Что такое Tau Scaling Law

Классическая логика закона Мура строилась вокруг уменьшения транзисторов: более компактные элементы позволяют разместить больше логики на той же площади, снизить энергопотребление и повысить скорость работы.

Предложенный Huawei принцип Tau Scaling Law — где τ обозначает время, — меняет главный объект оптимизации. Компания предлагает измерять прогресс тем, насколько быстро сигналы и данные перемещаются через транзисторы, соединения, корпус микросхемы, память и всю вычислительную систему. Huawei описывает это как замену «геометрического масштабирования» масштабированием по времени.

Такой взгляд учитывает давно известную проблему современной электроники: вычислительный блок может быть очень быстрым, но общая система всё равно будет работать медленно, если данные долго добираются до памяти или между отдельными ускорителями.

Как работает LogicFolding

Центральная технология в этой концепции — LogicFolding, или «сворачивание логики». Huawei представляет её как метод проектирования, который должен позволить разместить больше эффективной вычислительной логики на заданной площади без опоры исключительно на переход к более тонкому техпроцессу.

По данным компании, LogicFolding предусматривает более плотную организацию логических, аналоговых и memory-компонентов, а также сокращение длины внутренних соединений. Это должно уменьшить задержки передачи сигналов и повысить полезную плотность схемы.

Практическая проверка подхода ожидается уже в сентябре: Huawei планирует выпустить первый смартфонный чип Kirin, разработанный в рамках Tau Scaling и использующий LogicFolding. Именно этот продукт покажет, насколько заявления компании соответствуют реальным показателям энергоэффективности, частоты, производительности и выхода годных микросхем.

Huawei также заявляла, что к 2031 году сможет достичь плотности транзисторов, сопоставимой с 1,4-нанометровым техпроцессом. Однако независимых результатов тестирования или подтверждённых внешними экспертами бенчмарков компания не представила.

Почему Huawei говорит не только о чипах

Для ИИ отдельный процессор — лишь один элемент большой системы. Производительность зависит от того, насколько быстро ускорители обмениваются данными, хватает ли пропускной способности памяти, насколько эффективно работают компиляторы и фреймворки, а также как распределяются задачи между десятками или тысячами устройств.

Поэтому стратегия Huawei делает ставку на тесно связанные кластеры отечественных ускорителей. Даже если каждый отдельный чип уступает лучшим решениям Nvidia, объединённая система может обеспечивать значительную совокупную производительность для обучения и запуска моделей.

Но это не устраняет узкие места, а переносит их на другой уровень. Критическими факторами становятся сетевые соединения, энергопотребление, охлаждение, объём и скорость памяти, программная оптимизация и планирование нагрузки.

Именно поэтому Tau Scaling и LogicFolding нельзя считать полной заменой передовой литографии. Скорее, это архитектурный рычаг, который даст результат только вместе с развитием памяти, инструментов проектирования, производственных процессов, компиляторов, ИИ-фреймворков и системной интеграции.

«Пагода» из 18 этажей против «пятислойного торта»

Учёный Huawei Ляо Хэн сравнил цепочку создания ИИ с «пагодой из 18 этажей». Такая метафора подчёркивает, что возможности искусственного интеллекта зависят от множества взаимосвязанных уровней, а не только от одного самого мощного графического процессора.

Эта идея перекликается с моделью генерального директора Nvidia Дженсена Хуанга, который описывал ИИ-индустрию как «пятислойный торт». В его схеме учитываются энергия, чипы, инфраструктура и системы, модели и программное обеспечение, а также приложения. Подход Huawei более детализирован и особенно подчёркивает необходимость выстроить в Китае собственные компетенции на каждом уровне технологической цепочки.

Главный практический вывод здесь прост: система ограничена своим самым слабым звеном. Быстрый чип не сможет полностью компенсировать недостаток высокоскоростной памяти, слабые соединения между ускорителями, нехватку инструментов проектирования, неэффективные компиляторы, низкий выход годных микросхем или проблемы интеграции.

Как санкции меняют рынок ускорителей в Китае

Ограничения США и переход китайских компаний на местные решения уже повлияли на структуру китайского рынка ИИ-ускорителей. По данным IDC, изученным Reuters, Nvidia поставила в Китай 2,2 млн ускорителей в 2025 году, что соответствовало 55% рынка серверов с ИИ-ускорителями. На китайских производителей в совокупности пришлось около 41%, а Huawei была крупнейшим отечественным поставщиком.

Важно не смешивать эти показатели: 41% — доля всех китайских производителей вместе, а не доля одной Huawei. Надёжной отдельной цифры по Huawei в приведённых данных нет. Другие оценки, использующие иное определение рынка и другую методику, давали Nvidia около 40% в 2025 году, что показывает существенный разброс аналитических подсчётов.

Санкции тем самым создают для Huawei одновременно давление и стимул. Компания не может бесконечно полагаться на доступ к самым передовым производственным технологиям, поэтому вынуждена искать выигрыш в проектировании, компоновке, программном обеспечении и масштабировании готовых систем.

Что в итоге меняет стратегия Huawei

Huawei не утверждает, что физические ограничения масштабирования исчезли. Её ставка заключается в другом: получить больше прикладной производительности за счёт сокращения задержек, более плотной архитектуры, эффективного обмена данными и объединения множества ускорителей.

Если LogicFolding покажет убедительные результаты в серийных чипах, а Tau Scaling удастся поддержать подходящими инструментами проектирования и программной экосистемой, этот путь может стать важным ответом на ограничения доступа к передовой литографии. Однако успех будет определяться не одной эффектной технологической формулой, а тем, сможет ли Huawei синхронно развить всю цепочку — от производства памяти и чипов до фреймворков ИИ и готовых вычислительных систем.

Поэтому точнее говорить не о том, что Huawei «заменила уменьшающиеся транзисторы», а о попытке извлечь больше производительности из архитектуры и организации данных. Насколько далеко этот подход сможет продвинуть китайскую полупроводниковую отрасль, станет понятнее после появления первых продуктов и независимых измерений их характеристик.

Что такое Tau Scaling Law

Классическая логика закона Мура строилась вокруг уменьшения транзисторов: более компактные элементы позволяют разместить больше логики на той же площади, снизить энергопотребление и повысить скорость работы.

Предложенный Huawei принцип Tau Scaling Law — где τ обозначает время, — меняет главный объект оптимизации. Компания предлагает измерять прогресс тем, насколько быстро сигналы и данные перемещаются через транзисторы, соединения, корпус микросхемы, память и всю вычислительную систему. Huawei описывает это как замену «геометрического масштабирования» масштабированием по времени.

Такой взгляд учитывает давно известную проблему современной электроники: вычислительный блок может быть очень быстрым, но общая система всё равно будет работать медленно, если данные долго добираются до памяти или между отдельными ускорителями.

Как работает LogicFolding

Центральная технология в этой концепции — LogicFolding, или «сворачивание логики». Huawei представляет её как метод проектирования, который должен позволить разместить больше эффективной вычислительной логики на заданной площади без опоры исключительно на переход к более тонкому техпроцессу.

По данным компании, LogicFolding предусматривает более плотную организацию логических, аналоговых и memory-компонентов, а также сокращение длины внутренних соединений. Это должно уменьшить задержки передачи сигналов и повысить полезную плотность схемы.

Практическая проверка подхода ожидается уже в сентябре: Huawei планирует выпустить первый смартфонный чип Kirin, разработанный в рамках Tau Scaling и использующий LogicFolding. Именно этот продукт покажет, насколько заявления компании соответствуют реальным показателям энергоэффективности, частоты, производительности и выхода годных микросхем.

Huawei также заявляла, что к 2031 году сможет достичь плотности транзисторов, сопоставимой с 1,4-нанометровым техпроцессом. Однако независимых результатов тестирования или подтверждённых внешними экспертами бенчмарков компания не представила.

Почему Huawei говорит не только о чипах

Для ИИ отдельный процессор — лишь один элемент большой системы. Производительность зависит от того, насколько быстро ускорители обмениваются данными, хватает ли пропускной способности памяти, насколько эффективно работают компиляторы и фреймворки, а также как распределяются задачи между десятками или тысячами устройств.

Поэтому стратегия Huawei делает ставку на тесно связанные кластеры отечественных ускорителей. Даже если каждый отдельный чип уступает лучшим решениям Nvidia, объединённая система может обеспечивать значительную совокупную производительность для обучения и запуска моделей.

Но это не устраняет узкие места, а переносит их на другой уровень. Критическими факторами становятся сетевые соединения, энергопотребление, охлаждение, объём и скорость памяти, программная оптимизация и планирование нагрузки.

Именно поэтому Tau Scaling и LogicFolding нельзя считать полной заменой передовой литографии. Скорее, это архитектурный рычаг, который даст результат только вместе с развитием памяти, инструментов проектирования, производственных процессов, компиляторов, ИИ-фреймворков и системной интеграции.

«Пагода» из 18 этажей против «пятислойного торта»

Учёный Huawei Ляо Хэн сравнил цепочку создания ИИ с «пагодой из 18 этажей». Такая метафора подчёркивает, что возможности искусственного интеллекта зависят от множества взаимосвязанных уровней, а не только от одного самого мощного графического процессора.

Эта идея перекликается с моделью генерального директора Nvidia Дженсена Хуанга, который описывал ИИ-индустрию как «пятислойный торт». В его схеме учитываются энергия, чипы, инфраструктура и системы, модели и программное обеспечение, а также приложения. Подход Huawei более детализирован и особенно подчёркивает необходимость выстроить в Китае собственные компетенции на каждом уровне технологической цепочки.

Главный практический вывод здесь прост: система ограничена своим самым слабым звеном. Быстрый чип не сможет полностью компенсировать недостаток высокоскоростной памяти, слабые соединения между ускорителями, нехватку инструментов проектирования, неэффективные компиляторы, низкий выход годных микросхем или проблемы интеграции.

Как санкции меняют рынок ускорителей в Китае

Ограничения США и переход китайских компаний на местные решения уже повлияли на структуру китайского рынка ИИ-ускорителей. По данным IDC, изученным Reuters, Nvidia поставила в Китай 2,2 млн ускорителей в 2025 году, что соответствовало 55% рынка серверов с ИИ-ускорителями. На китайских производителей в совокупности пришлось около 41%, а Huawei была крупнейшим отечественным поставщиком.

Важно не смешивать эти показатели: 41% — доля всех китайских производителей вместе, а не доля одной Huawei. Надёжной отдельной цифры по Huawei в приведённых данных нет. Другие оценки, использующие иное определение рынка и другую методику, давали Nvidia около 40% в 2025 году, что показывает существенный разброс аналитических подсчётов.

Санкции тем самым создают для Huawei одновременно давление и стимул. Компания не может бесконечно полагаться на доступ к самым передовым производственным технологиям, поэтому вынуждена искать выигрыш в проектировании, компоновке, программном обеспечении и масштабировании готовых систем.

Что в итоге меняет стратегия Huawei

Huawei не утверждает, что физические ограничения масштабирования исчезли. Её ставка заключается в другом: получить больше прикладной производительности за счёт сокращения задержек, более плотной архитектуры, эффективного обмена данными и объединения множества ускорителей.

Если LogicFolding покажет убедительные результаты в серийных чипах, а Tau Scaling удастся поддержать подходящими инструментами проектирования и программной экосистемой, этот путь может стать важным ответом на ограничения доступа к передовой литографии. Однако успех будет определяться не одной эффектной технологической формулой, а тем, сможет ли Huawei синхронно развить всю цепочку — от производства памяти и чипов до фреймворков ИИ и готовых вычислительных систем.

Поэтому точнее говорить не о том, что Huawei «заменила уменьшающиеся транзисторы», а о попытке извлечь больше производительности из архитектуры и организации данных. Насколько далеко этот подход сможет продвинуть китайскую полупроводниковую отрасль, станет понятнее после появления первых продуктов и независимых измерений их характеристик.