Huawei चिप तकनीक में क्यों अपना रास्ता तलाश रही है?

Huawei का जवाब यह नहीं है कि वह घटते ट्रांजिस्टर आकार की दौड़ को पूरी तरह छोड़ रही है। कंपनी प्रदर्शन बढ़ाने का केंद्र बदलना चाहती है—ट्रांजिस्टर को लगातार छोटा करने के बजाय चिप, मेमोरी, पैकेजिंग और पूरे कंप्यूटिंग सिस्टम में डेटा कितनी तेजी से चलता है, इस पर जोर देकर।

यह रणनीति ऐसे समय में सामने आई है जब ट्रांजिस्टर स्केलिंग अपनी भौतिक सीमाओं के करीब पहुंच रही है और अमेरिकी प्रतिबंधों ने चीन की कंपनियों के लिए ASML की सबसे उन्नत लिथोग्राफी मशीनों तक पहुंच को सीमित कर दिया है। फिर भी, Huawei के कई दावों की स्वतंत्र रूप से पुष्टि होना अभी बाकी है।

Moore’s Law से अलग क्या है Tau Scaling Law?

पारंपरिक Moore-style प्रगति में मुख्य जोर ट्रांजिस्टर को छोटा, अधिक घना और ऊर्जा-कुशल बनाने पर रहा है। Huawei का प्रस्तावित Tau (τ) Scaling Law इस लक्ष्य को “ज्यामितीय स्केलिंग” से हटाकर समय-आधारित स्केलिंग की ओर ले जाता है।

सरल शब्दों में, कंपनी यह देखना चाहती है कि सिग्नल और डेटा सर्किट, पैकेज, मेमोरी और अलग-अलग कंप्यूटिंग सिस्टम के बीच कितनी जल्दी पहुंचते हैं। Huawei के अनुसार, सिग्नल के आवागमन में लगने वाले समय को घटाने से सिस्टम प्रदर्शन और प्रभावी ट्रांजिस्टर घनत्व में सुधार किया जा सकता है।

LogicFolding क्या करने का दावा करती है?

LogicFolding इसी विचार पर आधारित Huawei की प्रस्तावित सर्किट और डिजाइन तकनीक है। इसका उद्देश्य अधिक उन्नत मैन्युफैक्चरिंग प्रोसेस पर पूरी तरह निर्भर हुए बिना, एक निश्चित क्षेत्र में अधिक प्रभावी लॉजिक क्षमता समाहित करना है। कंपनी ने लॉजिक, एनालॉग और मेमोरी सर्किट को अधिक सघन तथा परतदार तरीके से व्यवस्थित करने की बात कही है।

Huawei सितंबर में इस ढांचे पर आधारित पहला Kirin स्मार्टफोन चिप पेश करने की योजना बना रही है। इसलिए यह चिप केवल एक नया उत्पाद नहीं, बल्कि Tau Scaling Law और LogicFolding के व्यावहारिक परीक्षण के रूप में भी देखी जाएगी। Huawei ने 2031 तक 1.4-नैनोमीटर के बराबर ट्रांजिस्टर घनत्व हासिल करने का दावा किया है, लेकिन इसके समर्थन में स्वतंत्र प्रदर्शन आंकड़े उपलब्ध नहीं कराए गए हैं।

असली जोर पूरे सिस्टम पर है

Huawei की रणनीति केवल एक तेज चिप बनाने तक सीमित नहीं है। इसमें कई एक्सेलेरेटर चिप को तेज इंटरकनेक्ट के जरिए क्लस्टर में जोड़ना, मेमोरी तक डेटा की पहुंच सुधारना, पैकेजिंग, सॉफ्टवेयर और क्लस्टर शेड्यूलिंग को बेहतर बनाना शामिल है।

AI में इसका मतलब यह है कि घरेलू स्तर पर निर्मित कई एक्सेलेरेटर, आपस में कुशलता से जुड़े होने पर, प्रशिक्षण और अनुमान (inference) में उपयोगी सामूहिक प्रदर्शन दे सकते हैं—भले ही हर एक चिप Nvidia के सबसे शक्तिशाली उत्पाद से पीछे हो।

हालांकि, इससे समस्याएं खत्म नहीं होतीं। नेटवर्किंग, बिजली की खपत, कूलिंग, मेमोरी बैंडविड्थ और सॉफ्टवेयर दक्षता नए निर्णायक अवरोध बन जाते हैं। यानी कमजोर चिप की भरपाई क्लस्टर से संभव हो सकती है, लेकिन केवल तब जब पूरा सिस्टम अच्छी तरह एकीकृत हो।

“18-मंजिला पैगोडा” बनाम Huang का “पांच-परत वाला केक”

Huawei के वैज्ञानिक लियाओ हेंग ने AI की पूरी वैल्यू चेन को “18-मंजिला पैगोडा” से समझाया है। यह रूपक बताता है कि AI क्षमता किसी एक शक्तिशाली GPU पर निर्भर नहीं करती, बल्कि कई परस्पर जुड़े स्तरों पर टिकी होती है।

यह विचार Nvidia के CEO Jensen Huang के “पांच-परत वाले केक” मॉडल से broadly मिलता-जुलता है। Huang के मॉडल में ऊर्जा, चिप, नेटवर्किंग और सिस्टम इन्फ्रास्ट्रक्चर, मॉडल-सॉफ्टवेयर तथा एप्लिकेशन जैसे प्रमुख स्तर शामिल हैं। Huawei का 18-मंजिला मॉडल इन परतों को अधिक बारीकी से दिखाता है और इस बात पर जोर देता है कि चीन को हर स्तर पर घरेलू क्षमता विकसित करनी होगी।

सबसे कमजोर कड़ी ही सिस्टम की सीमा तय करती है

विशेषज्ञों की व्यावहारिक चिंता यह है कि AI सिस्टम का प्रदर्शन उसकी सबसे कमजोर परत से सीमित होता है। तेज चिप भी अपर्याप्त हाई-बैंडविड्थ मेमोरी, धीमे इंटरकनेक्ट, कमजोर चिप-डिजाइन टूल, कम प्रभावी कंपाइलर और फ्रेमवर्क, खराब मैन्युफैक्चरिंग यील्ड या कमजोर सिस्टम इंटीग्रेशन की पूरी भरपाई नहीं कर सकती।

इसलिए Tau Scaling Law और LogicFolding पूरे तकनीकी इकोसिस्टम का विकल्प नहीं हैं। वे एक आर्किटेक्चरल लीवर हैं, जिसका लाभ तभी मिलेगा जब चिप डिजाइन, मेमोरी निर्माण, AI फ्रेमवर्क और पूर्ण-सिस्टम इंजीनियरिंग भी साथ-साथ आगे बढ़ें। Reuters की रिपोर्ट के अनुसार, विशेषज्ञ इस बात पर एकमत नहीं हैं कि यह कितना नया या प्रभावशाली बदलाव है; नई डिजाइन-टूल श्रृंखला की जरूरत भी एक चुनौती हो सकती है।

अमेरिकी प्रतिबंधों के बाद बदलता बाजार

अमेरिकी निर्यात नियंत्रण और चीन में घरेलू विकल्पों के बढ़ने से Nvidia की स्थिति कमजोर हुई है और स्थानीय कंपनियों के लिए जगह बनी है। Reuters द्वारा देखे गए IDC आंकड़ों के अनुसार, Nvidia ने 2025 में चीन में 22 लाख AI एक्सेलेरेटर भेजे, जो AI-एक्सेलेरेटर सर्वर बाजार का 55% था। चीनी आपूर्तिकर्ताओं की संयुक्त हिस्सेदारी लगभग 41% रही और Huawei उनमें सबसे बड़ी घरेलू कंपनी थी।

यह आंकड़ा Huawei की अकेली 41% हिस्सेदारी नहीं बताता। उपलब्ध IDC रिपोर्टिंग में 41% घरेलू कंपनियों की सामूहिक हिस्सेदारी है; Huawei को अग्रणी घरेलू विक्रेता बताया गया है, लेकिन उसकी स्वतंत्र और विश्वसनीय बाजार हिस्सेदारी उपलब्ध नहीं है। अलग-अलग बाजार परिभाषाओं और तरीकों के कारण अनुमान भी बदलते हैं—कुछ विश्लेषकों ने 2025 में Nvidia की हिस्सेदारी लगभग 40% आंकी है।

निष्कर्ष

Huawei यह दावा नहीं कर रही कि उसने ट्रांजिस्टर स्केलिंग की समस्या को जादुई रूप से हल कर दिया है। उसका प्रयास यह है कि सर्किट आर्किटेक्चर, डेटा मूवमेंट और नेटवर्क से जुड़े कंप्यूटिंग सिस्टम के जरिए मौजूदा हार्डवेयर से अधिक एप्लिकेशन-स्तरीय प्रदर्शन निकाला जाए।

अमेरिकी प्रतिबंधों के बीच यह एक उपयोगी वैकल्पिक रास्ता हो सकता है। लेकिन इसकी सफलता केवल Tau या LogicFolding पर निर्भर नहीं करेगी। मेमोरी, डिजाइन टूल, सॉफ्टवेयर, मैन्युफैक्चरिंग और सिस्टम इंटीग्रेशन—इन सभी कड़ियों को एक साथ मजबूत करना होगा।