Jedním z praktických nástrojů má být LogicFolding. Huawei jím chce logické obvody, analogové části a paměť uspořádat těsněji a více vertikálně, aby se zkrátily kritické cesty, po nichž se signály pohybují. První chytrý telefonní čip Kirin využívající tento přístup má dorazit v září.

Zářijový čip bude důležitější než tiskové zprávy

Uvedení čipu bude významným komerčním testem, nikoli automatickým důkazem, že Huawei překonala limity moderní výroby. Nezávislí analytici budou muset ověřit skutečnou výrobní technologii a výtěžnost čipu a změřit jeho výkon v procesoru, grafice i AI akceleraci. Důležitá bude také spotřeba, zahřívání, konstrukce pouzdra, paměťový systém a dlouhodobý výkon v běžném používání.

Samotné špičkové výsledky v krátkých benchmarcích nemusí mnoho znamenat. Pokud nový Kirin dokáže při dlouhodobé zátěži nabídnout výrazně lepší poměr výkonu a spotřeby než předchozí generace, ukázalo by to, že architektura a integrace mohou zmenšit náskok konkurence i při horším přístupu k nejmodernější výrobě. Neznamenalo by to však, že Huawei nahradila EUV litografii nebo zrušila ekonomiku zmenšování tranzistorů.

„Pětivrstvý dort“ versus „18patrová pagoda“

Rozdíl mezi přístupem Huawei a Nvidie dobře ilustrují dvě metafory pro celý ekosystém umělé inteligence.

Šéf Nvidie Jensen Huang popisuje AI jako pětivrstvý dort: odspodu jej tvoří energie, čipy, výpočetní infrastruktura, cloud a AI modely a nakonec aplikace. Jde o záměrně přehlednou, průmyslovou mapu, která ukazuje, jak se z fyzických zdrojů postupně vytváří ekonomická hodnota.

Liao Heng, hlavní vědec polovodičové divize Huawei a jeden z architektů čipů Ascend, používá podrobnější obraz 18patrové pagody. Ta rozkládá obecné kategorie na konkrétní závislosti: od teorie, energie, těžby a surovin přes křemík, návrh tranzistorů, výrobní proces, litografii a zařízení až po pokročilé pouzdření, architekturu, kompilátory, běhová prostředí, kvantizaci, trénování AI, základní modely, agenty, produkty a aplikace.

Nejde tedy nutně o dvě zcela odlišné teorie. Pagoda spíše odhaluje součásti, které se v Huangově stručnějším modelu skrývají uvnitř slov „čipy“, „infrastruktura“ a „modely“.

Proč rozhoduje nejslabší článek

Liaův argument o „nejkratší vrstvě“ je v podstatě argumentem systémového inženýrství. Sebevýkonnější model nepomůže, pokud chybí dostatek elektřiny, paměťové propustnosti, kvalitní pouzdření, výrobní výtěžnost, vhodné programovací nástroje nebo rychlé propojení mezi čipy.

Výkon, cena i spolehlivost celého systému jsou omezeny nejslabší závislostí. Rychlý akcelerátor proto sám o sobě nestačí. Huawei chce podle této logiky posilovat rozhraní mezi jednotlivými vrstvami a koordinovat jejich vývoj namísto toho, aby se soustředila jen na jeden výkonnější procesor.

Více méně výkonných čipů místo několika špičkových

Praktickým důsledkem může být budování velkých klastrů z mnoha domácích akcelerátorů, které jsou jednotlivě slabší než nejpokročilejší GPU od Nvidie. Huawei by v takovém případě současně navrhovala čipy, paměti, síťové propojení, kompilátory, běhové prostředí, kvantizaci modelů a software pro distribuované trénování.

Cílem je, aby čipy v klastru co nejméně čekaly na data nebo mezi sebou zbytečně nekomunikovaly. U úloh, které lze dobře rozdělit mezi velké množství procesorů, může být tento přístup účinný. Přináší však také vyšší nároky na elektřinu, síťovou infrastrukturu, software a provoz než nasazení menšího počtu špičkových GPU.

Dostupné zprávy tuto strategii Huawei popisují, nezávislé důkazy o srovnatelném výkonu s předními systémy Nvidia však zatím nejsou dostatečné.

Čínský ekosystém jako součást strategie

Tau Scaling proto není jen otázkou návrhu jednoho procesoru. Zapadá do širší snahy vybudovat integrovaný domácí řetězec zahrnující návrh a výrobu čipů, paměti, pouzdření, AI frameworky i integraci celých systémů. Důvod je praktický: pokud dovozní omezení zasáhne jedinou vrstvu, může tím omezit výkon celého řešení.

Podle dat IDC citovaných agenturou Reuters dodali čínští výrobci GPU a AI čipů v roce 2025 dohromady přibližně 41 % serverových AI akcelerátorů prodaných na čínském trhu. Nvidia zůstala největším jednotlivým dodavatelem s podílem 55 %. Huawei byla mezi domácími výrobci nejsilnější. Exportní kontroly a tlak na lokalizaci jsou významnými faktory tohoto posunu.

Huawei tedy nesází na to, že by obešla fyzikální zákony. Snaží se přesunout část soutěže z oblasti nejpokročilejší litografie do oblastí, kde může více využít vlastní architekturu, pouzdření, software a koordinaci klastrů. Zda tato kombinace dokáže dlouhodobě vyrovnat horší přístup k výrobním technologiím, ale ukáže až měření skutečných produktů — především zářijového čipu Kirin.

Jedním z praktických nástrojů má být LogicFolding. Huawei jím chce logické obvody, analogové části a paměť uspořádat těsněji a více vertikálně, aby se zkrátily kritické cesty, po nichž se signály pohybují. První chytrý telefonní čip Kirin využívající tento přístup má dorazit v září.

Zářijový čip bude důležitější než tiskové zprávy

Uvedení čipu bude významným komerčním testem, nikoli automatickým důkazem, že Huawei překonala limity moderní výroby. Nezávislí analytici budou muset ověřit skutečnou výrobní technologii a výtěžnost čipu a změřit jeho výkon v procesoru, grafice i AI akceleraci. Důležitá bude také spotřeba, zahřívání, konstrukce pouzdra, paměťový systém a dlouhodobý výkon v běžném používání.

Samotné špičkové výsledky v krátkých benchmarcích nemusí mnoho znamenat. Pokud nový Kirin dokáže při dlouhodobé zátěži nabídnout výrazně lepší poměr výkonu a spotřeby než předchozí generace, ukázalo by to, že architektura a integrace mohou zmenšit náskok konkurence i při horším přístupu k nejmodernější výrobě. Neznamenalo by to však, že Huawei nahradila EUV litografii nebo zrušila ekonomiku zmenšování tranzistorů.

„Pětivrstvý dort“ versus „18patrová pagoda“

Rozdíl mezi přístupem Huawei a Nvidie dobře ilustrují dvě metafory pro celý ekosystém umělé inteligence.

Šéf Nvidie Jensen Huang popisuje AI jako pětivrstvý dort: odspodu jej tvoří energie, čipy, výpočetní infrastruktura, cloud a AI modely a nakonec aplikace. Jde o záměrně přehlednou, průmyslovou mapu, která ukazuje, jak se z fyzických zdrojů postupně vytváří ekonomická hodnota.

Liao Heng, hlavní vědec polovodičové divize Huawei a jeden z architektů čipů Ascend, používá podrobnější obraz 18patrové pagody. Ta rozkládá obecné kategorie na konkrétní závislosti: od teorie, energie, těžby a surovin přes křemík, návrh tranzistorů, výrobní proces, litografii a zařízení až po pokročilé pouzdření, architekturu, kompilátory, běhová prostředí, kvantizaci, trénování AI, základní modely, agenty, produkty a aplikace.

Nejde tedy nutně o dvě zcela odlišné teorie. Pagoda spíše odhaluje součásti, které se v Huangově stručnějším modelu skrývají uvnitř slov „čipy“, „infrastruktura“ a „modely“.

Proč rozhoduje nejslabší článek

Liaův argument o „nejkratší vrstvě“ je v podstatě argumentem systémového inženýrství. Sebevýkonnější model nepomůže, pokud chybí dostatek elektřiny, paměťové propustnosti, kvalitní pouzdření, výrobní výtěžnost, vhodné programovací nástroje nebo rychlé propojení mezi čipy.

Výkon, cena i spolehlivost celého systému jsou omezeny nejslabší závislostí. Rychlý akcelerátor proto sám o sobě nestačí. Huawei chce podle této logiky posilovat rozhraní mezi jednotlivými vrstvami a koordinovat jejich vývoj namísto toho, aby se soustředila jen na jeden výkonnější procesor.

Více méně výkonných čipů místo několika špičkových

Praktickým důsledkem může být budování velkých klastrů z mnoha domácích akcelerátorů, které jsou jednotlivě slabší než nejpokročilejší GPU od Nvidie. Huawei by v takovém případě současně navrhovala čipy, paměti, síťové propojení, kompilátory, běhové prostředí, kvantizaci modelů a software pro distribuované trénování.

Cílem je, aby čipy v klastru co nejméně čekaly na data nebo mezi sebou zbytečně nekomunikovaly. U úloh, které lze dobře rozdělit mezi velké množství procesorů, může být tento přístup účinný. Přináší však také vyšší nároky na elektřinu, síťovou infrastrukturu, software a provoz než nasazení menšího počtu špičkových GPU.

Dostupné zprávy tuto strategii Huawei popisují, nezávislé důkazy o srovnatelném výkonu s předními systémy Nvidia však zatím nejsou dostatečné.

Čínský ekosystém jako součást strategie

Tau Scaling proto není jen otázkou návrhu jednoho procesoru. Zapadá do širší snahy vybudovat integrovaný domácí řetězec zahrnující návrh a výrobu čipů, paměti, pouzdření, AI frameworky i integraci celých systémů. Důvod je praktický: pokud dovozní omezení zasáhne jedinou vrstvu, může tím omezit výkon celého řešení.

Podle dat IDC citovaných agenturou Reuters dodali čínští výrobci GPU a AI čipů v roce 2025 dohromady přibližně 41 % serverových AI akcelerátorů prodaných na čínském trhu. Nvidia zůstala největším jednotlivým dodavatelem s podílem 55 %. Huawei byla mezi domácími výrobci nejsilnější. Exportní kontroly a tlak na lokalizaci jsou významnými faktory tohoto posunu.

Huawei tedy nesází na to, že by obešla fyzikální zákony. Snaží se přesunout část soutěže z oblasti nejpokročilejší litografie do oblastí, kde může více využít vlastní architekturu, pouzdření, software a koordinaci klastrů. Zda tato kombinace dokáže dlouhodobě vyrovnat horší přístup k výrobním technologiím, ale ukáže až měření skutečných produktů — především zářijového čipu Kirin.