華為的 Tau Scaling 策略：晶片效能，關鍵可能在傳輸速度而非更小電晶體

華為目前的半導體策略，並不是宣稱可以逃離物理定律，而是嘗試改變「效能應該從哪裡取得」這個問題。

在傳統路線上，晶片進步主要仰賴電晶體持續微縮，以及製造這些先進製程所需的尖端微影設備。華為則把重點放在訊號傳播時間、電路配置、記憶體資料搬移，以及整個計算系統的協同運作。公司將這套構想稱為 Tau（τ）Scaling Law，並提出 LogicFolding 作為其中一項實作技術。

這種方法或許能協助中國更有效運用在出口限制下生產的晶片，但目前仍不能解讀為華為已追上全球最先進製程。華為最具野心的電晶體密度說法，尚未獲得獨立驗證。

從幾何微縮，轉向以時間為核心的擴展

過去數十年，半導體進步大多與「幾何微縮」畫上等號：讓電晶體變小、在相同面積內放入更多電晶體，並在每一代製程中提升效能或能源效率。華為提出的 Tau Scaling，則把核心問題從「元件可以縮小到什麼程度」，轉為「資訊能多快穿過晶片，以及晶片周邊的計算系統」。

這個轉向之所以重要，是因為計算能力並不只受電晶體本身限制。訊號還必須經過晶片內部配線、封裝、記憶體系統與晶片間互連；這些路徑上的延遲，可能抵銷增加邏輯電路或提升原始運算能力所帶來的好處。華為表示，Tau Scaling 的目標，是在多個層級降低這些延遲。

這並不代表電晶體微縮已經不重要，而是重新調整電晶體密度、電路布局、互連設計與系統架構之間的取捨。

LogicFolding 想解決什麼問題？

LogicFolding 是華為提出的電路與設計技術，目標是在不完全依賴更新製程節點的情況下，提高晶片的有效邏輯密度。華為形容，這種方法會把邏輯、類比與記憶體電路，以更緊密、可能採用堆疊的結構整合在一起，同時縮短晶片內部的配線距離。

華為表示，首款採用 Tau 架構及 LogicFolding 的麒麟（Kirin）手機晶片，預計於 2026 年 9 月推出。這款產品將成為檢驗相關架構能否在大眾市場產品中帶來實際效益的重要測試。

華為也預測，到 2031 年，高階晶片的電晶體密度可達相當於 1.4 奈米製程的水準。不過，這是公司的目標，而不是已獲獨立確認的量產成果。路透社指出，華為並未同時提供獨立的效能數據來支持這項說法。

為什麼整個系統和單枚晶片同樣重要？

Tau 策略在 AI 領域的影響尤其值得關注，因為 AI 效能取決於處理器、記憶體及其他元件之間大量資料的移動速度。即使單枚加速器的能力較弱，只要晶片之間溝通有效率，周邊軟體與基礎設施也能持續供應資料，多枚晶片組成的叢集仍可能提供實用的整體效能。

因此，以下幾個環節都會成為關鍵：

• 互連： 晶片之間的連結必須同時具備足夠頻寬與低延遲。
• 記憶體： 頻寬或容量不足，可能讓運算資源閒置。
• 封裝： 邏輯、記憶體與通訊路徑的實體配置，會影響速度、散熱與量產難度。
• 軟體： 編譯器、框架與工作排程，決定分散式叢集能否有效執行工作負載。
• 基礎設施： 供電、散熱與系統整合，可能限制整體運算能力。

系統層級最佳化的代價是：它不會消除瓶頸，而是把瓶頸移到其他地方。更快的電路無法無限期彌補記憶體、網路、軟體或製造良率的不足。路透社引述的專家也對華為方案是否構成根本性突破抱持不確定態度，並指出要實現這套構想，還需要新的設計工具與更廣泛的工程能力。

華為的「十八層寶塔」與黃仁勳的「五層蛋糕」

華為科學家廖恆曾以 「十八層寶塔」 描述 AI 價值鏈。這個比喻把 AI 能力視為一座由許多互相連結的樓層組成的高塔：晶片設計與製造只是其中一部分，所有層級都必須維持運作，整體才不會失衡。

這個概念與 Nvidia 執行長黃仁勳提出的 「五層蛋糕」 AI 產業框架有相似之處。後者以較概括的方式，將 AI 產業分為能源、晶片、基礎設施與系統、模型與軟體，以及應用程式等層次。華為的版本更為細緻，並特別強調在外部元件與工具受限的情況下，推動完整國內產業鏈協同發展的重要性。

兩種模型傳達的實際訊息相近：AI 領導地位並不是由單一處理器決定，而是硬體、網路、資料中心基礎設施、軟體與應用彼此配合的結果。

用「最弱環節」檢驗華為的主張

評估華為 Tau Scaling 與 LogicFolding 的最佳方式，或許就是「最弱環節」原則。AI 平台的表現，往往受限於整個系統中最薄弱的一層。

一枚高密度晶片，如果記憶體無法及時供應資料、互連無法有效連結、軟體無法在多枚晶片之間安排工作，或工廠無法以可接受的良率量產，實際優勢都可能大打折扣。

因此，Tau Scaling 與 LogicFolding 應被理解為架構上的槓桿，而不是完整半導體生態系的替代品。它們能否成功，取決於晶片設計、記憶體製造、電子設計自動化（EDA）工具、AI 框架、製造能力與系統整合能否同步進步。中國日報的報導也將這個更廣泛的生態系描述為涵蓋半導體設計、記憶體生產、AI 框架與系統整合。

這也是為什麼華為與 Nvidia 的比較不能只看電晶體密度。Nvidia 的優勢還包括周邊軟體平台與完整系統堆疊；華為則試圖在部分外國元件與工具受到限制的環境中，建立協同運作的國內能力。

出口管制如何改變中國 AI 加速器市場？

美國出口管制加速了中國尋找本土替代方案的進程，但 2025 年的市場數據顯示，市場更像是「替代增加」，而不是 Nvidia 已經消失。

根據路透社查閱的 IDC 資料，Nvidia 在 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 55%；中國供應商合計約佔 41%。在中國本土供應商之中，華為被報導為最大供應商。

至於華為的精確數字，不同報告並不完全一致。有報告引用同一類市場資料稱，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的一半。 這些差異可能源於產品範圍或市場定義不同，因此較穩妥的結論是：華為領先中國本土市場，而不是華為單獨取得中國供應商合計 41% 的全部份額。

這項區分相當重要。出口管制確實為華為及其他中國晶片業者創造了市場空間，但市場仍具競爭性；依照上述 2025 年數據，Nvidia 仍是最大的單一供應商。

接下來應觀察什麼？

預計在 2026 年 9 月推出的麒麟手機晶片，將是 Tau Scaling 與 LogicFolding 的第一個實際檢驗點。外界需要區分「宣稱具備相當於某製程的電晶體密度」與經獨立測量的結果，包括實際效能、能源效率、發熱、製造良率及軟體相容性。

更大的考驗在於，華為能否把電路層級的構想，轉化為智慧型手機、AI 加速器與資料中心叢集都能重複取得的系統優勢。若能做到，這或許能證明：即使取得先進微影技術的管道受限，仍可透過資料搬移與系統協同，取得具有意義的應用層級效能提升。

若無法做到，Tau 也可能只會成為一套有用的設計框架，而非傳統製程微縮的替代方案。

較為審慎的解讀是：華為正在嘗試從電路架構、互連設計與晶片叢集中，榨取更多應用效能。但這並不表示更小的電晶體已經不重要，也不表示華為最具野心的密度主張已經獲得證實。真正的競爭，正逐步轉向完整的創新鏈，以及哪一家企業能讓所有環節協同運作，而不是讓其中任何一層成為整體系統的最弱點。