华为提出“韬定律”:用时间缩微和系统设计对冲先进制程瓶颈

华为提出“韬定律”,试图用芯片设计和系统架构创新对冲先进制程瓶颈。

原文标题:中国首次提出半导体演进新原则:华为“韬定律”5 年内冲刺等效1.4nm制程,麒麟、昇腾将先后落地量产

原文作者:AI前线

冷月清谈:

文章介绍了华为在 IEEE ISCAS 2026 上提出的半导体演进新原则“韬(τ)定律”。这一思路不再只依赖传统摩尔定律中的几何缩微,而是把降低信号传播时延作为核心目标,通过器件、电路、芯片和系统层面的协同设计提升性能。文章重点提到,华为将以逻辑折叠技术提升相同制程下的晶体管密度和能效,未来麒麟芯片可能率先量产落地,昇腾系列也计划引入相关设计。文中还讨论了先进制程面临的物理极限、成本压力和外部限制,并将“韬定律”视为华为在制程受限背景下开辟的平行路线。与此同时,文章梳理了华为在芯片设计、半导体设备、EDA 工具等环节的布局,认为其目标是形成更完整的自主半导体体系。

怜星夜思:

1、如果不继续追求更小制程,而是靠架构和设计优化,真的能长期追上先进工艺吗?
2、“等效 1.4nm”这种说法应该怎么理解?它是技术突破,还是一种宣传口径?
3、华为提出“韬定律”,对国产半导体产业链最大的启发是什么?
4、首发逻辑折叠的麒麟芯片如果量产,普通用户最应该关注哪些实际体验?

原文内容

作者 | 四月

“我们采用的是全球最先进的制程工艺”,每年的苹果 iPhone 发布会上,库克总要把这句话挂在嘴边。

潜台词很清楚:先进制程 = 更小晶体管 = 更快更省电。然而,随着芯片迭代节奏不断加速、物理制程逼近极限,统治行业超过半个世纪“摩尔定律”也开始穷途末路,尤其在半导体先进制程受阻的中国市场。

现在,华为硬生生蹚出了一条新路子。

今天(5 月 25 日),在 IEEE 国际电路系统研讨会(ISCAS 2026)上,华为董事、半导体业务部总裁何庭波发表主旨演讲,正式提出半导体演进新原则:“韬(τ)定律”:以“时间(τ)缩微”替代传统的“几何缩微”

《人民日报》对此评价极高,称其为“中国在全球半导体领域首次提出指导产业发展的新原则”

目前,由何庭波署名的论文《A Time Scaling Theory for Multi-Layer Electronic Systems》已提交至中国科学院科技论文预发布平台,论文详细介绍了“韬(τ)定律”,并展示了两个量产级别的验证案例

  • 在移动SoC方面,逻辑折叠技术在相同器件节点下,实现了晶体管密度55%的阶跃式提升,以及41%的能效增益;

  • 在AI系统方面,由具备内存语义统一总线架构、近封装 Hi-ONE光学I/O,以及edge-to-surface 3D折叠技术共同构成的协同设计技术栈,预计到2035年将实现超过100倍的硬件集成度增长。

此外论文提出,到2030年前后,昇腾990将首次把逻辑折叠技术引入AI加速器领域

研讨会上,何庭波表示,预计到 2031 年,基于韬定律的高端芯片晶体管密度,将达到国际领先的 1.4nm 等效水平

而这第一块试金石,将交给今年秋季发布的麒麟新芯片(或为麒麟 9040 系列)。它将首发搭载“逻辑折叠(LogicFolding)”技术,在制程节点不变的情况下,实现晶体管密度与性能的大幅跃升。

何庭波介绍,“韬定律”贯穿从器件、电路、芯片到系统层面的多层级协同优化体系。过去六年,华为已基于该定律成功量产 381 款芯片

面对先进制程的物理极限与外部封锁,华为这次释放的信号已经很明确:不能只等着制程往前走,芯片设计和系统架构也要成为新的性能杠杆。

为什么“缩小晶体管”这条路越来越难走

过去半个多世纪,半导体行业的基本逻辑都是:把晶体管做小。尺寸越小,同一面积塞下的晶体管数量得越多,芯片就更快、更省电;而且随着量产规模上来,造价还更便宜。

这就是摩尔定律的核心——几何缩微。

台积电、英特尔、三星等 Foundry 龙头,从 28nm、14nm 一路卷到 3nm、2nm 以下。

但现在的问题是,这条路的尽头已经近在咫尺了。

今天主流 2nm 以下工艺制造的晶体管,尺寸已薄至几十个原子量级。继续往下,将面临两道堵死的墙:

  • 物理墙:量子效应导致严重漏电,电子直接穿透本应关闭的晶体管,控制失效;

  • 经济墙:制造成本指数级飙升,台积电 2nm 晶圆造价远超 5nm 时代,只有苹果、英伟达等极少数玩家玩得起。

用何庭波的原话就是:“晶体管几何缩微放缓,晶体管成本红利消退”。全球半导体行业面临“物理极限和经济效益的双重挑战”。

而对于华为和中国半导体而言,还有第三道墙:外部限制。2020 年后无法使用台积电先进工艺,2025 年发布麒麟 9030 Pro 之后,华为手机芯片在现有制程条件下已进入性能“饱和区”。

也就是说不换思路,就是死局。韬定律的出现,不能完全称之为华为在先进制程赛道上“跑赢了”,更像是路被堵死后,硬生生蹚出的一条新方向。

韬定律是什么:换一个维度定义“进步”

“韬”字取自希腊字母“τ”(tau),在电路里,它一个有精确含义的物理量:时间常数,体现信号传播的时延。

任何电路中,信号从 A 点传到 B 点的时间,由导线的电阻(R)和寄生电容(C)决定,公式就是 τ = R × C。τ越大,信号越慢,芯片性能上限越低。

过去,行业靠“几何缩微”降 τ——晶体管做小,导线变短,τ自然下降。

韬定律的核心转变是:不再以“几何尺寸缩小”为圭臬,而是聚焦“时间(τ)缩小”为唯一目标。

通俗来说就是:不管晶体管的物理尺寸,只要能通过设计手段、电路创新、架构优化,把信号传播时延降下去,就等于实现了和先进制程同等甚至更好的效果。

这不是放弃制程追赶,而是把竞争维度从“谁的晶圆厂更先进”,切换到“谁的芯片设计更聪明”——用设计优势补制程短板。

如何落地:从逻辑折叠到灵衢总线

华为把韬定律拆成四个层级:器件层、电路层、芯片层、系统层。每一层都有对应的技术手段来降低 τ。

其中最重磅的是电路层的 “逻辑折叠(LogicFolding)”

传统芯片的逻辑电路是平铺在一个平面上的。布局紧凑与否,决定了信号走线的长短,也决定了 τ 的大小。平面布局有物理边界,走线越长,延迟越大,密度越低。

何庭波介绍,逻辑折叠不是简单的版图微调,而是基于“自由逻辑设计理念”,将逻辑设计由单层扩展至双层,以缩短关键路径、提升密度。

至于其具体工艺实现和设计细节, 是否和当前的 3D 堆叠、晶圆键合、晶体管垂直堆叠相同,华为目前并未完全展开。

但对应的结果相似:晶体管密度显著提升,电路性能大幅提高,但制程工艺节点本身并没有改变。 今年秋季将发布的麒麟芯片将是这项技术的首次量产落地。

除逻辑折叠外,另外三层的降 τ 的利器也已就位:

  • 器件层: 优化晶体管和互连的电阻及寄生电容,从物理底层降低 τ

  • 芯片层:“ 软件、架构、芯片”全栈软硬芯协同设计,降低端到端执行时间

  • 系统层: 定义灵衢总线(LingQu Bus),重构计算系统互联协议,降低系统通信时延。

其中灵衢总线技术已在去年的 昇腾 384 超节点架构 中落地,也就是重构计算系统互联协议,实现超节点统一内存编址和原生内存语义,降低系统通信时延。

这也是和英伟达的软硬一体的系统级优势看齐,它真正强的早已不是单颗 GPU 的性能,而是 CUDA、NVLink、网络、服务器和软件生态组成的整体系统。

华为半导体的底牌在整条链上

韬定律的底气,不仅来自设计技术突破,更源于华为在半导体全产业链的整体布局。把这张产业地图摊开来看,才能更清晰地看懂华为背后的实力:

  • 设计侧(华为主体):麒麟、昇腾、鲲鹏三条自研芯片线并行,且联合国内厂商完成 14nm 以上 EDA 工具验证,打通关键软件环节。

  • 设备侧(新凯来:前身为华为 2012 实验室“星光工程部”,2022 年独立,背后有深圳国资委支持。2025 年 SEMICON China 上,一口气展出 31 款以中国名山命名的半导体设备,覆盖外延、刻蚀、沉积全流程;同年 9 月在手订单破 100 亿,覆盖国内 80% 主流晶圆厂。

  • 工具侧(启云方:新凯来子公司,2025 年发布两款完全自主知识产权的国产 EDA 软件(原理图和 PCB 设计),性能较国际标杆提升 30%,开发周期缩短 40%。

也就是说,华为目前已基本完成 半导体领域“设计—制造—工具”的自主闭环布局:设计端用韬定律绕开极致制程依赖,制造端用新凯来补齐设备短板,工具端用启云方推进 EDA 国产化。

不可否认,光刻机仍是最大缺口,制程差距客观存在,但华为的韬定律也提供了一种全新的可能性:如果设计、架构和系统能力的整合,能够持续抵消一部分制程差距,那么华为就不必把所有希望都押在单一制造节点上。

摩尔定律的黄昏,还是韬定律的黎明?

放眼全球,台积电、英特尔、三星依然在“缩小制程”的老路上狂奔:台积电 2nm 下半年量产,1.4nm 预计 2027 年试产;英特尔 18A 今年量产,誓夺制程领导权。

这条路依然有效,但门槛已高到只剩两三家玩家。华为韬定律的破局意义在于:在“谁的晶圆厂更先进”的重资产竞赛里,开辟出一条“谁的芯片设计更聪明”的平行赛道。

何庭波放话:“我们的解决方案走得通,走得远。我们新芯片的性能完全可以持续对标另外一条路径。

过去六年,华为基于韬定律已量产 381 款芯片;2027 年后将走向多层全面折叠;2031 年目标直指 1.4nm 等效。

但所有的宏大叙事,最终都要落在一个具体的锚点上:几个月后,首发逻辑折叠技术的麒麟 9040 芯片上。

声明:本文为 AI 前线原创,不代表平台观点,未经许可禁止转载。

会议推荐

但企业级 Agent 落地,绕不开 4 个真实的工程问题。如何在 Agent 安全性和可用性之间找到平衡点?Agent 需要什么样的记忆系统才能真正理解上下文?如何通过算法压榨实现智力增量与成本控制的极致平衡?多 Agent 协作,如何做到可观测、可治理、可控制?6 月 26-27 日,AICon 全球人工智能开发与应用大会·上海站国内头部公司的 Agent 实践,一次说透。

今日荐文

图片
你也「在看」吗?👇

关于不靠更小制程这事,我的理解是:这像是在高速堵车时走国道。国道不一定比高速快,但至少不是原地等。华为现在的问题不是要证明摩尔定律没用了,而是先证明在现有制程下还能榨出多少性能。

1 个赞

关于第三个问题,我的看法偏产业一点:韬定律如果能成立,它会让国内厂商更重视软硬协同和系统级设计。尤其 AI 计算已经不是单颗芯片的战争,而是芯片、互联、内存、编译器、框架、应用一起竞争。

2 个赞

“等效 1.4nm”这四个字有点像健身房里说‘体脂看起来像 12%’。听着不错,但你得上仪器测。芯片也一样,别只看口号,Geekbench、SPEC、AI 训练推理、功耗曲线都得拿出来看。

2 个赞