華為唔再只靠縮細電晶體：Tau Scaling 點樣以速度換取晶片效能？

華為最新半導體策略，重點唔係宣稱已經完全繞過物理限制，而係嘗試將效能提升嘅來源，由「電晶體可以縮到幾細」轉去「訊號同數據可以行得幾快」。公司將呢個方向稱為 Tau（τ）Scaling Law，並提出 LogicFolding 作為其中一項電路實現方法。

呢套策略有機會令中國更有效運用受出口限制下生產出來嘅晶片。不過，呢件事暫時唔代表華為已經追上全球最先進製程；公司提出嘅部分高密度數據，仍然未有獨立驗證。

由幾何縮放轉向時間縮放

過去幾十年，半導體進步主要同幾何縮放掛鈎：將電晶體做得更細、喺相同面積放入更多電晶體，並喺每一代製程提升速度或者能源效率。華為提出嘅 Tau Scaling，就將問題重新表述為：晶片同周邊運算系統入面，資訊究竟要幾耐先可以由一個位置傳到另一個位置。

原因係，運算速度從來唔只取決於電晶體本身。訊號仲要經過金屬連線、記憶體、封裝、晶片之間嘅互連，以及更大型嘅運算系統。呢啲路徑嘅延遲，可能抵銷增加邏輯電路或者提高原始運算能力所帶來嘅好處。華為表示，Tau Scaling 旨在由元件、電路、晶片到系統多個層面，減少訊號同數據傳輸時間。

但呢個方向唔等於電晶體縮放已經冇用，而係重新平衡電晶體密度、電路布局、互連設計同系統架構之間嘅重要性。

LogicFolding 想解決乜嘢？

LogicFolding 係華為提出嘅電路及設計方法，目標係唔完全依賴更新製程節點，都可以提升單位面積嘅有效邏輯密度。公司形容，呢種方法會將邏輯、類比同記憶體電路，以更緊密、甚至立體堆疊嘅方式組合，同時縮短晶片內部嘅連線距離。

華為表示，首款採用 Tau 架構及 LogicFolding 嘅 Kirin 手機晶片，預計喺 2026 年 9 月推出。到時產品嘅實際表現，將會係判斷呢個概念能否喺大眾市場帶來可量化好處嘅重要測試。

華為亦預測，到 2031 年，高端晶片可以達到相當於 1.4 納米製程嘅電晶體密度。不過，呢個係公司目標，並唔係已獲獨立確認嘅量產結果。路透社報道指，華為未有就呢項聲稱同時提供獨立效能數據。

點解成個系統同一粒晶片一樣重要？

Tau Scaling 最值得留意嘅地方，可能係 AI 應用。AI 運算需要處理大量數據，而效能取決於處理器、記憶體同其他組件之間，能否高效交換資料。

就算每粒加速器嘅能力比頂尖產品弱，只要晶片之間溝通有效率，加上軟件同基礎設施能夠持續供應數據，多粒晶片組成嘅集群仍然可以提供有用嘅整體訓練或推理能力。

因此，以下幾個環節會變得非常關鍵：

• 互連： 晶片之間嘅連線要有足夠頻寬，同時維持低延遲。
• 記憶體： 頻寬或者容量不足，會令運算資源「等數據」，無法充分發揮。
• 封裝： 邏輯、記憶體同通訊路徑嘅物理安排，會影響速度、散熱同量產難度。
• 軟件： 編譯器、框架同工作調度，決定運算工作能否有效分配到分布式集群上。
• 基礎設施： 供電、冷卻同整機整合，都可能限制整體表現。

代價係，系統級優化唔會消除瓶頸，只會將瓶頸推去其他地方。電路快咗，唔代表可以無限彌補記憶體、網絡、軟件或者製造良率嘅不足。路透社引述專家指出，外界仍未確定華為方案係根本性突破，亦認為要配合新設計工具及更廣泛嘅工程能力。

華為嘅「十八層寶塔」對比黃仁勳嘅五層蛋糕

華為科學家廖恆以 **「十八層寶塔」**形容 AI 價值鏈。呢個比喻將 AI 能力視為一座由多個互相連接嘅層次組成嘅高塔；晶片設計同製造只係其中一部分，每一層都要保持運作，整座塔先可以穩陣。

呢個概念同 Nvidia 行政總裁黃仁勳提出嘅 **「五層蛋糕」**框架有相似之處。後者以較概括方式，將 AI 產業分成能源、晶片、基礎設施及系統、模型與軟件，以及應用等層面。華為嘅版本更加細分，亦特別強調中國要協調發展整條本土產業鏈。

兩個模型傳達嘅實際訊息其實相近：AI 領先地位唔係由一粒處理器單獨決定，而係取決於硬件、網絡、數據中心基礎設施、軟件、模型同應用之間點樣配合。

「短板效應」係最重要嘅測試

要評估華為嘅聲稱，「短板效應」可能係最清晰嘅分析角度。一個 AI 平台可以被表現最差嗰一層限制：晶片密度再高，如果記憶體餵唔到數據、互連效率不足、軟件無法安排工作，或者工廠無法以合理良率量產，實際優勢都可能非常有限。

所以，Tau Scaling 同 LogicFolding 應該理解為架構層面嘅工具，而唔係完整半導體生態系統嘅替代品。佢哋能否成功，要視乎晶片設計、記憶體製造、電子設計自動化工具、AI 框架、製造工藝同系統整合可唔可以一齊進步。中國日報相關報道將呢個更廣泛嘅生態形容為涵蓋半導體設計、記憶體生產、AI 框架同系統整合。

亦正因為咁，華為同 Nvidia 嘅比較唔可以只睇電晶體密度。Nvidia 嘅優勢包括周邊平台同完整系統，而華為嘅策略，就係喺部分外國組件及工具受限制嘅情況下，建立協調發展嘅本土能力。

出口管制點樣改變中國 AI 加速器市場？

出口管制加快中國尋找本土替代方案，但 2025 年市場數據顯示，呢個變化比較接近「替代比例上升」，而唔係 Nvidia 已經消失。

根據路透社查閱嘅 IDC 數據，Nvidia 於 2025 年向中國出貨約 220 萬枚 AI 加速器，佔中國 AI 加速器伺服器市場約 55%；中國供應商合計約佔 41%。華為係本土供應商之中領先。

至於華為單獨嘅數字，現有報道並唔完全一致。有報道引述大致相同嘅市場數據，指華為出貨 81.2 萬枚加速器，佔整體市場 20.3%。 其他摘要則形容，華為約佔本土品牌出貨量一半。 呢啲差異可能源於產品範圍或者市場定義唔同，因此較穩妥嘅結論係：華為領先中國本土市場，但唔應該將中國供應商合計約 41% 全部算入華為單一公司名下。

呢個分別相當重要。出口管制確實為華為及其他中國晶片商騰出市場空間，但市場仍然有競爭；按上述 2025 年數據，Nvidia 仍然係最大單一供應商。

2026 年 9 月產品會係第一個現實檢查點

預計喺 2026 年 9 月推出嘅 Kirin 晶片，將會係 Tau Scaling 同 LogicFolding 嘅第一個實際檢查點。外界需要分清楚「相當於某製程嘅電晶體密度」同獨立量度嘅產品表現之間嘅差別，包括速度、能源效益、發熱、製造良率，以及同軟件嘅兼容程度。

更大嘅考驗係，華為能否將電路層面嘅概念，轉化成手機、AI 加速器同數據中心集群都可以重複實現嘅系統優勢。如果做得到，華為可能證明，即使受限於先進光刻設備，透過優化數據流動同跨層協作，仍然可以取得有意義嘅應用層面效能提升。

但如果做唔到，Tau 亦可能只會成為一套有參考價值嘅設計框架，而唔係傳統製程縮放嘅替代方案。

較穩妥嘅理解係：華為正嘗試由電路架構、互連同晶片集群，抽取更多應用層面效能。佢未有證明縮細電晶體已經唔重要，亦未有證明最進取嘅密度聲稱已經獲得獨立驗證。晶片競爭正逐步轉向整條創新鏈，而最後勝負，可能取決於邊間公司可以令每一層都唔再成為整個系統嘅最弱一環。