Huawei משנה את כללי המשחק: ביצועי שבבים ייקבעו לפי מהירות המידע, לא רק לפי גודל הטרנזיסטור

לא רק לייצר טרנזיסטורים קטנים יותר

במשך עשרות שנים, ההתקדמות בתעשיית השבבים נמדדה בעיקר לפי קנה מידה גיאומטרי: כמה קטן אפשר לייצר את הטרנזיסטור, כמה מהם אפשר לדחוס בשטח נתון, וכמה ביצועים או יעילות אנרגטית ניתן להשיג בכל דור ייצור.

Huawei מציעה לשנות את נקודת המבט. במקום להתמקד בעיקר בגודל הרכיבים, החברה מבקשת למדוד את ההתקדמות לפי הזמן שנדרש לאותות ולנתונים לנוע בתוך השבב ובין רכיבי מערכת המחשוב. היא מכנה את העיקרון חוק Tau Scaling (τ), כאשר LogicFolding היא אחת מטכניקות התכנון שנועדו ליישם אותו.

המהלך אינו מבטל את חשיבותם של טרנזיסטורים קטנים יותר, אך הוא מנסה להפיק ביצועים נוספים מתכנון המעגלים, מהחיווט, מהזיכרון ומהמערכת כולה — תחומים שהופכים קריטיים במיוחד כאשר הגישה לציוד ליתוגרפיה מתקדם מוגבלת.

מהו Tau Scaling?

הטענה הבסיסית של Huawei היא שביצועי המחשוב אינם נקבעים רק על ידי הטרנזיסטור. האותות עוברים גם דרך חיווט, זיכרון, מארזים, חיבורים בין שבבים ורכיבי מערכת נוספים. עיכובים במסלולים האלה עלולים להגביל את התועלת מהוספת לוגיקה או מהגדלת כוח העיבוד הגולמי.

לכן, Tau Scaling שואף לצמצם את זמני המעבר האלה בכמה שכבות — מהמעגל הבודד ועד למערכות מחשוב גדולות. במילים פשוטות, Huawei מנסה לשאול לא רק "כמה חישובים השבב מסוגל לבצע?", אלא גם "כמה מהר המידע מגיע למקום שבו הוא נחוץ?".

LogicFolding: יותר לוגיקה בלי להסתמך רק על צומת ייצור חדשה

LogicFolding היא טכניקת תכנון שמטרתה להגדיל את צפיפות הלוגיקה האפקטיבית בלי להסתמך באופן בלעדי על מעבר לתהליך ייצור מתקדם יותר. לפי תיאור החברה, השיטה מסדרת לוגיקה, מעגלים אנלוגיים ורכיבי זיכרון במבנים משולבים וצפופים יותר, שעשויים לכלול גם שכבות אנכיות, ובמקביל מקצרת את החיווט הפנימי.

Huawei הודיעה כי שבב Kirin הראשון לסמארטפונים שיתבסס על Tau Scaling וישתמש ב-LogicFolding צפוי להגיע בספטמבר 2026. המוצר הזה יהיה מבחן מעשי חשוב: הוא יאפשר לבדוק אם הרעיון מתורגם לשיפור מדיד במוצר צרכני, ולא נשאר רק בהצהרה תכנונית.

החברה גם הציבה יעד לשבבים מתקדמים בעלי צפיפות טרנזיסטורים השקולה לזו של תהליך ייצור בגודל 1.4 ננומטר עד 2031. עם זאת, מדובר ביעד שהציבה Huawei — לא בתוצאה שכבר אומתה באופן עצמאי. לפי Reuters, החברה לא הציגה לצד הטענה נתוני ביצועים בלתי תלויים.

באינטליגנציה מלאכותית, השבב הבודד הוא רק חלק מהסיפור

החשיבות של הגישה בולטת במיוחד בתחום ה-AI. מערכות בינה מלאכותית מעבירות כמויות עצומות של נתונים בין מעבדים, זיכרון ורכיבי תקשורת. לכן, גם קבוצה של מאיצים חלשים יותר מבחינה אינדיבידואלית יכולה להיות שימושית אם הם מתקשרים ביעילות, ואם התוכנה והתשתית מצליחות להזין אותם בנתונים בקצב הנדרש.

המשמעות היא שהביצועים הכוללים תלויים בכמה שכבות:

• קישוריות בין שבבים: רוחב פס גבוה והשהיה נמוכה הם תנאים חיוניים להעברת נתונים יעילה.
• זיכרון: קיבולת או רוחב פס מוגבלים עלולים להשאיר את יחידות החישוב ללא עבודה.
• אריזה: האופן שבו הלוגיקה, הזיכרון ונתיבי התקשורת מסודרים משפיע על מהירות, חום ויכולת ייצור.
• תוכנה: מהדרים, מסגרות עבודה ותזמון משימות קובעים עד כמה אפשר לנצל אשכול מבוזר של מאיצים.
• תשתית: אספקת חשמל, קירור ואינטגרציה במרכזי נתונים עלולים להגביל את הביצועים המצטברים.

אופטימיזציה ברמת המערכת אינה מעלימה צווארי בקבוק — היא משנה את מיקומם. מעגל מהיר יותר לא יוכל לפצות ללא הגבלה על זיכרון איטי, רשת לא מתאימה, תוכנה לא יעילה או שיעורי תשואה נמוכים בייצור. Reuters דיווחה כי מומחים אינם תמימי דעים בשאלה אם מדובר בפריצת דרך יסודית, והדגישה כי יידרשו גם כלי תכנון ויכולות הנדסיות רחבות יותר.

"פגודה בת 18 קומות" מול "עוגת חמש השכבות" של Jensen Huang

המדען של Huawei, ליאו הנג, תיאר את שרשרת הערך של ה-AI כ**"פגודה בת 18 קומות"**. הדימוי מציג את תחום הבינה המלאכותית כמבנה גבוה ורב-שכבתי, שבו כל שכבה תלויה באחרות. תכנון וייצור שבבים הם רק חלק מהמבנה כולו.

ההשוואה המתבקשת היא למסגרת "עוגת חמש השכבות" של Jensen Huang, מנכ"ל Nvidia. המודל של Huang מתאר את התעשייה באמצעות שכבות רחבות, ובהן אנרגיה, שבבים, תשתיות ומערכות, מודלים ותוכנה, ויישומים. המסגרת של Huawei מפורטת יותר ומדגישה במיוחד את הצורך בפיתוח מתואם של יכולות מקומיות לאורך כל השרשרת.

בשני המודלים המסר דומה: הנהגת שוק ה-AI אינה נקבעת על ידי מעבד יחיד. היא תלויה בשילוב בין חומרה, רשתות, מרכזי נתונים, תוכנה, מודלים ויישומים.

מבחן החוליה החלשה

העיקרון החשוב ביותר לבחינת ההצהרות של Huawei הוא עקרון החוליה החלשה. מערכת AI מוגבלת בסופו של דבר על ידי השכבה בעלת הביצועים הנמוכים ביותר.

שבב צפוף ומהיר לא יפיק יתרון משמעותי אם הזיכרון אינו מסוגל להזין אותו, אם החיבורים בין השבבים אינם יעילים, אם התוכנה אינה יודעת לפזר את עומס העבודה, או אם המפעלים אינם מסוגלים לייצר אותו בתשואה ובאיכות מסחריות.

לכן, Tau Scaling ו-LogicFolding הם בראש ובראשונה מנופים ארכיטקטוניים — לא תחליף לאקוסיסטם שלם. הצלחתם תלויה בהתקדמות מקבילה בתכנון שבבים, בייצור זיכרון, בכלי EDA לתכנון אלקטרוני, במסגרות AI, בייצור ובאינטגרציה של מערכות. דיווחים של China Daily מתארים את המערכת הרחבה הזו ככזו שמשתרעת על פני תכנון מוליכים למחצה, ייצור זיכרון, מסגרות AI ואינטגרציה מערכתית.

זו גם הסיבה שלא ניתן לצמצם את ההשוואה ל-Nvidia לשאלה של צפיפות טרנזיסטורים. היתרון של Nvidia כולל פלטפורמה שלמה ומערך מערכות ותוכנה, בעוד שהאסטרטגיה של Huawei נועדה לבנות יכולת מקומית מתואמת בתנאים שבהם חלק מהרכיבים והכלים הזרים אינם זמינים לה.

כיצד הסנקציות האמריקאיות שינו את שוק מאיצי ה-AI בסין

ההגבלות האמריקאיות על ייצוא שבבים וציוד מתקדם האיצו את החיפוש הסיני אחר חלופות מקומיות. עם זאת, הנתונים הזמינים לגבי 2025 מצביעים על החלפה חלקית — לא על היעלמותה של Nvidia מהשוק.

לפי נתוני IDC שנבדקו על ידי Reuters, Nvidia סיפקה לסין כ-2.2 מיליון מאיצי AI ב-2025, שהיוו כ-55% משוק שרתי מאיצי ה-AI במדינה. היצרניות הסיניות החזיקו יחד בכ-41%, כאשר Huawei הובילה את קבוצת הספקיות המקומיות.

הנתון המדויק לגבי Huawei עצמה משתנה בין הדיווחים. בדיווח אחד, שהתבסס על אותם נתוני שוק כלליים, נמסר כי Huawei סיפקה 812 אלף מאיצים — כ-20.3% מכלל השוק. סיכומים אחרים תיארו אותה כמי שמחזיקה בערך במחצית מהמשלוחים של המותגים המקומיים. ייתכן שהפער נובע מהגדרות שונות של המוצרים או של השוק, ולכן המסקנה הזהירה היא ש-Huawei הובילה את השוק המקומי הסיני — לא שהיא החזיקה לבדה בכל 41% שיוחסו ליצרניות הסיניות.

ההבחנה הזו חשובה: הסנקציות פתחו מרחב פעולה ל-Huawei וליצרניות סיניות נוספות, אך השוק עדיין תחרותי. לפי הנתונים המדווחים, Nvidia נותרה הספקית הבודדת הגדולה ביותר ב-2025.

המבחן הבא: שבב Kirin של ספטמבר

השקת שבב ה-Kirin בספטמבר 2026 תהיה נקודת הבדיקה המעשית הראשונה של Tau Scaling ושל LogicFolding. יהיה צורך להפריד בין טענות על "צפיפות שקולה" לתהליך של 1.4 ננומטר לבין מדדים שניתן למדוד באופן בלתי תלוי: ביצועים בפועל, צריכת חשמל, חום, תשואת ייצור ותאימות תוכנה.

המבחן הרחב יותר יהיה יכולתה של Huawei להפוך רעיון ברמת המעגל ליתרון מערכתי שחוזר על עצמו בסמארטפונים, במאיצי AI ובאשכולות של מרכזי נתונים. אם תצליח, החברה עשויה להדגים שאפשר להשיג שיפור משמעותי ברמת היישום באמצעות אופטימיזציה של תנועת נתונים ותיאום מערכות — גם כאשר הגישה לליתוגרפיה המתקדמת ביותר מוגבלת.

אם לא, Tau עשוי להישאר מסגרת תכנונית שימושית, אך לא להפוך לתחליף לקידום המסורתי של תהליכי הייצור. הפרשנות המדויקת ביותר בשלב זה היא מאופקת: Huawei מנסה להפיק יותר ביצועים מארכיטקטורת המעגלים, מהקישוריות ומהמערכות המשולבות. היא עדיין לא הוכיחה שטרנזיסטורים קטנים יותר איבדו מחשיבותם, וגם לא שהטענות השאפתניות שלה לגבי צפיפות כבר אומתו.

התחרות, אם כן, עוברת בהדרגה מהשבב הבודד לשרשרת החדשנות כולה — ולשאלה איזו חברה תצליח למנוע מכל אחת מהשכבות להפוך לחוליה החלשה.