Huawei zmienia reguły rozwoju chipów. Zamiast mniejszych tranzystorów stawia na czas

Huawei nie twierdzi, że można po prostu unieważnić prawa fizyki półprzewodników. Firma próbuje jednak zmienić pytanie, na które odpowiada rozwój procesorów: zamiast skupiać się wyłącznie na tym, jak mały może być tranzystor, chce mierzyć postęp tym, jak szybko sygnały, dane i zadania przemieszczają się przez cały system.

To ważne zarówno z powodów technicznych, jak i geopolitycznych. Dalsze zmniejszanie elementów układów zbliża się do granic fizycznych, a amerykańskie restrykcje ograniczają Chinom dostęp do najbardziej zaawansowanych urządzeń litograficznych ASML. W maju Huawei przedstawił więc koncepcję Tau Scaling Law, która przenosi uwagę z „eskalowania przestrzennego” na „skalowanie czasowe” — redukcję opóźnień propagacji sygnału w urządzeniu, obwodzie, chipie i całym systemie.

Tau Scaling: mniej czasu zamiast tylko mniejszych wymiarów

Symbol τ oznacza tu stałą czasową, czyli parametr związany z szybkością reakcji i przesyłania sygnałów. W praktyce podejście Huawei obejmuje ograniczanie opóźnień połączeń, skracanie ścieżek krytycznych, sprawniejsze przesyłanie danych między pamięcią i jednostkami obliczeniowymi oraz lepszą koordynację wielu elementów systemu. Nie oznacza to, że rozmiar tranzystorów przestaje mieć znaczenie. Chodzi raczej o przesunięcie głównego celu optymalizacji z samej geometrii na czas wykonania całej operacji.

Jednym z narzędzi realizujących tę koncepcję ma być LogicFolding. Huawei opisuje je jako architekturę, która bardziej pionowo i ściślej rozmieszcza logikę, układy analogowe oraz pamięć, skracając odległości, jakie muszą pokonywać sygnały. Firma zapowiadała, że pierwszym smartfonowym układem wykorzystującym tę technikę będzie nowy procesor Kirin, którego premiera ma nastąpić we wrześniu.

Wrześniowy Kirin będzie testem, ale nie dowodem przełomu

Sam fakt premiery nie pokaże, czy Huawei rzeczywiście znalazł nową drogę rozwoju procesorów. Niezależni badacze i analitycy będą musieli sprawdzić przede wszystkim:

• rzeczywistą technologię produkcji oraz uzyskiwaną wydajność produkcyjną,
• wydajność CPU, GPU i NPU w długotrwałym obciążeniu,
• pobór energii, temperatury i skuteczność chłodzenia,
• konstrukcję obudowy układu oraz system pamięci,
• wyniki w codziennym użytkowaniu, a nie tylko w krótkich testach szczytowej wydajności.

Jeśli nowy Kirin okaże się wyraźnie szybszy lub bardziej efektywny od poprzednika mimo ograniczeń produkcyjnych, będzie to dowód na to, że architektura, integracja i organizacja połączeń mogą częściowo zmniejszyć dystans do liderów. Nie będzie to jednak dowód, że Huawei zastąpił litografię EUV ani że ekonomia zmniejszania tranzystorów przestała obowiązywać. Niezależne potwierdzenie, że rozwiązanie osiąga poziom najlepszych układów Nvidii lub czołowych producentów procesorów, nadal jest niewystarczające.

„18-piętrowa pagoda” kontra „pięciowarstwowy tort”

Huawei próbuje opisać swoją strategię także za pomocą innej metafory. Jensen Huang, prezes Nvidii, przedstawia przemysł AI jako pięciowarstwowy tort: u podstaw znajdują się energia, następnie chipy i infrastruktura obliczeniowa, dalej chmura oraz modele AI, a na szczycie — aplikacje. To zwięzła, przemysłowa mapa pokazująca, jak wartość przepływa od energii i sprzętu do usług użytecznych dla użytkownika.

Liao Heng, główny naukowiec Huawei Semiconductor, proponuje bardziej szczegółową 18-piętrową pagodę. Rozbija ona szerokie kategorie Huanga na konkretne zależności: teorię, energię, wydobycie i surowce, materiały, krzem, projektowanie tranzystorów i procesu, produkcję wafli, litografię oraz urządzenia, zaawansowane pakowanie, architekturę chipów, kompilatory i środowiska uruchomieniowe, podział operacji, kwantyzację, trening AI, modele bazowe, agentów, produkty i aplikacje.

Różnica nie polega wyłącznie na liczbie poziomów. Model Huanga jest przede wszystkim mapą biznesową i infrastrukturalną. Pagoda Liao ma charakter inżynieryjno-produkcyjny: pokazuje, co dokładnie kryje się pod ogólnymi hasłami „chip”, „infrastruktura” czy „model”. Jej przesłaniem jest to, że rozwój AI wymaga współpracy wielu specjalizacji, także tych niewidocznych dla końcowego użytkownika.

Dlaczego najsłabsze ogniwo wyznacza sufit wydajności?

Argument o „najkrótszej” lub najsłabszej warstwie można sprowadzić do klasycznej zasady inżynierii systemów. Nawet najlepszy model AI nie wykorzysta swojego potencjału, jeśli zabraknie energii, przepustowości pamięci, wydajnego pakowania, odpowiednich uzysków produkcyjnych, oprogramowania, połączeń między układami albo narzędzi do wdrożenia.

Wąskie gardło ogranicza wówczas przepustowość, podnosi koszty i pogarsza niezawodność całego rozwiązania. Szybki akcelerator nie wystarczy, jeśli dane docierają do niego zbyt wolno, pamięć nie nadąża, a oprogramowanie nie potrafi rozdzielić pracy między urządzenia. Z perspektywy Huawei oznacza to, że trzeba wzmacniać nie tylko pojedynczy chip, lecz także interfejsy między wszystkimi warstwami.

Wiele słabszych chipów zamiast jednego najlepszego

Z tej logiki wynika strategia budowania skoordynowanych klastrów. Zamiast polegać na niewielkiej liczbie najbardziej zaawansowanych akceleratorów, Huawei może próbować uzyskać odpowiednią wydajność systemową z większej liczby układów dostępnych w Chinach. Wymaga to jednoczesnego projektowania chipów, pamięci, sieci, kompilatorów, środowisk uruchomieniowych, kwantyzacji modeli i oprogramowania do treningu rozproszonego.

Taki model może działać szczególnie dobrze przy zadaniach, które łatwo podzielić na wiele równoległych operacji. Ma jednak cenę: większe zużycie energii, wyższe wymagania wobec sieci, bardziej złożone oprogramowanie i trudniejsze zarządzanie infrastrukturą. Klastry wielu słabszych akceleratorów nie są automatycznie równoważne mniejszej liczbie układów klasy frontier. Potrzebne są dobre algorytmy podziału pracy i ograniczenie czasu, w którym urządzenia czekają na dane.

Szerszy cel: zbudować kompletny chiński ekosystem

Tau Scaling i LogicFolding wpisują się w szerszą próbę stworzenia zintegrowanego krajowego łańcucha technologicznego. Obejmuje on projektowanie i produkcję chipów, pamięci, pakowanie układów, frameworki AI oraz integrację całych systemów. Taka integracja ma znaczenie strategiczne, ponieważ ograniczenie importu na dowolnym poziomie — od materiałów i urządzeń po oprogramowanie — może obniżyć możliwości całego systemu.

Dane IDC przytoczone przez Reutersa pokazują, że chińscy producenci układów GPU i akceleratorów AI odpowiadali w 2025 roku łącznie za około 41 proc. chińskiego rynku serwerowych akceleratorów AI. Nvidia nadal pozostawała liderem z udziałem około 55 proc., ale przewaga nad lokalnymi dostawcami wyraźnie się zmniejszyła. Huawei był największym chińskim dostawcą, a eksportowe ograniczenia USA i presja na lokalizację przyspieszały tę zmianę.

W skrócie: Huawei nie ucieka od fizyki półprzewodników. Próbuje natomiast przesunąć rywalizację w stronę architektury, pakowania, oprogramowania i koordynacji na poziomie całych klastrów. Jeśli te elementy będą wystarczająco dobrze współpracować, pionowo zintegrowany ekosystem może częściowo zrekompensować brak dostępu do najbardziej zaawansowanej litografii. Czy będzie to trwała przewaga technologiczna, pokażą dopiero pomiary gotowych układów i systemów.