作者：上海证券报记者 宋薇萍，时娜，郑维汉，快思慢想研究院 田丰
编者按：“两弹一星”可行性调研阶段，钱学森曾说：“陈赓问我：‘中国人能不能搞导弹？’我说：‘为什么不能搞！外国人能搞，我们中国人就不能搞？难道中国人比外国人矮一截！’”如今，国产AI芯片正在一步一个脚印实现“反围剿”的战略性里程碑。
一、引言
上海，2026年5月25日，梅雨季前最后一个晴天。
在黄浦江边的IEEE国际电路与系统研讨会（ISCAS 2026）主会场，华为公司半导体业务总裁何庭波走上演讲台。台下坐着来自全球的芯片工程师、学者和投资人。她说的第一句话没有寒暄："半导体的几何时代，已经结束了。"
接下来的一个小时，她宣布了一件在半导体产业六十年历史中从未发生过的事：中国公司，在全球顶级学术平台上，提出了一个可能接替摩尔定律的新原则。
称之为「韬（τ）定律」。
"韬"，是希腊字母τ（tau）的汉语音译。这个字的选择耐人寻味——在中文里，"韬"有韬略、韬光养晦之意，是以蛰伏换蓄势的东方哲学；在电路物理里，τ代表时间常数，是信号完成一次状态切换所需的时间。一个名字，同时承载了六十年历史压力下的工程选择，和一种关于时机的文化直觉。
二、统治半导体60年的"摩尔定律"失效了
要理解韬定律的意义，必须先理解它要替代什么。
1965年，戈登·摩尔在一篇论文里写下了一个观察：集成电路上的晶体管数量，大约每两年翻一番。这像是一份行业预言，但预言一旦被相信，就会凝聚整个产业的力量变为现实——英特尔、台积电、三星，所有人按这张时间表投资、排期、研发，摩尔定律成为全球半导体产业链共同遵守的隐性契约。
十年后，物理学家罗伯特·丹纳德为这张契约补上了经济学逻辑：只要等比例缩小晶体管的电压和尺寸，电场保持恒定，性能提升而功耗不变。这是一个令人愉悦的"黄金方程"——更小的晶体管，更快的速度，更低的成本，周而复始，近五十年。
然后，这个方程开始失效。
2005年前后，丹纳德定律率先崩溃：电压无法再随尺寸等比缩小，芯片开始大量产热，进入"暗硅时代"——晶体管虽多，却有相当比例不得不被关闭以控制温度。几何缩微坚持得更久一些，借助FinFET、GAA等新型晶体管架构，撑过了7nm节点。但到了3nm之后，物理极限和经济极限同时到来。
物理上： 速度饱和效应使关键路径延迟与沟道长度的关系从平方律退化为线性；局部互连的寄生电阻和电容，已经超过晶体管本身的固有延迟，成为性能真正的天花板。
经济上： 台积电3nm制程300毫米晶圆成本约为2万美元，2nm节点将攀升至3万美元甚至更高；ASML新一代High-NA EUV光刻机单台造价约4亿美元，全球能负担得起的厂商屈指可数。2nm节点单颗芯片的设计预算，已超过10亿美元。
更关键的数字来自中国侧：自2022年起，美国对华AI芯片出口管制逐年收紧，从A100/H100到H20，直至2025年4月H20被全面暂停出口许可，英伟达单季度为此计提约55亿美元减值。与此同时，中国无法购得EUV光刻机，华为可获得的最先进制程，约为中芯国际7nm级——与台积电量产2nm之间，相差约两代。
有一组数字可以描绘这个处境的真实尺度：2024年，中国在晶圆制造设备上的年度支出高达410亿美元，占全球总采购量的约40%——这是一个正在全力奔跑、却被拦在起跑线前方的国家身影。
这是何庭波在演讲台上没有回避的坐标：几何时代结束了，中国被困在了它的终点线附近。
三、创新就是颠覆权威，重新定义问题
物理学家理查德·费曼曾说："如果你无法向一个六岁的孩子解释它，你就还没有真正理解它。"摩尔定律翻译成六岁孩子的语言，其实只有一句话：晶体管越来越小，所以电脑越来越快。
这个翻译隐藏了一个前提假设：性能提升的唯一路径，是让晶体管更小。
韬定律提出的第一个问题是：这个前提假设，是真理，还是历史的习惯？
答案在论文里写得很清楚：摩尔定律的本质效果，从来不是让晶体管变小，而是让电路运行得更快——更短的走线带来更低的信号传播延迟，更高的集成度减少了跨芯片的时间损耗。几何缩微是手段，时间压缩才是目的。手段失效了，但目的不必跟着放弃。
于是，韬定律把优化目标从几何尺寸L（晶体管栅极长度），替换为时间常数τ——在电路理论中，τ等于电阻R与电容C的乘积，是信号从一种状态切换到另一种状态所需的时间。τ越小，电路越快。
这个替换是一次工程坐标系的根本重构。
影响几何尺寸的变量只有一个：光刻精度。影响τ的变量，远比这多得多——互连线电阻、寄生电容、布线拓扑、逻辑折叠层数、系统互联协议……优化维度从一维扩展至多维。被制程封锁锁死的那扇门，换了坐标系之后，旁边突然出现了好几扇窗。
韬定律因此定义了一个分层方程：
τ = f（τ_晶体管，τ_电路，τ_芯片，τ_系统）
四个层级，每层都有独立的优化空间，但共享同一个优化目标——系统性降低τ。它同时给出了一个广义缩放规则：τ_{n+1} = τ_n / α，α是每一代产品的τ缩减倍数。这个α并非摩尔定律那样"18个月翻倍"的固定值，而是因应用场景而异：在功耗受限的手机端，α约为每年1.3倍；在安全关键的自动驾驶场景，α约为每年1.5倍；在AI工作负载中，由于算力直接转化为经济价值，α最高可达每年10倍。摩尔定律用一把尺子量所有场景，韬定律给不同场景配了不同的刻度。
工艺工程师、电路设计师、架构师、系统工程师，第一次围绕同一个物理量、同一套度量衡展开协同，而不再是各自在本层独立优化、时间指标沦为残余变量。芯和半导体副总裁仓巍对此有一个精确的表述："这是半导体行业第一次让不同层级的工程师说同一种语言。"
何庭波论文中有一句话值得单独摘出：韬定律是"自丹纳德之后，第一个为整个计算栈建立共享优化目标的缩放原理"。这句自我定位，所指向的不只是技术层面的继承，而是产业层面的坐标重置。
钱学森在建立系统工程学科时有一个核心命题：复杂系统的优化方向，由约束的形态决定；真正的突破，往往是扩展了问题的维度，而非在原有维度内更努力地挣扎。韬定律是这个命题在2026年的芯片工程实践。
四、把电路立起来，逻辑折叠是什么？
理解了τ是目标，就能理解逻辑折叠（LogicFolding）是手段。
在传统平面布局的芯片设计中，信号传播延迟τ = RC，其中R是走线电阻，C是寄生电容。功能越复杂，逻辑门越多，关键路径走线越长，RC乘积随之增大，速度的天花板就被走线的物理长度钉死。这就像工厂流水线上，零件要在一层楼里绕着长长的传送带跑完全程，越绕越慢。
逻辑折叠的解法直观得近乎暴力：把流水线从平铺在一层，折叠成两层（乃至更多层）。原本需要在平面上绕行的长走线，变成垂直穿越两层之间的超短互连——这个垂直连接，依靠亚2微米精度的混合键合技术实现，相当于在两张晶圆之间建起密度极高的铜柱阵列，将层间信号时延压缩至近乎忽略不计。
用芯朋微董事长张立新的比喻："摩尔定律说的是往生产线上塞进更多的工人来提高生产效率；韬定律说的是优化路径、加快零部件的周转来提高生产效率。"他进一步指出，逻辑折叠的更深层含义，是通过打破冯·诺伊曼架构的物理边界，发挥数据传输优势，实现芯片级的存算一体——这在概念上是一次超越了封装工程本身的架构革命。
胡延平在评论韬定律时特别提示了一个值得业界深挖的层面：逻辑折叠背后，还有一套"自由逻辑设计理念"（Free Logic Design），它允许数字逻辑单元在三维空间中自由分布、无视传统平面布局的约束边界，打破了"设计规则即平面约束"的隐含假设。他说："业界可能不仅要看逻辑折叠，更要看自由逻辑设计理念究竟是什么。"这是韬定律中尚未被充分展开的一扇门，其背后很可能是未来芯片设计范式更深层的变革。
这不是全新的物理原理。台积电的SoIC、英特尔的Foveros、三星的X-Cube都在走三维堆叠路线。台积电计划在A10节点引入的CFET（互补场效应晶体管，将N型与P型晶体管垂直堆叠），甚至可以视为"逻辑折叠"在器件层的极致形态。
韬定律的独立贡献，在于将折叠思路从封装层下沉到电路布局层，并与器件优化、全栈软硬协同、系统互联总线形成四层级联动——不是封装工程师的局部改良，而是从器件到系统的完整方法论重构。这是在不依赖最先进光刻制程的前提下，用设计复杂度换取性能密度的系统性工程路径。
麒麟2026的实测数据，是这套方法论迄今最有力的存在性证明：
晶体管密度从155 MTr/mm²跃升至238 MTr/mm²，提升53.5%——相当于摩尔定律历史黄金期约三年的几何缩微进步，在同一制程节点、通过纯架构创新一步实现；
P核能效提升41%，峰值频率提升约13%，CPU性能核频率达到3.1GHz；
SRAM工作频率提升40%以上；
代表性处理器核心的时钟缓冲器数量削减50%，时钟抖动降低25%，关键走线缩短约30%；
跨上下两层构建的高速全局网络芯片数据路径，占用面积减少55%，同时改善了供电稳定性。
而这一切，都发生在制程节点没有任何变化的前提下。
这个起跳，并非凭空而来。回溯路径：麒麟9000S、9010、9020系列均采用中芯国际7nm（N+2）工艺制程，TechInsights的分析显示，9020相比9010在电路布局上已有显著改进，旨在提升性能与效率。2025年麒麟9030 Pro推出后，何庭波在演讲中坦承，华为手机芯片在现有平面制程架构下已进入性能"饱和区"——在固定工艺节点内，纯靠电路优化已难以产生用户可感知的年度提升。韬定律的逻辑折叠，正是在这个"饱和区"里引爆的一次结构性突破。
五、N²与N的战争，凭什么三维是必选项？
在进入系统层之前，必须先说清楚一个芯片物理学的根本矛盾——正是这个矛盾，使三维封装从"技术选项"变成了"物理必然"。
想象一颗传统的2.5D AI芯片：逻辑计算核心占据中央，HBM存储和SerDes高速接口沿边缘排列，电压调节器围绕四周。每一个内存信号、每一路互联信号、每一安培的供电电流，都必须穿越这颗芯片的边缘才能抵达内部的计算资源。
这里藏着一个残酷的几何规律：你往正方形芯片塞进去的运算单元（CPU/GPU/NPU）基本是靠占面积吃饭的——面积越大，能放的算力部件越多，所以算力大体随面积涨，就是 N²；而芯片跟外面打交道（搬数据、跟别的芯片说话、甚至把电送进芯片里）都要靠边缘，正方形的周长 ≈ 4N，所以这类“沿边资源”大体只随N的线性增长。随着芯片面积越做越大，计算能力以平方速度增长，而"喂养"这些计算的管道只以线性速度增长。这就是韬定律论文中所称的"扇出困境"（fan-out dilemma）：芯片越大，计算资源越"饿"。
没有任何制程节点的提升能从根本上解决这个拓扑矛盾。这是几何问题，不是工艺问题。
3D折叠的解法，是把边缘的资源迁移到"表面"——供电通过背面功率输送（Backside Power Delivery）从芯片背面垂直注入；高速存储通过混合键合直接堆叠在逻辑层上方；光学互联通过近封装Hi-ONE引擎集成到封装体侧面。一旦这些资源迁移到面而非边缘，它们的扩展就从∝N回到了∝N²，重新与计算能力保持同步增长。
这是为什么论文中说：3D折叠是"不可避免"的——不是因为华为想这么做，而是因为物理规律迟早逼迫所有人这么做。
六、从一颗芯片到一套系统，τ战场在数据中心
手机是τ定律最容易被看见的战场，真正的战略纵深，在AI数据中心。
英伟达创始人黄仁勋多次强调：AI时代的算力竞争，核心是系统级效率，而非单一节点领先。这句话的物理基础是：在现代AI集群中，超过80%的能耗来自数据搬运而非计算本身，超过70%的系统成本分配给存储。算力的瓶颈，已经从"算得快"转移到"数据送得快"。
韬定律在系统层的应对，来自两个关键组件。
其一，灵衢总线（Unified Bus）。 传统多卡AI架构的数据流需要穿越PCIe、私有互联总线、以太网或InfiniBand等多层协议栈，每次协议转换都带来延迟和能耗损耗。华为“灵衢总线”用单一内存语义协议替代这个协议塔，将系统内存语义原生暴露给所有节点，实现对等、无转换的内存级访问。测量结果是：端到端远程访问延迟从基于TCP/IP协议栈的数十微秒，压缩至约100纳秒——降幅约500倍。数百乃至数千颗加速芯片组成的多机架集群，在行为上开始渐近于一颗统一寻址的超级芯片，华为将其称为"超节点"（System-as-One-Chip）。
其二，Hi-ONE光学引擎。 当机柜内芯片密度超过铜缆SerDes的物理承载上限，光互联成为必然选择。Hi-ONE将每模块带宽提升至8 Tb/s，SerDes有效传输距离从约100厘米压缩至约5厘米，同时将机柜间传输距离从不足1米扩展至100米——这使高密度、分布式、吉瓦级数据中心在物理上成为可能。其设计哲学同样是τ优先的跨层取舍：用线性模拟均衡取代厚重的数字信号处理，允许协议层容忍更高的原始误码率，换取功耗、成本和集成复杂度的大幅下降。
Hi-ONE与灵衢总线所指向的产业化方向，与CPO（共封装光学）和硅光互联的全球产业趋势高度重合。这不是华为的孤立选择，而是整个互联产业在带宽物理极限逼近时的共同答案。
到2030年前后，逻辑折叠将被引入昇腾AI加速器，3D折叠成为此后主要的性能增长载体。论文的预测是：到2035年，基于韬定律路线的AI硬件集成度将增长100倍以上。与此同时，麒麟SoC在典型使用场景下的能效，预计在三至五年内提升1倍以上。
七、记忆与计算的再婚：一段被遗忘的产业史
在系统层，还有一段值得单独讲述的历史叙事。
8086时代，半导体产业做出了一个影响深远的架构决策：将处理器与内存解耦，通过标准化内存总线分离。这个决定让两个产业得以独立高速发展——英特尔沿摩尔曲线狂奔，DRAM厂商开辟了另一个万亿级市场。解耦是那个时代的最优解。
50年后，这个最优解正在被AI时代逆转。
计算密度的持续提升，将内存带宽、延迟、功耗和封装推向极限。HBM（高带宽内存）、混合键合、3D堆叠SRAM，都是同一个底层事实的技术表达：对现代AI工作负载而言，数据搬运与计算同等关键，逻辑与存储必须重新走向物理上的紧密融合。
这是一场历史意义上的"再融合"。它所带来的产业结构重组，将使供应链的话语权逐渐从纯逻辑制造商，转移向存储和封装厂商。韬定律的τ框架，通过让每一层分离的代价在时间常数上变得可见可算，使这场再融合的方向和速度，获得了工程语言的精确描述。
八、381，比任何一款旗舰芯片更重要
"真正的半导体能力，是能够持续量产、持续迭代的工程组织能力，而不是某一次技术突破的证明。"这句话是中芯国际创始人张汝京说的，他用半生时间，在各种国际限制和技术封锁中建立起一条又一条自主可控的国产芯片生产线，对何谓真实的工程能力，有着比大多数人更深刻的理解。
韬定律最容易被质疑的地方，是它是否只是华为在某款旗舰产品上的偶然成功。“381”这个数字，是对这一质疑最直接的反驳。
过去6年，华为基于τ定律已设计并量产381款芯片，覆盖移动通信、AI、汽车、工业控制、数据基础设施等全领域。这意味着韬定律已经被提炼为一套可跨品类复用的设计方法论，能够在多样化应用场景中稳定产出性能达标的产品。它不是实验室里的未来技术演示，而是工程方法论层面的可复现性工业验证。
这类似于DeepSeek在2025年以极低成本训出接近顶尖水平的大模型时所带来的冲击——那一次，世界意识到，算法效率和系统设计可以部分替代硬件堆砌。韬定律要证明的是类似的命题：在芯片这个更底层的战场，设计智慧可以部分抵消工艺代差。
何庭波在演讲中用一句话表达了这种自信："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。"
九、定律本身，正在成为竞争工具
摩尔定律最被低估的价值，从来不是那条密度翻倍曲线，而是它作为全球产业协调机制的功能——所有人按同一张时间表押注，台积电建晶圆厂、ASML造光刻机、高通设计芯片、苹果排期发布——这张隐性契约大幅降低了整个产业链的协调成本。
当华为在IEEE主办的ISCAS这一顶级学术平台上发布韬定律，选择场合的战略含义超出了技术本身：IEEE是全球半导体技术标准和学术话语的核心平台，在此发布，是在主动争夺技术定义权——宣告中国半导体产业有能力提出自己的演进坐标系，并在其上组织庞大产业资源。
胡延平给出了一个清醒而公允的判断："从'可预期、可验证、可计算'的严格标准看，韬定律目前还不是严格意义上的半导体发展定律，更接近一套从实践提炼出来的测算理论，以及对未来的系统判断和发展预期。"他同时指出，AI算力需求正面向SICAS未来架构加速演进，半导体产业的确处在发展历程的重要拐点，"这个拐点必须有人发出拐弯信号，有企业做出拐弯动作。"
这个评价是公允的。韬定律的2031年目标——等效1.4nm制程密度——需要到届时才有完整验证。仓巍的提醒尤为重要：他给出了韬定律生态落地最完整的版图——"未来十年竞争的胜负手，不在光刻机的工艺节点上，而在封装、存储带宽、互连和Fabric设计，以及支撑这一切的系统级EDA工具链上。"
这意味着：韬定律不只是华为的技术路线图，它实际上是对整条国内半导体供应链的一次战略方向校准。
系统级EDA软件，目前在国内仍是薄弱环节——现有工具（Synopsys、Cadence）的时序收敛逻辑建立在二维平面假设之上，国际EDA巨头已通过大规模并购提前布局三维集成工具链。这是华大九天等国产EDA公司面临的历史性机遇窗口。与此同时，灵衢总线所代表的高速、低延迟片间互联需求，与CPO（共封装光学）和硅光互联的产业化方向高度重合，将为国内相关产业链注入确定性需求。
2025年全球先进封装市场规模约531亿美元，预计2030年达794亿美元，2.5D/3D封装年复合增长率高达37%。韬定律在华为内部的持续推进，将为国内封装产业——长电科技、通富微电等——提供稳定的高端需求锚点，而非仅依赖外部市场波动。
十、一封写给未来十年的邀请函
何庭波在论文结语中写道："本文既是一线实践报告，也是一封行业邀请函。未来六至十年，把τ作为核心目标的企业、研发机构与生态，将定义下一个十年的计算格局。"
这封邀请函在产业层面已经开始发酵。
2026年秋季，完整搭载逻辑折叠技术的新一代麒麟芯片将首次面世——业内预期这将是Mate 90系列搭载的麒麟2026，届时外部评测机构的独立数据将构成韬定律路线图第一个可核实的外部验证点。同期预计面市的还有昇腾950DT，将成为τ定律在AI加速端的最新实践样本。麒麟CPU性能核频率路线图清晰可见：2026年3.1GHz、2027年3.39GHz、2028年3.71GHz、2029年突破4GHz。这是一张以三维封装为引擎、不依赖制程升级的频率提升路线图，历史上从未有人公开展示过这样的曲线。
科学进步的真正跃迁，发生在"重新定义问题"的时刻，而非在既有框架内的线性推进。这是科学哲学家托马斯·库恩在《科学革命的结构》中留下的判断。
韬定律是否构成半导体领域"重新定义问题"的那个时刻，现在判断为时尚早。但有一件事已经确定：全球半导体性能演进的叙事框架，不再只由台积电、英特尔、三星三方定义了。
在2031年目标实现之前，韬定律已经在今天产生了三重真实价值：为华为的芯片研发提供内部一致的技术路线图；为国内半导体供应链在先进封装、系统互联、EDA工具三个方向提供可预期的需求牵引；在国际学术平台上建立了中国半导体产业的技术叙事主权。
这三点，放在60年的半导体史里，都是第一次。
时间，正在替代空间，成为芯片世界的新货币。
“Nothing is final !”钱学森的鞭策犹言在耳——“一个科学技术工作者没有自满的时候，客观世界的事物千千万万，总有我们还不了解的东西，不能停步呀！”
参考文章：
《“韬（τ）定律”有何影响？行业独家解读》，上海证券报记者，宋薇萍
《韬（τ）定律“横空出世”：定义了什么 定向了什么》，上海证券报记者 时娜 宋薇萍 郑维汉
出版社：人民邮电出版社
作者：田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
