效应、原子级制造失控等技术难题，以及3nm单条产线约200亿美元的巨额投资，导致综合成本急剧上升。与此同时，外部技术封锁也使得依赖最先进光刻机的路线难以为继。

因此，华为另辟蹊径，提出了一个全新的理念：用“时间缩微”替代“几何缩微”。

       简单说，就是把芯片性能的优化目标，从“把晶体管做得更小”，转变为 “让电信号跑得更快” 。

🏗️ 四个层面协同，系统性降低“时间常数τ”

“韬（τ）定律”并非单一技术，而是一套宏大的、贯穿始终的系统工程，聚焦于降低电路理论中的关键指标“时间常数（τ）”，它直接决定了电路的响应速度，主要在四个层面协同发力：

Ÿ   器件层：优化物理结构，提升晶体管开关速度。

Ÿ   电路层（核心）：通过创新的“逻辑折叠（Logic Folding）”技术，将平面芯片电路“折叠”起来，让原本远距离通信的模块在物理上垂直靠近，从而大幅缩短信号传输路径。其效果立竿见影。

Ÿ   芯片层：采用软硬件协同设计，让数据和指令流跑得更高效，减少等待时间。

Ÿ   系统层：通过定义“灵衢总线”等先进互联架构，优化多芯片之间的通信，进一步降低端到端的延迟。

🚀 实践验证：用数据“跑通”新路径

       “韬定律”不仅停留在理论层面，更经过了7年、数万人规模的“莫邪”工作小组等大规模工程实践的检验：

               Ÿ   大规模量产验证：基于此理念，华为过去六年已成功设计并量产了381款芯片，覆盖了智能手机、AI计算、通信等多个关键领域。

Ÿ   首款“折叠”芯片：计划于2026年秋季面世的麒麟手机芯片，将是完整应用“逻辑折叠”技术的里程碑产品。数据表示，其晶体管密度提升了53.5%，达到238 MTr/mm²；P核能效提升了41%，峰值频率达到3.1GHz。

Ÿ   明确的中期目标：华为预计，到2031年，基于此路径的高端芯片，其晶体管密度将达到等效1.4纳米制程的同等水平。

🌍 为何重要：重塑产业格局

“韬定律”的重要性不仅在于技术突破，更在于其深远的产业影响。它首次由中国企业为全球半导体产业提出了一套系统的“后摩尔时代”解决方案，标志着中国半导体产业正从“规则跟随”向“范式引领”的角色转变。

       该定律重塑了竞争维度，让芯片性能的较量从单纯的制程竞赛，转向“系统架构和设计能力”的综合比拼。这为国内大量的成熟制程晶圆厂产能打开了新的增值空间，通过先进封装、3D集成等系统级优化弥补制程短板。

🔭 未来与挑战：开放合作与需跨越的门槛

这条新路径已获得清华大学等学术界专家的正面评价，但未来仍有挑战，如现有EDA工具、测试方法等生态需要全面革新，同时该定律的可行性仍需全球产业界的广泛验证和共同投入。

总的来说，华为的“韬（τ）定律”是在半导体行业面临物理极限与外部挑战的背景下，一项极具前瞻性的理论创新与工程实践，为整个产业的未来发展提供了新的可能。

 ------------------------------------------------

我又问：和神经网络，误差反向传播等，有直接关系吗

DS回复：

“韬定律”与神经网络、反向传播并非直接等同或解决同一个科学问题，但它们之间有非常深刻且关键的间接关联。

       简而言之：神经网络关心的是“如何算”（算法），其核心挑战是数据搬运瓶颈；而“韬定律”提供了一套完整的 “算得更快” 的硬件解决方案，专门应对这个挑战，并能为反向传播的训练过程带来效率革命。

💡 与AI的宏观关联：直接命中“数据搬运”瓶颈

在AI领域，“韬定律”并非解决算法收敛性的数学问题，而是在硬件架构上为AI工作负载“量身打造”了一套解决方案。其核心就体现在直接命中AI推理的“数据搬运”瓶颈：

Ÿ   问题所在：当前AI系统的瓶颈在于数据移动（即“运力”）而非计算（即“算力”）。在AI集群中，超过80% 的能耗消耗在数据移动上，超70% 的成本用于数据存储。

Ÿ   矛盾关键：主流大语言模型在推理时，GPU算力利用率往往低于30%，大量时间都浪费在等待数据上。

Ÿ   解决路径：“韬定律”通过逻辑折叠、近存计算、灵衢总线等技术，从系统层面优化数据流动路径。它直接给出了AI芯片厂商最需要的物理基础，旨在从根本上加速AI应用的执行。

🔗 与神经网络、反向传播的间接关联：效率革命的基石

这种关联体现在“韬定律”为运行这些算法提供了一套远优于以往的“基础设施”，影响十分深远：

Ÿ   极大加速训练过程：反向传播需要进行海量的、层次化的矩阵运算和数据传递。优化的硬件能以更低延迟和更高能效执行数据搬运和计算，从而极大缩短训练时间，实现DeepSeek式的“效率革命”。

Ÿ   重塑成本与体验：更高效的AI硬件支撑更复杂的模型，降低推理成本。例如，能更快读写“KV Cache”，对长文本处理等场景体验提升直接。

💎 总结

“韬定律”与神经网络、反向传播是计算机科学中不同层面的问题。前者聚焦于硬件物理层，后者属于算法与应用层。但在实际应用中，二者是协同进化的。“韬定律”通过解决AI硬件面临的核心物理瓶颈，为上层AI算法提供了更高效的算力基础，其与DeepSeek式的软件优化异曲同工，共同驱动着下一代AI的发展。“韬定律”与神经网络、反向传播并非直接等同或解决同一个科学问题，但它们之间有非常深刻且关键的间接关联。

       简而言之：神经网络关心的是“如何算”（算法），其核心挑战是数据搬运瓶颈；而“韬定律”提供了一套完整的 “算得更快” 的硬件解决方案，专门应对这个挑战，并能为反向传播的训练过程带来效率革命。

💡 与AI的宏观关联：直接命中“数据搬运”瓶颈

在AI领域，“韬定律”并非解决算法收敛性的数学问题，而是在硬件架构上为AI工作负载“量身打造”了一套解决方案。其核心就体现在直接命中AI推理的“数据搬运”瓶颈：

Ÿ   问题所在：当前AI系统的瓶颈在于数据移动（即“运力”）而非计算（即“算力”）。在AI集群中，超过80% 的能耗消耗在数据移动上，超70% 的成本用于数据存储。

Ÿ   矛盾关键：主流大语言模型在推理时，GPU算力利用率往往低于30%，大量时间都浪费在等待数据上。

Ÿ   解决路径：“韬定律”通过逻辑折叠、近存计算、灵衢总线等技术，从系统层面优化数据流动路径。它直接给出了AI芯片厂商最需要的物理基础，旨在从根本上加速AI应用的执行。

🔗 与神经网络、反向传播的间接关联：效率革命的基石

这种关联体现在“韬定律”为运行这些算法提供了一套远优于以往的“基础设施”，影响十分深远：

Ÿ   极大加速训练过程：反向传播需要进行海量的、层次化的矩阵运算和数据传递。优化的硬件能以更低延迟和更高能效执行数据搬运和计算，从而极大缩短训练时间，实现DeepSeek式的“效率革命”。

Ÿ   重塑成本与体验：更高效的AI硬件支撑更复杂的模型，降低推理成本。例如，能更快读写“KV Cache”，对长文本处理等场景体验提升直接。

💎 总结

“韬定律”与神经网络、反向传播是计算机科学中不同层面的问题。前者聚焦于硬件物理层，后者属于算法与应用层。但在实际应用中，二者是协同进化的。“韬定律”通过解决AI硬件面临的核心物理瓶颈，为上层AI算法提供了更高效的算力基础，其与DeepSeek式的软件优化异曲同工，共同驱动着下一代AI的发展。