Huawei forsøger at finde en ny vej uden om chipindustriens flaskehalse

Huang beskriver AI-værdikæden på et overordnet industrielt niveau: energi, chips, computerinfrastruktur, cloud- og AI-modeller samt applikationer. Det er en enkel måde at vise, hvordan AI bevæger sig fra fysisk infrastruktur til produkter og økonomisk værdi.

Liaos pagode splitter i stedet de brede kategorier op i konkrete afhængigheder. Nederst ligger teori, energi, minedrift, råmaterialer, silicium, transistor- og procesdesign, waferproduktion, litografi og udstyr. I de mellemste lag kommer avanceret pakning, chiparkitektur, compilere, runtime-software og kvantisering. Øverst ligger AI-træning, grundmodeller, inferens, agenter, produkter og kommercielle applikationer.

Forskellen er først og fremmest perspektivet. Huangs kage er et top-down-kort over AI som en global industri. Liaos pagode er et bottom-up-kort over, hvordan hvert teknisk og industrielt led afhænger af de andre.

Den svageste etage sætter loftet

Liaos pointe er, at den mest avancerede model eller accelerator ikke kan kompensere for en svag forbindelse et andet sted i systemet. Utilstrækkelig strømforsyning, hukommelsesbåndbredde, chip-pakning, produktionsudbytte, softwareværktøjer, netværk eller driftskapacitet kan hver især blive den begrænsende faktor. Gennemløb, pris og stabilitet bestemmes derfor i praksis af den svageste afhængighed.

Det er en klassisk systemingeniørmæssig betragtning: En hurtig motor hjælper ikke meget, hvis transmissionen, brændstofforsyningen eller vejen ikke kan følge med. Derfor argumenterer pagode-modellen for bedre grænseflader og koordinering mellem alle lag i stedet for blot at fokusere på en hurtigere accelerator.

Mange mindre chips i stedet for få førende chips

Huaweis strategi peger også mod brugen af store klynger med mange indenlandsk tilgængelige acceleratorer, som hver især måske er mindre effektive end Nvidias mest avancerede GPU'er. For at få det til at fungere skal chipdesign, hukommelse, netværk, compilere, runtime-software, modelkvantisering og distribueret træning udvikles samlet.

Målet er at minimere den tid, klyngen bruger på at vente, flytte data eller koordinere mellem chips. Det kan være effektivt ved arbejdsbelastninger, der kan opdeles i mange parallelle opgaver. Til gengæld kan løsningen kræve mere strøm, større netværkskapacitet, mere kompleks software og dyrere drift end et system med færre, stærkere acceleratorer. Den tilgængelige rapportering understøtter, at dette er en central del af Huaweis strategi, men der mangler fortsat uafhængig dokumentation for, at Huaweis samlede systemer matcher de førende Nvidia-løsninger.

En bredere kinesisk teknologikæde

Tilgangen passer ind i Kinas bredere forsøg på at opbygge en samlet indenlandsk AI- og halvlederøkonomi. Det omfatter chipdesign og -produktion, hukommelse, avanceret pakning, AI-frameworks og systemintegration. Hvis importbegrænsninger rammer blot ét led, kan det i sidste ende begrænse hele systemets kapacitet.

Markedsdata fra IDC, som Reuters har gennemgået, viser, at kinesiske producenter af GPU'er og AI-chips samlet stod for omkring 41 procent af Kinas marked for AI-acceleratorer til servere i 2025. Nvidia var fortsat markedsleder med cirka 55 procent, men Huaweis fremgang og det samlede pres for lokalisering viser, at eksportkontrollerne også har skubbet markedet mod indenlandske alternativer.

Hvad Huawei reelt forsøger at ændre

Huawei er altså ikke ved at slippe fri af halvlederfysikken. Selskabet forsøger at ændre, hvor konkurrencen foregår: fra stadig mindre komponenter til arkitektur, pakning, software, signalhastighed og koordinering på klyngeniveau.

Tau Scaling Law og LogicFolding kan derfor ses som et forsøg på at få mere ud af den hardware, Huawei faktisk kan producere. September-chippen bliver den første synlige prøve på, om denne systemorienterede tilgang kan omsættes til en hurtig og energieffektiv smartphone. Den afgørende test kommer dog først, når uafhængige målinger viser, hvor meget ydelse der er opnået – og til hvilken pris i strøm, varme, kompleksitet og produktion.