Wat de smartphonechip wel en niet zal aantonen

De lancering wordt een belangrijke praktijktest, maar geen bewijs dat Huawei met één aankondiging een nieuwe chipwet heeft gevestigd. Onafhankelijke onderzoekers zullen onder meer moeten vaststellen:

• op welk productieproces de chip daadwerkelijk is gemaakt;
• hoe hoog de opbrengst van de productie ligt;
• hoe de CPU, GPU en NPU presteren;
• hoeveel energie de chip verbruikt en hoe de warmte wordt afgevoerd;
• welke rol de verpakking en het geheugensysteem spelen;
• hoe de chip presteert bij langdurige, realistische belasting in plaats van alleen bij korte benchmarktests.

Een goed resultaat zou aantonen dat architectuur, integratie en software een deel van de achterstand in productietechnologie kunnen compenseren. Het zou niet bewijzen dat Huawei EUV-lithografie heeft vervangen of dat de economische en technische voordelen van kleinere transistors niet langer gelden. Ook moet nog blijken of de prestaties en efficiëntie kunnen worden opgeschaald naar datacenterchips en grote AI-systemen.

Twee manieren om de AI-keten te bekijken

De discussie over Tau Scaling past in een breder debat over hoe de AI-industrie moet worden begrepen. Nvidia-topman Jensen Huang beschrijft AI als een ‘laagjestaart’ met vijf niveaus: energie, chips, computerinfrastructuur, cloud en AI-modellen, en uiteindelijk toepassingen. Dat is vooral een industrieel en economisch overzicht: het laat zien hoe de verschillende delen van de sector samen waarde creëren.

Huawei-wetenschapper Liao Heng kiest voor een veel fijnmaziger beeld: een ‘pagode met achttien verdiepingen’. Zijn model splitst de brede categorieën uit Huangs taart verder op. Aan de onderkant staan onder meer theorie, energie, natuurlijke grondstoffen, mijnbouw, materialen, silicium, transistor- en procesontwerp, waferproductie, lithografie en apparatuur. Daarboven volgen verpakking, chiparchitectuur, compilers en runtimes, het opdelen van bewerkingen en kwantisatie. De bovenste lagen omvatten AI-training, basismodellen, inferentie, agenten, producten en commerciële toepassingen.

Het verschil zit dus niet alleen in de metafoor. Huangs model is een overzichtskaart van de AI-economie; Liao’s pagode is meer een technisch en industrieel schema dat zichtbaar maakt hoeveel onderdelen schuilgaan achter woorden als ‘chip’, ‘infrastructuur’ en ‘model’.

Waarom de zwakste laag de bovengrens bepaalt

Liao’s argument over de ‘kortste’ of zwakste laag is in wezen een vorm van systeembouw. Een krachtig AI-model kan niet optimaal functioneren als er onvoldoende elektriciteit is, als het geheugen te weinig bandbreedte heeft, als de verpakking warmteproblemen veroorzaakt of als de productieopbrengst te laag is. Ook software, compilers, verbindingen tussen chips en de mogelijkheid om systemen betrouwbaar uit te rollen, kunnen de totale prestaties beperken.

De doorvoer, kosten en betrouwbaarheid van het eindproduct worden daardoor vaak bepaald door de zwakste afhankelijkheid. Een snellere accelerator lost bijvoorbeeld weinig op als hij veel tijd besteedt aan wachten op geheugen of aan communicatie met andere chips. De pagode is daarom vooral een pleidooi voor betere interfaces en samenwerking tussen alle lagen, niet voor de gedachte dat één uitzonderlijk snelle chip voldoende is.

Veel chips als compensatie voor minder krachtige chips

Daaruit volgt Huawei’s bredere strategie: bruikbare prestaties halen uit clusters van veel, afzonderlijk minder krachtige accelerators die in eigen land beschikbaar zijn. Dat vereist gezamenlijke optimalisatie van chipontwerp, geheugen, netwerken, compiler- en runtime-software, modelkwantisatie en software voor gedistribueerde training.

Als die onderdelen goed op elkaar zijn afgestemd, kan een cluster minder tijd verspillen aan communicatie of ongebruikt blijven. Dat werkt vooral bij taken die zich goed laten verdelen over meerdere chips. De keerzijde is dat zulke systemen doorgaans meer elektriciteit, netwerkcapaciteit, softwareontwikkeling en operationeel beheer vragen dan een kleiner aantal geavanceerde GPU’s.

De beschikbare berichtgeving ondersteunt dit als een belangrijk onderdeel van Huawei’s strategie. Onafhankelijke bevestiging dat dergelijke systemen op grote schaal gelijkwaardig zijn aan de modernste Nvidia-systemen is er vooralsnog onvoldoende.

Een Chinese keten die minder afhankelijk moet zijn van import

De aanpak sluit aan bij China’s streven naar een geïntegreerde binnenlandse AI- en halfgeleiderketen: van chipontwerp en productie tot geheugen, verpakking, AI-frameworks en systeemintegratie. De reden is strategisch: een beperking op één onderdeel kan de prestaties van de hele keten afremmen.

Marktgegevens van IDC die door Reuters zijn gemeld, laten zien hoe snel die verschuiving in China al zichtbaar is. Chinese leveranciers van GPU’s en AI-chips hadden in 2025 samen ongeveer 41 procent van de markt voor AI-accelerators in servers. Nvidia bleef met ongeveer 55 procent de grootste afzonderlijke leverancier, maar exportcontroles en de druk om binnenlandse technologie te gebruiken hebben de markt duidelijk veranderd. Huawei was de belangrijkste Chinese leverancier.

Huawei probeert dus niet letterlijk aan de wetten van de halfgeleiderfysica te ontsnappen. Het bedrijf verlegt de concurrentie naar gebieden als chiparchitectuur, verpakking, software, dataverplaatsing en coördinatie op clusterniveau. Een sterk geïntegreerd nationaal ecosysteem kan daar een deel van de achterstand in geavanceerde lithografie opvangen. De vraag of dat genoeg is voor structurele gelijkwaardigheid met de koplopers, zal uiteindelijk niet door slogans maar door productieopbrengst, energieverbruik en prestaties in echte systemen worden beantwoord.

Wat de smartphonechip wel en niet zal aantonen

De lancering wordt een belangrijke praktijktest, maar geen bewijs dat Huawei met één aankondiging een nieuwe chipwet heeft gevestigd. Onafhankelijke onderzoekers zullen onder meer moeten vaststellen:

• op welk productieproces de chip daadwerkelijk is gemaakt;
• hoe hoog de opbrengst van de productie ligt;
• hoe de CPU, GPU en NPU presteren;
• hoeveel energie de chip verbruikt en hoe de warmte wordt afgevoerd;
• welke rol de verpakking en het geheugensysteem spelen;
• hoe de chip presteert bij langdurige, realistische belasting in plaats van alleen bij korte benchmarktests.

Een goed resultaat zou aantonen dat architectuur, integratie en software een deel van de achterstand in productietechnologie kunnen compenseren. Het zou niet bewijzen dat Huawei EUV-lithografie heeft vervangen of dat de economische en technische voordelen van kleinere transistors niet langer gelden. Ook moet nog blijken of de prestaties en efficiëntie kunnen worden opgeschaald naar datacenterchips en grote AI-systemen.

Twee manieren om de AI-keten te bekijken

De discussie over Tau Scaling past in een breder debat over hoe de AI-industrie moet worden begrepen. Nvidia-topman Jensen Huang beschrijft AI als een ‘laagjestaart’ met vijf niveaus: energie, chips, computerinfrastructuur, cloud en AI-modellen, en uiteindelijk toepassingen. Dat is vooral een industrieel en economisch overzicht: het laat zien hoe de verschillende delen van de sector samen waarde creëren.

Huawei-wetenschapper Liao Heng kiest voor een veel fijnmaziger beeld: een ‘pagode met achttien verdiepingen’. Zijn model splitst de brede categorieën uit Huangs taart verder op. Aan de onderkant staan onder meer theorie, energie, natuurlijke grondstoffen, mijnbouw, materialen, silicium, transistor- en procesontwerp, waferproductie, lithografie en apparatuur. Daarboven volgen verpakking, chiparchitectuur, compilers en runtimes, het opdelen van bewerkingen en kwantisatie. De bovenste lagen omvatten AI-training, basismodellen, inferentie, agenten, producten en commerciële toepassingen.

Het verschil zit dus niet alleen in de metafoor. Huangs model is een overzichtskaart van de AI-economie; Liao’s pagode is meer een technisch en industrieel schema dat zichtbaar maakt hoeveel onderdelen schuilgaan achter woorden als ‘chip’, ‘infrastructuur’ en ‘model’.

Waarom de zwakste laag de bovengrens bepaalt

Liao’s argument over de ‘kortste’ of zwakste laag is in wezen een vorm van systeembouw. Een krachtig AI-model kan niet optimaal functioneren als er onvoldoende elektriciteit is, als het geheugen te weinig bandbreedte heeft, als de verpakking warmteproblemen veroorzaakt of als de productieopbrengst te laag is. Ook software, compilers, verbindingen tussen chips en de mogelijkheid om systemen betrouwbaar uit te rollen, kunnen de totale prestaties beperken.

De doorvoer, kosten en betrouwbaarheid van het eindproduct worden daardoor vaak bepaald door de zwakste afhankelijkheid. Een snellere accelerator lost bijvoorbeeld weinig op als hij veel tijd besteedt aan wachten op geheugen of aan communicatie met andere chips. De pagode is daarom vooral een pleidooi voor betere interfaces en samenwerking tussen alle lagen, niet voor de gedachte dat één uitzonderlijk snelle chip voldoende is.

Veel chips als compensatie voor minder krachtige chips

Daaruit volgt Huawei’s bredere strategie: bruikbare prestaties halen uit clusters van veel, afzonderlijk minder krachtige accelerators die in eigen land beschikbaar zijn. Dat vereist gezamenlijke optimalisatie van chipontwerp, geheugen, netwerken, compiler- en runtime-software, modelkwantisatie en software voor gedistribueerde training.

Als die onderdelen goed op elkaar zijn afgestemd, kan een cluster minder tijd verspillen aan communicatie of ongebruikt blijven. Dat werkt vooral bij taken die zich goed laten verdelen over meerdere chips. De keerzijde is dat zulke systemen doorgaans meer elektriciteit, netwerkcapaciteit, softwareontwikkeling en operationeel beheer vragen dan een kleiner aantal geavanceerde GPU’s.

De beschikbare berichtgeving ondersteunt dit als een belangrijk onderdeel van Huawei’s strategie. Onafhankelijke bevestiging dat dergelijke systemen op grote schaal gelijkwaardig zijn aan de modernste Nvidia-systemen is er vooralsnog onvoldoende.

Een Chinese keten die minder afhankelijk moet zijn van import

De aanpak sluit aan bij China’s streven naar een geïntegreerde binnenlandse AI- en halfgeleiderketen: van chipontwerp en productie tot geheugen, verpakking, AI-frameworks en systeemintegratie. De reden is strategisch: een beperking op één onderdeel kan de prestaties van de hele keten afremmen.

Marktgegevens van IDC die door Reuters zijn gemeld, laten zien hoe snel die verschuiving in China al zichtbaar is. Chinese leveranciers van GPU’s en AI-chips hadden in 2025 samen ongeveer 41 procent van de markt voor AI-accelerators in servers. Nvidia bleef met ongeveer 55 procent de grootste afzonderlijke leverancier, maar exportcontroles en de druk om binnenlandse technologie te gebruiken hebben de markt duidelijk veranderd. Huawei was de belangrijkste Chinese leverancier.

Huawei probeert dus niet letterlijk aan de wetten van de halfgeleiderfysica te ontsnappen. Het bedrijf verlegt de concurrentie naar gebieden als chiparchitectuur, verpakking, software, dataverplaatsing en coördinatie op clusterniveau. Een sterk geïntegreerd nationaal ecosysteem kan daar een deel van de achterstand in geavanceerde lithografie opvangen. De vraag of dat genoeg is voor structurele gelijkwaardigheid met de koplopers, zal uiteindelijk niet door slogans maar door productieopbrengst, energieverbruik en prestaties in echte systemen worden beantwoord.