Huawei setzt auf Zeit statt Miniaturisierung: Kann Tau Scaling die Chip-Grenzen verschieben?

Huawei versucht nicht, die Gesetze der Halbleiterphysik außer Kraft zu setzen. Das Unternehmen will vielmehr verändern, woran Fortschritt bei Prozessoren gemessen wird: nicht ausschließlich an der Größe der Transistoren, sondern an der Zeit, die Signale, Daten und Rechenaufgaben für ihren Weg durch ein System benötigen.

Der Ansatz ist für Huawei auch geopolitisch relevant. Die Miniaturisierung moderner Chips stößt zunehmend an physikalische und wirtschaftliche Grenzen. Gleichzeitig erschweren US-Exportkontrollen den Zugang zu den fortschrittlichsten Lithografiesystemen von ASML, insbesondere zur EUV-Lithografie. Tau Scaling könnte Chinas Abhängigkeit von solchen Anlagen verringern – vollständig ersetzen kann es sie nach derzeitiger Faktenlage jedoch nicht. Ob darin tatsächlich ein technologischer Bruch liegt, ist noch offen.

Tau Scaling: Kürzere Wege statt nur kleinerer Transistoren

Huawei stellte im Mai 2026 die sogenannte Tau Scaling Law vor. Das griechische Zeichen τ steht dabei für eine Zeitkonstante beziehungsweise die Verzögerung, mit der sich ein Signal durch eine Schaltung bewegt. Huawei will diese Verzögerung auf mehreren Ebenen reduzieren: im Bauelement, in der Schaltung, auf dem Chip und im gesamten Rechensystem.

Die Idee klingt zunächst weniger spektakulär, als der Begriff „neues Skalierungsgesetz“ vermuten lässt. Denn auch andere Chipentwickler arbeiten seit Langem daran, Widerstände, Kapazitäten, Leitungen, Speicherzugriffe und Kommunikationswege zu optimieren. Huaweis strategischer Schritt besteht darin, diese Zeit- und Transportprobleme zum zentralen Maßstab der weiteren Entwicklung zu machen – und nicht nur die Strukturbreite weiter zu verkleinern.

Die dazugehörige Architektur LogicFolding soll Logik-, Analog- und Speicherelemente stärker vertikal und integriert anordnen. Dadurch könnten kritische Leitungswege kürzer werden, ohne dass jeder Fortschritt von einem neuen, kleineren Fertigungsprozess abhängt. Huawei plant, LogicFolding zunächst in einem neuen Kirin-Smartphonechip einzusetzen. Der Chip soll im September vorgestellt werden.

Der September-Chip als Praxistest

Die Präsentation eines neuen Kirin-Prozessors wäre zunächst ein kommerzieller Test – kein Beweis dafür, dass Huawei die EUV-Lithografie überflüssig gemacht oder die Grenzen der Transistorminiaturisierung überwunden hat.

Industrieanalysten müssten unter anderem klären:

• Mit welchem tatsächlichen Fertigungsprozess und welcher Ausbeute der Chip produziert wird;
• wie CPU, GPU und NPU bei Leistung, Energieverbrauch und Wärmeentwicklung abschneiden;
• welche Rolle Gehäuse, Speicheranbindung und Kühlung spielen;
• wie sich die Leistung unter längerer Dauerlast verhält;
• und ob der Chip im Alltag gegenüber führenden Prozessoren konkurrenzfähig ist – nicht nur in kurzen Spitzen-Benchmarks.

Ein gutes Ergebnis würde zeigen, dass Architektur, Integration und Software einen Fertigungsnachteil teilweise ausgleichen können. Es würde aber nicht bedeuten, dass Huawei die fortschrittlichsten Lithografieverfahren ersetzt hat. Auch die Produktionskosten, die Ausbeute und die Skalierbarkeit im großen Maßstab blieben entscheidend.

18-stöckige Pagode gegen fünfstöckige Torte

Huaweis Halbleiterwissenschaftler Liao Heng beschreibt die KI-Industrie mit dem Bild einer 18-stöckigen Pagode. Damit reagiert er auf Nvidias CEO Jensen Huang, der die KI-Wirtschaft als „fünfschichtige Torte“ dargestellt hat.

Huangs Modell ist bewusst grob und wirtschaftlich orientiert. Es umfasst:

1. Energie,
2. Chips,
3. Recheninfrastruktur,
4. Cloud und KI-Modelle,
5. Anwendungen.

Die fünf Ebenen zeigen, wie aus Strom und Hardware über Rechenzentren und Modelle letztlich Produkte und wirtschaftlicher Nutzen entstehen.

Liaos Pagode ist dagegen stärker eine technische und industrielle Landkarte. Sie zerlegt die groben Kategorien in zahlreiche voneinander abhängige Ebenen: von Theorie, Energie, Rohstoffen, Bergbau und Silizium über Transistordesign, Fertigung, Lithografie und fortschrittliche Gehäusetechnik bis hin zu Chiparchitektur, Compilern, Laufzeitsystemen, Quantisierung, Training, Basismodellen, Agenten, Produkten und Anwendungen.

Der Unterschied liegt also weniger darin, dass beide Modelle völlig verschiedene Industrien beschreiben. Vielmehr macht die Pagode sichtbar, was in Huangs Begriffen „Chips“, „Infrastruktur“ und „Modelle“ verborgen bleibt. Sie rückt die Übergänge zwischen den Ebenen in den Mittelpunkt.

Warum die kürzeste Ebene das Gesamtsystem ausbremst

Liaos Argument lässt sich als klassische Systemtechnik lesen: Die leistungsfähigste KI kann ihre Stärke nicht ausspielen, wenn eine darunterliegende Abhängigkeit zum Engpass wird.

Zu wenig Strom, geringe Speicherbandbreite, langsame Verbindungen, schlechte Fertigungsausbeute, ineffiziente Kühlung, unausgereifte Compiler oder fehlende Software für die Verteilung von Rechenaufgaben können den Durchsatz eines gesamten Systems begrenzen. Entscheidend sind dann nicht die theoretischen Spitzenwerte eines einzelnen Beschleunigers, sondern die schwächste oder „kürzeste“ Ebene der gesamten Kette.

Die Pagode ist damit auch ein Plädoyer für eine engere Zusammenarbeit zwischen bislang getrennten Bereichen: Material- und Chipentwicklung, Speicher, Packaging, Architektur, Compiler, Modelle und Anwendungen sollen gemeinsam optimiert werden.

Viele weniger starke Chips als Ausweg?

Aus diesem Denken folgt Huaweis Strategie, die Leistung nicht ausschließlich aus einem einzelnen Spitzenchip zu holen. Stattdessen könnten viele im Inland verfügbare, jeweils weniger leistungsfähige Beschleuniger zu einem koordinierten Cluster verbunden werden.

Dafür müssen Chips, Speicher, Netzwerk, Compiler, Laufzeitsysteme, Modellquantisierung und Software für verteiltes Training aufeinander abgestimmt sein. Wenn die Kommunikation zwischen den Chips schneller wird und weniger Einheiten untätig warten, kann ein Cluster bei gut parallelisierbaren Aufgaben einen Teil des Nachteils einzelner Prozessoren ausgleichen.

Dieser Ansatz hat jedoch seinen Preis. Viele Chips benötigen mehr Strom, mehr Netzwerkbandbreite und aufwendigere Software. Auch Fehlersuche, Kühlung, Betrieb und Datenverteilung werden komplexer. Ein Cluster aus vielen schwächeren Beschleunigern ist daher nicht automatisch gleichwertig mit einem System aus weniger, aber leistungsfähigeren Nvidia-Prozessoren. Für eine solche Gleichwertigkeit fehlt bislang eine unabhängige, umfassende Validierung.

Ein heimisches Ökosystem als strategischer Hebel

Die Strategie passt zu Chinas breiterem Versuch, eine möglichst vollständige heimische KI- und Halbleiterkette aufzubauen. Dazu gehören Chipdesign und Fertigung, Speicher, Packaging, KI-Frameworks, Compiler und die Integration kompletter Rechensysteme.

Der Grund ist einfach: Eine Beschränkung an nur einer Stelle kann die Leistungsfähigkeit des gesamten Systems begrenzen. Wer nicht auf die modernste Lithografie zugreifen kann, muss deshalb andere Ebenen – etwa Architektur, Software, Gehäusetechnik, Speicher und Systemkoordination – umso enger miteinander verzahnen.

Marktdaten unterstreichen den wachsenden Stellenwert chinesischer Anbieter. Nach IDC-Daten, über die Reuters berichtete, kamen chinesische Hersteller von GPUs und KI-Chips 2025 zusammen auf rund 41 Prozent des chinesischen Marktes für KI-Beschleuniger in Servern. Nvidia blieb mit etwa 55 Prozent Marktanteil führend. Huawei war dabei der wichtigste heimische Anbieter. US-Exportkontrollen und der politische Druck zur Lokalisierung treiben diese Verschiebung mit an.

Was Huawei tatsächlich erreichen könnte

Huaweis Tau Scaling ist am besten nicht als Abschaffung klassischer Chipskalierung zu verstehen, sondern als Versuch, den Wettbewerb auf andere Felder zu verlagern. Architektur, vertikale Integration, Speicheranbindung, Packaging, Software und Clusterkoordination könnten einen Teil des Rückstands bei der Fertigung ausgleichen.

Ob daraus ein nachhaltiger Vorteil entsteht, hängt letztlich von messbaren Ergebnissen ab: realer Leistung, Energieeffizienz, Ausbeute, Kosten, Softwarekompatibilität und der Fähigkeit, die Technologie über Smartphones hinaus in große KI-Systeme zu übertragen.

Kurz gesagt: Huawei will nicht der Physik entkommen. Das Unternehmen versucht, die Rechenleistung dort zu steigern, wo ein integriertes nationales Ökosystem seine Stärken ausspielen kann – bei der Abstimmung des gesamten Systems, nicht nur bei der Herstellung immer kleinerer Transistoren.