Huawei stawia na szybkość zamiast mniejszych tranzystorów. Na czym polega Tau Scaling?

To ważna zmiana perspektywy, ponieważ obliczenia nie ograniczają się do samych tranzystorów. Nawet duża liczba jednostek obliczeniowych może pozostawać niewykorzystana, jeśli dane z pamięci docierają zbyt wolno albo komunikacja między chipami wprowadza zbyt duże opóźnienia. Huawei twierdzi, że Tau Scaling ma ograniczać te opóźnienia na kilku poziomach stosu obliczeniowego.

Nie oznacza to, że zmniejszanie tranzystorów przestaje mieć znaczenie. Chodzi raczej o zmianę proporcji między gęstością tranzystorów, projektem obwodów, połączeniami i architekturą całego systemu.

Czym ma być LogicFolding?

LogicFolding to proponowana przez Huawei technika projektowania i organizowania obwodów. Jej celem jest zwiększenie efektywnej gęstości logiki bez polegania wyłącznie na nowszym węźle technologicznym. Firma opisuje ją jako sposób na ściślejsze rozmieszczenie układów logicznych, analogowych i pamięciowych — potencjalnie także w strukturach warstwowych — przy jednoczesnym skróceniu wewnętrznych połączeń.

Pierwszym praktycznym sprawdzianem ma być układ Kirin do smartfonów. Huawei zapowiada, że pierwszy chip wykorzystujący architekturę Tau Scaling i LogicFolding zostanie pokazany we wrześniu 2026 roku. Dopiero produkt dostępny w rzeczywistym urządzeniu pozwoli ocenić, czy koncepcja przekłada się na mierzalne korzyści, a nie tylko na deklaracje projektowe.

Huawei prognozuje również, że do 2031 roku stworzy układy o gęstości tranzystorów odpowiadającej procesowi 1,4 nm. To cel przedstawiony przez firmę, a nie niezależnie potwierdzony wynik produkcyjny. Reuters podał, że Huawei nie przedstawił wraz z tą deklaracją niezależnych danych dotyczących wydajności.

W AI liczy się cały system, nie pojedynczy chip

Strategia Tau może mieć największe znaczenie w sztucznej inteligencji. Trening i uruchamianie modeli AI wymaga przesyłania ogromnych ilości danych pomiędzy akceleratorami, pamięcią i pozostałymi elementami infrastruktury.

W praktyce grupa słabszych akceleratorów może być użyteczna, jeśli komunikuje się wystarczająco sprawnie, a oprogramowanie potrafi rozdzielać zadania tak, by sprzęt nie czekał bezczynnie na dane. Dlatego kluczowe stają się:

• Połączenia między układami: muszą zapewniać odpowiednią przepustowość i niskie opóźnienia.
• Pamięć: zbyt mała przepustowość lub pojemność może blokować nawet wydajne jednostki obliczeniowe.
• Obudowa i pakowanie: fizyczne rozmieszczenie logiki, pamięci i ścieżek komunikacyjnych wpływa na szybkość, temperaturę oraz możliwość produkcji.
• Oprogramowanie: kompilatory, frameworki i planowanie zadań decydują o tym, jak efektywnie działa klaster.
• Infrastruktura: zasilanie, chłodzenie i integracja systemu ograniczają łączną wydajność.

Optymalizacja na poziomie systemu nie usuwa wąskich gardeł — przenosi je w inne miejsce. Szybszy obwód nie zrekompensuje bez końca słabej pamięci, sieci, oprogramowania, chłodzenia ani niskiej wydajności produkcji. Reuters wskazywał również na niepewność ekspertów co do tego, czy propozycja Huawei jest przełomem o fundamentalnym znaczeniu. Do jej realizacji potrzebne byłyby także nowe narzędzia projektowe i szersze kompetencje inżynieryjne.

„Pagoda z 18 pięter” kontra „pięciowarstwowy tort”

Naukowiec Huawei Liao Heng opisał łańcuch wartości AI jako „pagodę z 18 pięter”. Metafora podkreśla, że możliwości sztucznej inteligencji zależą od wielu wzajemnie połączonych warstw, a projektowanie i produkcja chipów są tylko częścią całej konstrukcji.

To ujęcie przypomina model „pięciowarstwowego tortu” przedstawiany przez Jensena Huanga, prezesa Nvidii. Jego koncepcja porządkuje branżę AI w szersze poziomy, obejmujące między innymi energię, chipy, infrastrukturę i systemy, modele oraz oprogramowanie, a także aplikacje. Wersja Huawei jest bardziej szczegółowa i mocniej akcentuje skoordynowany rozwój krajowych zdolności na całej długości łańcucha.

Wniosek z obu modeli jest podobny: przewaga w AI nie zależy od jednego procesora. Tworzą ją wspólnie sprzęt, sieci, centra danych, oprogramowanie, modele i aplikacje.

Zasada najsłabszego ogniwa

Najlepszym sposobem oceny obietnic Huawei jest zasada najsłabszego ogniwa. Platforma AI będzie ograniczana przez tę warstwę, która działa najsłabiej. Gęsty i szybki chip niewiele pomoże, jeśli pamięć nie dostarczy mu danych, połączenia nie zapewnią odpowiedniej komunikacji, oprogramowanie nie potrafi rozdzielać zadań, a fabryki nie osiągają akceptowalnej wydajności produkcji.

Z tej perspektywy Tau Scaling i LogicFolding są przede wszystkim narzędziami architektonicznymi, a nie zamiennikiem kompletnego ekosystemu półprzewodników. Ich powodzenie wymaga jednoczesnego postępu w projektowaniu chipów, produkcji pamięci, narzędziach EDA do automatyzacji projektowania elektroniki, frameworkach AI, produkcji oraz integracji systemów. China Daily opisywał ten szerszy ekosystem jako obejmujący projektowanie półprzewodników, wytwarzanie pamięci, frameworki AI i integrację systemów.

Dlatego porównania z Nvidią nie można sprowadzać do samej gęstości tranzystorów. Przewaga Nvidii obejmuje również platformę programową oraz cały stos systemowy. Huawei próbuje natomiast budować skoordynowane krajowe zdolności w sytuacji, gdy dostęp do części zagranicznych komponentów i narzędzi jest ograniczony.

Jak sankcje zmieniły chiński rynek akceleratorów AI?

Kontrole eksportowe przyspieszyły poszukiwanie krajowych alternatyw, ale dane rynkowe za 2025 rok pokazują raczej proces zastępowania części dostaw niż całkowite zniknięcie Nvidii z Chin.

Według danych IDC przeanalizowanych przez Reuters Nvidia wysłała do Chin około 2,2 mln akceleratorów AI w 2025 roku, co odpowiadało 55 proc. chińskiego rynku serwerów z akceleratorami AI. Chińscy dostawcy łącznie mieli około 41 proc. rynku. Huawei był wskazywany jako największy lokalny dostawca.

Dokładne dane dotyczące udziału samego Huawei są mniej spójne. Jeden z raportów, powołujący się na te same ogólne dane rynkowe, podaje, że firma dostarczyła 812 tys. akceleratorów, czyli 20,3 proc. całego rynku. Inne zestawienia mówią, że Huawei odpowiadał za mniej więcej połowę dostaw marek krajowych. Różnica może wynikać z odmiennego definiowania produktów i zakresu rynku. Najbezpieczniejszy wniosek brzmi więc: Huawei był liderem wśród chińskich producentów, ale nie można utożsamiać jego udziału z całymi 41 proc. przypisywanymi wszystkim lokalnym dostawcom.

To rozróżnienie ma znaczenie. Amerykańskie ograniczenia stworzyły Huawei i innym chińskim firmom większą przestrzeń rynkową, lecz rynek nadal jest konkurencyjny, a Nvidia w przytoczonych danych za 2025 rok pozostaje największym pojedynczym dostawcą.

Wrześniowy Kirin będzie pierwszym testem

Premiera układu Kirin we wrześniu 2026 roku będzie pierwszym praktycznym punktem kontrolnym dla Tau Scaling i LogicFolding. Recenzenci powinni oddzielić deklarowaną „równoważność” gęstości tranzystorów od niezależnie zmierzonych rezultatów: wydajności, energooszczędności, temperatury, uzysku produkcyjnego i zgodności z oprogramowaniem.

Szersze pytanie brzmi, czy Huawei potrafi zamienić pomysł dotyczący obwodów w powtarzalną przewagę systemową — w smartfonach, akceleratorach AI i klastrach centrów danych. Jeśli tak, firma może pokazać, że istotny wzrost wydajności da się osiągać przez optymalizację przepływu danych i współpracy wielu elementów, nawet przy ograniczonym dostępie do najbardziej zaawansowanej litografii.

Jeśli nie, Tau może pozostać użytecznym sposobem projektowania bez stania się następcą klasycznego skalowania procesu technologicznego.

Najbardziej wyważona interpretacja jest więc taka: Huawei próbuje wydobyć więcej wydajności użytkowej z architektury obwodów, połączeń i klastrów obliczeniowych. Nie dowiódł jednak, że mniejsze tranzystory przestały mieć znaczenie ani że najbardziej ambitne deklaracje dotyczące gęstości zostały już potwierdzone. Rywalizacja przesuwa się dziś w stronę całego łańcucha innowacji — i tego, która firma zdoła sprawić, by żadna z jego warstw nie stała się najsłabszym ogniwem.