華為董事、半導體業務部總裁何庭波近日公布「韜(τ)定律」,改寫全球半導體規則,預計到2031年高端芯片晶體管密度有望達到1.4納米製程的同等水平。這項新原則迅速引起半導體界震動,多家外媒包括《路透社》、《美國全國廣播公司》(NBC)等都認為,這意味中國將突破美國技術封鎖,擺脫對西方半導體設備依賴,專家認為或讓美國進一步擔憂其在全球科技競爭的地位。
華為董事、半導體業務部總裁何庭波在上海的2026國際電路與系統研討會上公布「韜(τ)定律」。
何庭波自25日在上海的2026國際電路與系統研討會上公布「韜(τ)定律」後,引發外界熱議。據NBC報道,美國和中國正爭奪人工智能領域的全球主導地位,美國自 2019 年起實施制裁已基本切斷華為與全球半導體芯片製造商的聯繫,而這些芯片正是驅動從智慧型手機到電腦再到汽車等一切設備的「小大腦」。而美國的封鎖,導致中國政府投入數十億美元發展自己的半導體供應鏈。
《法新社》則指,能夠訓練並驅動AI系統的尖端芯片,是中美科技競爭中至關重要且高度敏感的領域。幾十年來,隨著芯片製造商不斷在芯片中塞入更多微型電子元件,運算力實現飛躍式增長,而華為的「韜定律」意味其可繞過極紫外線(EUV)光刻機的需求,此前業界一直認為EUV設備是量產5納米及以下先進芯片不可或缺的關鍵工具。
台積電為英偉達代工芯片,計畫於2028年開始量產1.4納米製程芯片。
據NBC報道,中國目前最先進的芯片製造能力被認為是7納米,而全球領先的芯片製造商台積電(TSMC)則採用2納米製造技術。台積電為英偉達代工芯片,並表示計畫於2028年開始量產1.4納米製程芯片。華為為其未來的麒麟芯片研發出了一種突破性的「邏輯折疊」(LogicFolding)設計,意味華為並沒有像以往那樣通過縮小芯體管尺寸來提升性能,因縮小晶體管尺寸需極紫外光刻技術,而是將傳統的二維電路折疊成三維垂直「摩天大樓」,本質上就是將芯片層層堆疊,這項名為「韜定律」的新原理,旨在透過折疊和堆疊芯片來縮短資料在芯片中傳輸的時間,與長期以來一直指導全球半導體產業的「摩爾定律」相悖,其理念是在更小的芯片上安裝更多的晶體管,但外界普遍認為「摩爾定律」已接近其極限。
據《觀察者網》解釋,摩爾理論認為,芯片上的電晶體數量大約每兩年翻一倍,從而實現更強性能與更低成本。傳統芯片製造主要依賴在單塊矽晶圓上整合更多電路,以提升運算速度。然而,部分分析家指,這種傳統製程正逐漸接近物理極限,芯片元件尺寸難以繼續縮小。英特爾曾總結稱,「你可以把東西做得越來越小……直到無法再縮小」。
但華為提出的「韜定律」強調時間縮放,其核心思路並非繼續無限縮小電晶體尺寸,而是優化芯片內部各模組之間的資料傳輸效率,透過縮短訊號傳輸路徑、提升通訊速度來提高整體效能。
華為設計的「邏輯折疊」方案,大幅縮短內部連線、減少訊號延遲,從而使硬體實現53.5%的電晶體密度提升和41%的能源效率提升,使華為能夠在無需西方頂級設備的情況下,打造與海外競爭對手匹敵的先進處理器。
何庭波透露,過去6年,華為基於「韜定律」已成功設計及量產381款芯片,廣泛涵蓋各行各業的數位轉型需求,並即將於今年秋季推出新一代麒麟芯片,將率先首次採用「邏輯折疊」技術,並規劃在2030年將這項架構擴展至昇騰AI處理器和大型資料中心叢集。
據報道,美商亞洲集團合夥人兼數位業務聯席主席陳澍分析,「韜定律」凸顯華為希望在全球芯片競賽中成為領導者,「即使今日還沒發布新產品,但華為的意圖非常明確,其發展軌跡很可能會進一步加劇美國方面的擔憂」。
《華爾街日報》指,華為近年來已成為中國推動科技自主化策略中的關鍵企業之一,並在本土半導體供應鏈建設中發揮重要作用。為了追趕美國同行,華為不斷加強在替代晶片架構、先進封裝技術以及網路通訊技術方面的研發,以提升硬體運算能力。知情人士透露,華為在過去一年才憑藉這項新技術取得了較為穩定的成果,但華為仍需與資料中心和設備供應商合作,以驗證其在大規模應用中的可行性,可能仍需要一些時間。
外界認為,華為的「韜定律」取得重大突破,在供應鏈受限下找到一條替代路徑。
2019年起,美國持續對華為實施制裁,並自2022年起進一步限制中國取得先進半導體技術,禁止中國取得製造5納米以下先進晶片所需的EUV光刻機,迫使以華為代表的中國企業加速自主替代技術研發。
據觀察者網報道,全球技術研究機構Omdia分析師蘇連傑(Lian Jye Su)認為,華為是否能夠憑藉「韜定律」取得明顯優勢仍有待觀察,「但至少是在供應鏈受限下找到的一條替代路徑,也是一次重要突破」。
科技媒體Tom's Hardware指,華為的替代路線意味著中國可透過不同的芯片封裝與結構設計,大幅縮小性能差距,從而削弱美國制裁的影響。
在社交平台X上,知名科技領域博客羅納德·範·盧恩(Ronald van Loon )直言,這項突破重要性遠不止於半導體領域,AI、機械人、雲端運算、自動駕駛系統以及企業級基礎設施,都依賴不斷變得更快、更高效的算力,下一代AI時代,不僅將由更先進的大模型塑造,也將由底層更先進的系統架構所決定。
毛拍手
** 博客文章文責自負,不代表本公司立場 **