Huawei робить ставку на швидкість: чому майбутнє чипів може залежати не лише від меншого розміру транзисторів

Це важливо, оскільки обчислення обмежуються не лише самим транзистором. Сигнали проходять через провідники, пам’ять, корпус чипа, пакування та міжз’єднання. Затримки на цих ділянках можуть нівелювати переваги від додавання нових логічних блоків або збільшення обчислювальної потужності. Huawei стверджує, що Tau Scaling має скорочувати такі затримки на різних рівнях обчислювального стеку.

Це не означає, що зменшення транзисторів більше не має значення. Йдеться про зміну балансу між щільністю транзисторів, компонуванням схем, дизайном міжз’єднань і системною архітектурою.

Що має робити LogicFolding

LogicFolding — запропонована Huawei техніка проєктування схем, покликана збільшити ефективну щільність логіки без повної залежності від переходу на новіший техпроцес. Компанія описує її як спосіб розміщувати логічні, аналогові та запам’ятовувальні компоненти у щільніше інтегрованих, потенційно багатошарових структурах і водночас скорочувати довжину внутрішніх з’єднань.

Huawei заявляє, що перший смартфонний чип Kirin, створений у межах Tau Scaling і з використанням LogicFolding, має вийти у вересні 2026 року. Саме цей продукт стане першим реальним випробуванням того, чи дає архітектура вимірювані переваги в масовому пристрої.

Компанія також прогнозує, що до 2031 року її чипи високого класу матимуть щільність транзисторів, еквівалентну показникам 1,4-нанометрового техпроцесу. Це ціль Huawei, а не незалежно підтверджений результат серійного виробництва. Reuters повідомляло, що компанія не надала разом із цією заявою незалежних даних про продуктивність.

Чому система важлива не менше за сам чип

Найбільше значення Tau Scaling може мати для штучного інтелекту, де продуктивність залежить від переміщення величезних обсягів даних між процесорами, пам’яттю та іншими компонентами. Навіть окремо слабші прискорювачі можуть бути корисними, якщо вони ефективно взаємодіють між собою, а програмне забезпечення встигає подавати їм потрібні дані.

Тому вирішальними стають одразу кілька елементів:

• Міжз’єднання: канали між чипами мають забезпечувати високу пропускну здатність і низьку затримку.
• Пам’ять: недостатні обсяг або швидкість пам’яті можуть залишити обчислювальні блоки без роботи.
• Пакування: фізичне розташування логіки, пам’яті та каналів зв’язку впливає на швидкодію, тепловиділення й можливість серійного виробництва.
• Програмне забезпечення: компілятори, фреймворки та планувальники визначають, наскільки ефективно навантаження використовують розподілений кластер.
• Інфраструктура: електроживлення, охолодження та інтеграція системи можуть обмежувати сумарну продуктивність.

Однак системна оптимізація не усуває вузькі місця — вона лише переносить їх на інший рівень. Швидша схема не може безмежно компенсувати слабку пам’ять, мережу, програмне забезпечення або низький вихід придатних чипів. Reuters наводило думку експертів, які не погоджуються щодо того, чи є пропозиція Huawei фундаментальним проривом, і зазначало, що для її реалізації знадобляться нові інструменти проєктування та ширші інженерні компетенції.

«18-поверхова пагода» Huawei та «п’ять шарів» Дженсена Хуанга

Науковець Huawei Ляо Хен описав ланцюг створення AI-продуктів як «18-поверхову пагоду». Метафора показує штучний інтелект як високу конструкцію з багатьма взаємопов’язаними рівнями, де дизайн і виробництво чипів є лише частиною всієї системи.

Ця ідея перегукується з моделлю CEO Nvidia Дженсена Хуанга — «тортом із п’ятьма шарами». Вона описує AI-індустрію через широкі рівні, зокрема енергетику, чипи, інфраструктуру та системи, моделі й програмне забезпечення, а також застосунки. Модель Huawei детальніша й особливо наголошує на скоординованому розвитку всього ланцюга всередині країни.

Практичний висновок в обох підходах схожий: лідерство у сфері AI визначається не окремим процесором. Воно залежить від взаємодії апаратного забезпечення, мереж, дата-центрової інфраструктури, програмного забезпечення та прикладних продуктів.

Перевірка найслабшою ланкою

Принцип найслабшої ланки — найзрозуміліший спосіб оцінити заяви Huawei. AI-платформу може обмежувати той рівень, який працює найгірше. Щільний і швидкий чип не дасть великої практичної переваги, якщо пам’ять не встигає його забезпечувати даними, міжз’єднання працюють неефективно, програмне забезпечення не вміє розподіляти навантаження, а фабрики не можуть виробляти чипи з прийнятним виходом придатної продукції.

За цим критерієм Tau Scaling і LogicFolding варто розглядати як архітектурні інструменти, а не як заміну повноцінній напівпровідниковій екосистемі. Їхній успіх залежатиме від одночасного прогресу в дизайні чипів, виробництві пам’яті, автоматизації проєктування електроніки, AI-фреймворках, виробництві та системній інтеграції. China Daily описує цю ширшу екосистему як таку, що охоплює проєктування напівпровідників, виробництво пам’яті, AI-фреймворки та інтеграцію систем.

Саме тому порівнювати Huawei з Nvidia лише за щільністю транзисторів некоректно. Перевага Nvidia включає платформу та системний стек навколо чипа, тоді як стратегія Huawei спрямована на створення скоординованої внутрішньої спроможності в умовах обмеженого доступу до частини іноземних компонентів і технологій.

Як експортні обмеження змінили китайський ринок AI-прискорювачів

Експортні обмеження прискорили пошук внутрішніх альтернатив, але доступні дані за 2025 рік свідчать радше про заміщення частини поставок, ніж про зникнення Nvidia з китайського ринку.

За даними IDC, які вивчив Reuters, у 2025 році Nvidia поставила до Китаю близько 2,2 млн AI-прискорювачів — це відповідало 55% ринку серверів із AI-прискорювачами. На китайських виробників разом припадало близько 41%. Huawei називали провідним постачальником серед місцевих компаній.

Точний показник Huawei у наданих звітах не збігається. Один із матеріалів із посиланням на ті самі загальні ринкові дані стверджує, що Huawei поставила 812 000 прискорювачів, або 20,3% усього ринку. В інших оглядах ідеться про приблизно половину поставок усіх китайських брендів. Розбіжність може пояснюватися різними визначеннями продуктів або меж ринку. Тому обережний висновок такий: Huawei очолювала внутрішній китайський сегмент, але не можна стверджувати, що їй окремо належали всі 41%, зараховані до китайських виробників.

Це важливе уточнення. Експортні обмеження створили для Huawei та інших китайських виробників більше ринкового простору, однак конкуренція зберігається, а Nvidia, за наведеними даними за 2025 рік, залишалася найбільшим окремим постачальником.

Що буде показовим далі

Запуск Kirin у вересні 2026 року стане першим практичним орієнтиром для Tau Scaling і LogicFolding. Оцінювачам доведеться відокремити заявлену еквівалентність щільності транзисторів від незалежно виміряних результатів — продуктивності, енергоефективності, тепловиділення, виходу придатних чипів і сумісності з програмним забезпеченням.

Ширша перевірка полягатиме в тому, чи зможе Huawei перетворити ідею на рівні схем на стабільні системні переваги у смартфонах, AI-прискорювачах і дата-центрових кластерах. Якщо це вдасться, компанія покаже, що відчутний приріст продуктивності можливий завдяки оптимізації переміщення даних і координації компонентів навіть за обмеженого доступу до передової літографії. Якщо ні, Tau може залишитися корисною методологією проєктування, але не стане заміною традиційному масштабуванню техпроцесів.

Найзваженіше трактування наразі таке: Huawei намагається отримати більше прикладної продуктивності від архітектури схем, міжз’єднань і кластерних систем. Компанія не довела, що менші транзистори втратили значення, і не підтвердила незалежними тестами свої найамбітніші заяви щодо щільності. Справжня конкуренція переміщується на рівень усього інноваційного ланцюга — до тієї компанії, яка зможе не допустити, щоб будь-який його елемент став найслабшою ланкою.