Huawei vill göra chip snabbare – utan att bara krympa transistorerna

Det spelar roll eftersom beräkningar inte bara begränsas av själva transistorn. Signaler måste också färdas genom ledningar, minnessystem, kapslingar och förbindelser mellan olika komponenter. Fördröjningar där kan minska nyttan av fler logikdelar eller högre rå beräkningskapacitet.

Huawei säger att Tau Scaling ska minska dessa fördröjningar på flera nivåer i datorstacken. Det betyder dock inte att transistorskalning har blivit oviktig. Snarare förändras balansen mellan transistortäthet, kretslayout, sammankopplingar och systemarkitektur.

Vad LogicFolding ska göra

LogicFolding är Huaweis föreslagna krets- och designmetod för att öka den effektiva logiktätheten utan att helt vara beroende av en nyare tillverkningsnod. Bolaget beskriver tekniken som ett sätt att placera logik-, analog- och minneskretsar i mer integrerade och potentiellt staplade strukturer, samtidigt som de interna ledningarna kortas.

Huawei planerar att lansera det första Kirin-chipet för smarttelefoner som bygger på Tau-arkitekturen och LogicFolding i september 2026. Det blir det första praktiska testet av om metoden ger mätbara fördelar i en massmarknadsprodukt.

Bolaget har dessutom satt upp målet att ta fram avancerade chip med en transistortäthet motsvarande en 1,4-nanometersprocess senast 2031. Det är ett företagsmål – inte ett oberoende bekräftat resultat från serieproduktion. Reuters rapporterade att Huawei inte presenterade oberoende prestandadata tillsammans med påståendet.

Därför är hela systemet lika viktigt som chippet

Tau-strategin blir särskilt betydelsefull inom AI, där prestandan beror på att enorma datamängder kan flyttas mellan processorer, minne och andra komponenter. En samling acceleratorer som var och en är svagare än Nvidias bästa chip kan ändå vara användbar om de kommunicerar effektivt och om programvaran och infrastrukturen kan hålla dem matade med data.

Flera delar blir därför avgörande:

• Förbindelser: Länkarna mellan chip måste erbjuda tillräcklig bandbredd och låg fördröjning.
• Minne: Begränsad kapacitet eller bandbredd kan göra att beräkningsresurser står outnyttjade.
• Kapsling: Den fysiska placeringen av logik, minne och kommunikationsvägar påverkar hastighet, värme och möjligheten att tillverka produkten.
• Mjukvara: Kompilatorer, ramverk och schemaläggning avgör hur effektivt arbetslaster kan köras över ett distribuerat kluster.
• Infrastruktur: Strömförsörjning, kylning och systemintegration kan begränsa den samlade prestandan.

Optimering på systemnivå tar alltså inte bort flaskhalsarna – den flyttar dem. Ett snabbare kretsarrangemang kan inte i längden kompensera för otillräckligt minne, nätverk, mjukvara eller låg tillverkningsutbyte. Reuters har beskrivit osäkerhet bland experter kring om Huaweis förslag verkligen är ett grundläggande genombrott och noterat att även nya designverktyg och bredare ingenjörskapacitet skulle krävas.

Huaweis ”18-våningspagod” jämfört med Huang lagerkaka

Huawei-forskaren Liao Heng har beskrivit AI:s värdekedja som en ”18-våningspagod”. Metaforen framställer AI-förmåga som en hög konstruktion med många lager som måste fungera tillsammans. Chipdesign och tillverkning är bara delar av helheten.

Idén påminner om Nvidias vd Jensen Huangs modell med en ”femlagers tårta”, där AI-industrin delas in i breda nivåer som energi, chip, infrastruktur och system, modeller och mjukvara samt applikationer. Huaweis modell är mer detaljerad och lägger större vikt vid samordnad utveckling på hemmaplan genom hela kedjan.

Det praktiska budskapet är likartat: AI-ledarskap avgörs inte av en processor isolerad från resten. Det handlar om samspelet mellan hårdvara, nätverk, datacenter, mjukvara och användningsområden.

Testet: vilken del är svagast?

Principen om den svagaste länken är ett tydligt sätt att bedöma Huaweis anspråk. En AI-plattform begränsas av det lager som fungerar sämst. Ett tätt packat chip ger liten praktisk fördel om minnet inte hinner leverera data, förbindelserna inte kan koppla ihop komponenterna effektivt, programvaran inte kan fördela arbetslaster eller fabrikerna inte kan producera chip med tillräckligt hög kvalitet.

Tau Scaling och LogicFolding bör därför främst förstås som arkitektoniska verktyg – inte som ersättare för ett komplett halvledarekosystem. Framgången kräver framsteg inom chipdesign, minnestillverkning, verktyg för elektronisk designautomation, AI-ramverk, produktion och systemintegration. China Daily beskriver detta bredare ekosystem som en kedja som omfattar halvledardesign, minnesproduktion, AI-ramverk och systemintegration.

Det är också därför en jämförelse med Nvidia inte kan reduceras till transistortäthet. Nvidias styrka omfattar även den plattform och systemstack som omger chippen. Huaweis strategi är däremot utformad för att bygga en samordnad inhemsk kapacitet när tillgången till vissa utländska komponenter och verktyg är begränsad.

Exportkontrollerna förändrar marknaden – men Nvidia är inte borta

Exportrestriktionerna har påskyndat jakten på kinesiska alternativ. Samtidigt visar tillgängliga marknadssiffror från 2025 snarare en förskjutning än att Nvidia har försvunnit från Kina.

IDC-data som Reuters har granskat visar att Nvidia levererade omkring 2,2 miljoner AI-acceleratorer till Kina under 2025, motsvarande en marknadsandel på 55 procent i Kinas marknad för AI-acceleratorservrar. Kinesiska leverantörer stod tillsammans för omkring 41 procent. Huawei uppgavs vara den största kinesiska leverantören.

Den exakta siffran för Huawei varierar däremot mellan rapporterna. En rapport med hänvisning till samma övergripande marknadsdata anger att Huawei levererade 812 000 acceleratorer, eller 20,3 procent av hela marknaden. Andra sammanfattningar beskriver Huawei som leverantör av ungefär hälften av de inhemska leveranserna.

Skillnaden kan bero på hur produkter och marknader definieras. Den försiktiga slutsatsen är därför att Huawei ledde den kinesiska hemmamarknaden – inte att bolaget ensamt hade hela den andel på 41 procent som tillskrivs kinesiska leverantörer tillsammans.

Exportkontrollerna har gett Huawei och andra kinesiska chipbolag större utrymme, men marknaden är fortfarande konkurrensutsatt. Nvidia var fortfarande den största enskilda leverantören i de rapporterade siffrorna för 2025.

September blir nästa stora kontrollpunkt

Lanseringen av Kirin-chipet i september 2026 blir den första konkreta kontrollpunkten för Tau Scaling och LogicFolding. Då behöver oberoende tester skilja mellan påstådd motsvarighet i transistortäthet och resultat som faktiskt går att mäta: prestanda, energieffektivitet, värmeutveckling, tillverkningsutbyte och kompatibilitet med programvara.

Den större frågan är om Huawei kan omvandla en kretsidé till återkommande systemfördelar i smarttelefoner, AI-acceleratorer och datacenterkluster. Om bolaget lyckas kan det visa att betydande prestandavinster går att hämta genom att optimera dataflöden och samordning, även när tillgången till den ledande litografin är begränsad.

Om metoden inte levererar kan Tau i stället visa sig vara ett användbart designramverk – men inte en ersättning för traditionell processteknisk skalning.

Den mest rimliga tolkningen är därför försiktig: Huawei försöker få ut mer prestanda på applikationsnivå genom kretsarkitektur, sammankopplingar och klustrade system. Bolaget har inte visat att mindre transistorer har slutat spela roll, och de mest långtgående påståendena om transistortäthet är ännu inte bevisade.

Konkurrensen flyttar därmed i allt högre grad till hela innovationskedjan – och till det företag som bäst kan hindra någon av dess många delar från att bli den svagaste länken.