华为押注“速度”而非“更小晶体管”：Tau Scaling 能否改写芯片性能竞赛？

当然，这并不意味着晶体管缩放已经失去意义。它改变的是晶体管密度、电路布局、互连设计和系统架构之间的权重关系。

LogicFolding 想解决什么问题？

LogicFolding 是华为提出的一种电路与设计方法，目标是在不完全依赖更新制程节点的情况下，提高芯片的有效逻辑密度。按照华为的描述，它可以将逻辑、模拟和内存电路安排在更紧密、甚至立体堆叠的结构中，同时缩短内部连线。

华为表示，首款基于 Tau 架构、采用 LogicFolding 的麒麟手机芯片计划于 2026 年 9 月推出。这款芯片将成为检验该思路能否在大众产品中带来实际收益的重要案例。

华为还提出，到 2031 年，其高端芯片的晶体管密度有望达到相当于 1.4 纳米制程的水平。但这是企业目标，而不是已经独立确认的量产结果。路透社报道指出，华为没有同时提供独立性能数据来支持这一说法。

为什么“系统”可能比单颗芯片更关键？

Tau 路线在 AI 领域尤其值得关注。AI 计算需要在处理器、内存和其他组件之间搬运海量数据，性能不仅取决于某一颗芯片的峰值算力，也取决于整个系统能否及时把数据送到正确的位置。

因此，一组单颗性能较弱、但通信效率较高的加速器，仍可能提供有价值的训练或推理能力。要做到这一点，至少需要同时处理以下问题：

• 互连： 芯片之间的链路必须具备足够带宽和较低延迟。
• 内存： 带宽或容量不足，可能让计算单元处于等待状态。
• 封装： 逻辑、内存和通信路径的物理布局会影响速度、散热和量产难度。
• 软件： 编译器、框架和任务调度决定了分布式集群能否被有效利用。
• 基础设施： 供电、散热和整机集成可能限制系统的总体性能。

系统级优化并不会消除瓶颈，只会让瓶颈转移到其他位置。更快的电路无法无限弥补内存、网络、软件效率或制造良率的不足。路透社援引专家观点称，外界仍不确定华为的方案是否构成根本性突破；要将其落地，还需要新的设计工具和更广泛的工程能力。

“十八层宝塔”与黄仁勋的“五层蛋糕”

华为科学家廖恒曾将 AI 产业链比作一座 “十八层宝塔”。这一比喻强调，AI 能力由许多彼此连接、相互依赖的层级共同构成，芯片设计和制造只是其中一部分。

这一框架与英伟达 CEO 黄仁勋提出的 **“五层蛋糕”**有相似之处。黄仁勋曾用分层方式概括 AI 产业，涉及能源、芯片、基础设施与系统、模型与软件以及应用等广泛环节。华为的“十八层宝塔”划分更细，也更强调在外部供应受限的情况下，构建完整的国内协同能力。

两种模型传递的实际信息相近：AI 竞争并不是一颗处理器的单独较量，而是硬件、网络、数据中心基础设施、软件和应用共同作用的结果。

用“最短板”检验华为的主张

评估 Tau Scaling 和 LogicFolding，最清晰的方式可能是“短板原则”。一个 AI 平台最终会受到表现最差的那一层限制。

即使芯片密度很高，如果内存无法及时供数、互连效率不足、软件无法在多颗芯片之间调度任务，或者工厂无法以可接受的良率稳定生产，那么芯片本身的优势也可能难以转化为实际性能。

因此，Tau Scaling 和 LogicFolding 更适合被理解为架构层面的杠杆，而不是完整半导体生态的替代品。它们能否成功，取决于芯片设计、内存制造、电子设计自动化工具、AI 框架、生产工艺和系统集成能否同步推进。中国日报的相关报道也将这一生态描述为涵盖半导体设计、内存生产、AI 框架和系统集成的广泛体系。

这也是为什么华为与英伟达的竞争不能简化为晶体管密度比较。英伟达的优势不仅来自 GPU 本身，也来自其平台和系统生态；华为的策略，则是在部分海外组件和工具获取受限的情况下，推动各个国内环节协同发展。

出口管制如何改变中国 AI 加速器市场？

美国出口管制加快了中国市场对国产替代方案的寻找，但 2025 年的市场数据更准确地说明了“份额转移”，而不是英伟达已经退出中国市场。

路透社查阅的 IDC 数据显示，英伟达在 2025 年向中国出货约 220 万颗 AI 加速器，占中国 AI 加速器服务器市场约 55%。中国厂商合计约占 41%，华为则是其中领先的国内供应商。

不过，现有报道对华为的具体数字并不完全一致。一份引用相同总体市场数据的报道说，华为出货约 81.2 万颗加速器，占市场总量 20.3%。 另一些摘要则称，华为约占国产品牌出货量的一半。

这些差异可能源于产品范围或市场口径不同。因此，更稳妥的结论是：华为在中国国产厂商中处于领先位置，而不是将国产厂商合计约 41% 的份额全部归于华为个人。

这一区分很关键。出口管制确实为华为及其他中国芯片企业扩大市场空间创造了条件，但市场仍然具有竞争性；按照上述 2025 年数据，英伟达仍是中国市场最大的单一供应商。

2026 年 9 月之后，应该看什么？

2026 年 9 月的麒麟芯片将是 Tau Scaling 和 LogicFolding 的首个重要实测节点。外界需要区分“相当于某一制程的晶体管密度”与真正可独立测量的结果，包括性能、能效、发热、制造良率和软件兼容性。

更大的考验在于，华为能否把电路层面的构想转化为可重复的系统优势，并推广到智能手机、AI 加速器和数据中心集群。如果能够做到，华为或许可以证明：即使先进光刻受限，通过优化数据移动、互连和集群协同，仍能获得有意义的应用级性能提升。

但如果这些环节无法同步改善，Tau 也可能最终只是一个有价值的设计框架，而不是传统制程缩放的替代方案。

目前最稳妥的判断是：华为正试图从架构、互连和集群系统中榨取更多性能，而不是证明晶体管尺寸已经不再重要，也不是证明其最激进的密度目标已经实现。芯片竞争正在从单一制程节点，转向一整条创新链的协同能力——最终胜出的，可能是最能避免任何一层成为“最短板”的企业。