华为押注“Tau缩放”：芯片竞争不只看晶体管有多小

这种拆解的意义在于提醒人们：所谓“一颗AI芯片”，背后并不是一个孤立的产品，而是一长串相互制约的技术和供应链环节。任何一层出现短板，都可能限制最终系统的表现。

为什么“最短的一层”决定上限？

廖恒的“最短板”观点，本质上是端到端的系统工程。即使模型本身能力很强，如果供电不足、内存带宽不够、封装效率偏低、制造良率不稳定，或者编译器、运行时、网络互连和部署工具不成熟，整个系统的吞吐量、成本和可靠性仍会受到限制。

这类似于一条生产线：其中某个环节速度最慢，其他环节再快，也无法让最终产能无限提升。对AI系统而言，瓶颈可能来自计算单元，也可能来自数据搬运、内存、网络、散热或软件调度。因而，单纯追求更快的加速器并不一定能带来更高的实际效率。

“18层宝塔”因此不仅是一种比喻，也是一项产业组织主张：企业需要加强不同层之间的接口和协同，而不是把竞争全部押在单颗芯片的峰值性能上。

用芯片集群弥补单颗芯片差距

华为这一策略的另一层含义，是通过集群获得系统级性能。与其依赖少量最先进、但受供应限制的加速器，不如把更多国内可获得的芯片连接起来，并同时优化芯片、内存、网络、编译器、运行时、模型量化和分布式训练软件。

如果任务能够被有效拆分，这种方法可以让大量性能较弱的加速器共同完成有价值的计算。关键不只是“芯片数量够不够多”，还在于减少芯片之间的通信等待，避免计算单元空转，并让软件能够把任务合理分配到整个集群中。

但集群化并不是没有代价。它往往需要更多电力、更复杂的网络、更高的软件开发和运维成本；对于难以并行化的任务，增加芯片数量也未必能获得相应的性能提升。现有报道能够支持这是华为正在探索的战略方向，但尚不足以证明其系统已经与英伟达最先进的集群实现全面同等的性能、成本或可靠性。

中国本土AI芯片生态正在成形

Tau缩放和“18层宝塔”也反映出更广泛的产业现实：如果某一层受到进口限制，整个系统都可能被卡住。因此，华为及中国其他企业正在推动一个更完整的本土技术栈，覆盖芯片设计与制造、存储、封装、AI框架、编译工具和系统集成。

据IDC数据及路透社报道，2025年中国AI加速器服务器市场的总出货量约为400万张卡。国产GPU和AI芯片厂商合计占约41%，英伟达仍占约55%，AMD约占4%。在国产厂商中，华为是领先者。

这些数据并不意味着国产芯片已经在全球范围内击败英伟达。它们更能说明，在出口管制和本土化采购压力推动下，中国市场正在形成一套规模越来越大的替代生态。市场份额的增长，为国产芯片积累软件适配、客户部署和系统优化经验，也可能进一步强化跨层协同。

华为真正想改变的是什么？

华为并没有逃离半导体物理学，而是在尝试改变竞争发生的位置：从单纯比较晶体管尺寸，转向比较信息移动速度、架构效率、封装能力、软件成熟度和集群协同效率。

这条路径能否成为先进制程之外的长期替代方案，仍取决于即将推出的芯片能否在真实产品中证明性能、功耗、良率和成本优势。若LogicFolding能够在手机芯片上取得可重复的结果，它将说明系统级创新确实可以部分抵消制造节点差距；但它不会让EUV、先进制造和晶体管微缩失去意义。

华为押注的，更像是一场从“单点最强”转向“全栈协同”的竞争。对于受制于设备和供应链的企业而言，这可能是现实可行的突围方式；对于整个行业而言，它也提出了一个更难回答的问题：未来的芯片领先地位，究竟由最小的晶体管决定，还是由最协调的系统决定？