華為“韜定律“問世后，美國用AI決戰的幻想基本破產了

文 | 北方朔風 天書

最近華為高管何庭波提出的韜(τ)定律可以說是石破天驚。簡單來說，在制程工藝受限的情況下，華為提出通過邏輯折疊等優化技術降低系統時間常數τ，以實現芯片性能的巨大突破。華為方面表示應用韜定律的芯片已經完成了流片，相關產品可能今年就會落地。

對于韜定律的問世，科技圈的輿論看法還存在著不小分歧。支持者認為這是后摩爾定律時代的重大工程理論創新反；對者認為IT技術領域里所謂的定律，如摩爾定律等都是一種事后發展趨勢總結，華為目前提出的只是一種工程技術路線，還不足以稱為定律。

筆者認為比起這些定義上的爭論，我們更需要的是對當前中美AI競爭的實際情況有一個清晰的認知。不管是定律還是工程技術路線，只要能有助于解決我國目前芯片和AI產業面臨的瓶頸，韜定律就絕對可以說得上是又一重大突破。

缺卡仍是中國AI的最大瓶頸

最近一年多以來，中美各大模型公司的競爭已進入白熱化趨勢，大模型能力的側重點也發生了從邏輯推理和世界知識到編程和智能體(agent)的轉向。尤其Anthropic的Claude大模型在編程和智能體能力，以及相關生態上實現顯著突破后，一些硅谷迷信論者試圖再次將中美之間大模型的能力差距神秘化，宣稱美國AI不可超越（上一次神秘化在OpenAI發布推理大模型后達到高峰，隨后被DeepSeekR1徹底打破）。

實事求是的說，國內大模型和美國三家主流大模型之間目前的差距，根本上仍是算力差距所致。最近DeepSeek V4的發布就足以說明這一點。在缺卡的情況下，V4靠著理論創新和技術優化，用超低的成本依然達到了接近美國主流大模型的水平。

還有很多例子可以證明國內AI產業缺卡。比如兩家上市的大模型公司智譜和minimax，這一年的增長速度都還算不錯。這兩家公司都對外表示，如果GPU充足的話增速還可以更快。

另一個例子是字節的Seedance2.0。這個目前全球最強的視頻生成模型，剛推出時性能是肉眼可見的強大。但用戶數量暴增之后，就出現了排隊時間十分漫長，以及模型能力降智的問題，嚴重影響了用戶體驗。綜合業內各方面信息來看，字節應該是國內目前GPU數量最多的企業，它家都面臨算力不足，其他公司的情況更可想而知了。

反過來說我們也得承認，如果字節沒有國內最多的算力，也不可能訓練出來最強的視頻生成模型。字節固然有著大量視頻資料，可視頻生成模型的訓練也遠比傳統大模型更加消耗算力，GPU的數量和質量對模型能力的影響依然是決定性的。從總體上來說，芯片規模和性能，還是和大語言模型的能力上限存在強關系。

還有因為國內算力緊缺，所以國產大模型的參數量都相對較小。像DeepSeek和kimi算是比較大的了，但也就在1T參數左右。而美國的幾家頂尖閉源模型雖然沒有公布參數大小，但是從定價，傳聞還有世界知識的豐富度來看，我們可以估計，它們的參數都超過了5T，甚至有可能超過10T。

按照經驗公式來看，訓練模型的大小出現線性提升，訓練所需的算力就需要指數級提升。盡管模型大小并不完全決定模型能力，像DeepSeek這樣的團隊可以通過創新和優化在有限的算力內提升模型能力，但是主流的大模型參數越來越大仍然是相當時間內無法避免的趨勢。

所以中美大模型之間暫時存在一定能力差距是事實，問題是我們并不需要對這種差距過度焦慮，這種差距沒有什么神秘化的成分，就是芯片數量的物理限制所致。

從總體的情況來看，中美人工智能差距在算力有明顯不足的情況下反而在縮小。像Seedance2.0算是我國第一個性能遠超美國大廠的AI模型，如果說傳統的大語言模型，中國和美國頂尖水平的差距依然是3到6個月左右。具體是多少沒有那么容易量化，畢竟人工智能的各種測試集都很容易出現過擬合。

AI編程不是中美AI競爭的“勝負手”

之所以這半年來國內炒作中美AI差距增加的輿論又多了起來，主要還是因為人工智能行業的風向變化太快。在去年12月，大多數聲音還在夸谷歌的Gemini3.0有多聰明，知識結構有多豐富；結果三個月之后熱點變成了編程和agent，Gemini就被說成是“美國豆包”了。

這種評價其實和大模型的真實能力差距關系不大，在世界知識這個領域，Gemini至今依然是明顯領先的。能力相近的模型之間在編程上的差距，目前更多的還是后訓練和生態建設的差異導致。在一些被視作智能的指標上，A社也不怎么樣，如果說A社模型在編程之外其他的長處，那應該是角色扮演。

現在國內各公司也開始加大code類應用的開發投入，相信國產大模型在編程能力上的提升會比大多數人估計的更快，美國公司在這方面的領先并沒有什么神秘的，不可逾越的壁壘。

更深入一層來說，這段時間大模型的“唯編程論”，其實說到底還是AI行業深陷盈利焦慮的體現。

目前AI相關的各種商業模式中，編程付費可以說是最成熟穩定的。雖然各家推出的coding plan業務，盡管價格普遍昂貴也還是無法覆蓋成本，但互聯網公司和程序員群體已經是最有意愿為AI付費的群體了。而且大型編程項目對token的消耗量是極高的，在各種agent爆發的當下更是如此。所以AI編程是目前大模型盈利遠景的救命稻草，Anthropic公司更是借此獲得了近萬億估值。

各種互聯網公司目前瘋狂消費token,降本增效的狂熱幻想當然是最大動力。但具體到硅谷大廠們來說，因為這些大廠手里普遍都拿著不少AI公司的原始股，所以它們炒作AI編程取代人工，大量花錢買token并不心疼，畢竟這些AI公司一旦上市，它們將獲得巨額股價回報。

但起碼就目前來說，大模型在編程方面能徹底取代程序員的前景是很可疑的。這兩年美國就業市場的確因為AI被嚴重沖擊，但按照美國最近的就業統計，在各大公司狂燒token的背景下，美國軟件工程師就業行情反而有所改善。

首先這波AI裁員潮和美國疫情之后放水政策導致的過度招聘有關，而且被裁的很多并不是程序員。更為根本的是，雖然現在的大模型擁有極強的編程能力，但依然是程序員本身的能力越強，效果才越好，外行用AI寫寫小程序和簡單項目完全沒問題，但面對復雜項目還是玩不轉。

最近因為AI的普及，很多原來業務不涉及復雜軟件服務的公司也有了野心，紛紛啟動各種項目。然后這些本身沒有技術底蘊的公司馬上就會發現，光靠AI寫代碼是不行的，還是要招聘程序員。這是美國最近程序員就業反彈的主要原因，當然，再就業的程序員待遇能不能比得上大廠就是另一個問題了。

與此同時，越來越多的大廠也發現，AI編程帶來的降本增效效果遠比事前想象的要差。所以AI編程的商業前景并沒有現在資本市場炒作得那么明朗。于是最近又有一種觀點為AI編程提出了更美妙的前景，認為比起讓AI花大代價進一步理解充滿不確定性的人類思維，可能讓AI完全掌握規則清晰固定的機器語言的代價會小不少。

更進一步，如果AI能完全掌握編程，并通過各種智能體學會完全控制人類的各種終端和系統，甚至擴展到具身智能，那么也能勉強算是實現AGI了。當前的agent熱也是這種觀點的體現，這也是前文那些恐慌性輿論背后的一種認知因素。

問題是，先不說在現有技術路線下，想達到這一目標還需要花多少時間燒多少錢。假如真實現了，那毫無疑問，絕大部分程序員就真的要被干掉了。按照目前估計，想要保證人工智能投入的收支平衡，在2030左右需要達到年收入2萬億美元。但目前硅谷所有人的工資加上印度軟件外包產業，也就是年一萬億的水平。

也就是說，把硅谷和印度的程序員全裁了，還得有一半的盈利缺口，剩下的缺口還要再讓起碼幾千萬人失業才能填上。今天的美國和其附屬國家們真的扛得住這種毀滅性的失業沖擊嗎？真要到這一步，扔向山姆奧特曼別墅的可就不是燃燒瓶了。

所以美國大模型編程能力的暫時領先，根本不是什么中美AI競爭的“勝負手”，反而在這方面越發展，越可能讓美國社會，乃至整個西方世界變成火藥桶。

實現算力突破仍是中國AI發展的當務之急

看看美國精英們的為所欲為，看看硅谷AI右翼們狂熱自大的樣子，我們就不難明白，在火藥桶徹底點燃以前，美國的統治階層根本沒有動力去解決AI發展帶來的社會矛盾。由于美國金融和互聯網霸主的地位，他們還會將這種矛盾輸出至全世界。

為了避免這種悲劇性前景，作為目前世界上唯一一個真正能負起責任的大國，中國盡快突破AI領域的最后瓶頸，徹底破除美國的AI神話是極其有必要的。中國社會當然也會不可避免的受到AI發展帶來的種種沖擊，這點我們在之前的文章中多次討論過，但同時，我們也有能力，有意愿在這一過程中直面和解決AI帶來的各種問題，乃至最終構建出一套AI時代社會持續發展的新范式，這也是中國作為負責任大國的職責所在。

這個任務首先還是要著落在算力突破上。這次特朗普訪華后，一開始傳言的“H200入華”并沒有實現。事實上，這個窗口期不會存在很長時間。這不光是因為現在國內正堅定的走自主研發的道路，也是因為當前特朗普在AI相關的承諾上根本沒有任何信用效力。

先不說美國一些智庫和媒體對中國AI能力的“捧殺”，以當前美國的各種反華勢力正在大力鼓吹和中國進行“AI決戰”的架勢，芯片方面的銷售協議怕不是三個月就得被抵制作廢。

國產GPU目前面臨三方面限制，先進制程，產能和生態。其中產能和生態的限制現在來說沒那么大了。首先是生態，這方面之前被很多人認為是最難解決的，但現在可能是最好解決的了。一方面是中國市場足夠大發展足夠快，生態總歸是用出來的；另一方面就很幽默，以前涉及到GPU內核的代碼只有少數專業人士才能實現，但現在大模型的編程能力使得這方面技術門檻降低，生態跨平臺的成本也隨之顯著降低了。

產能問題也可以逐漸解決。按照某些開源情報的評估，之前國內企業購買的進口光刻機的產能，實際上遠遠沒有完全發揮出來。限制產能的不是光刻機，反而是其他領域，好在這些領域的國產化速度比較快。同時，國產的DUV光刻機進度顯然也會比EUV更快。

最難的就是先進制程。當下DUV的多重曝光收益已經到了極限，傳統方式很難繼續下去。而EUV技術的復雜程度使得就算造出了機器，也未必能直接用來制造芯片。哪怕是ASML，在正式交付EUV光刻機之前，也有一代產品造出來但是沒有投入市場。

雖然中國憑借電力上的充沛，可以用規模效應抵消芯片在最先進制程上的差距，但制程差距太大肯定也是不行的。華為這次提出來的“韜定律”就是解決先進制程限制的重大突破。

“韜定律”的突破性意義

正如本文開頭所說，對“韜定律”到底是不是一種定律的概念性爭論并不重要。邏輯折疊的確是本次“韜定律”藍圖中的關鍵技術，但兩者并不完全等同。“韜定律”從整體上來說是華為綜合了很多技術經驗后，對未來芯片發展的一個展望性總結。

一些輿論以其他半導體公司也有類似邏輯折疊的探索為理由否定“韜定律”的創新性，這也欠缺說服力。面對半導體制程發展的減緩，芯片制造企業必然會嘗試尋找其他的路徑。而半導體技術發展到了如今這個地步，可供探索的新方向目前也就只有那么幾個。除了國外一些半導體企業，國內像長江存儲也選擇了探索和國際主流不一樣的技術路線，它家的Xtacking技術思路和華為有些類似，但是具體工藝上差異相當大。

問題是從技術探索到生產落地，中間經常隔著很遠的距離。在過去的幾十年里，提高邏輯芯片性能雖然有很多方式，但提高制程一直是最簡單最有性價比的方式，所以海外一些公司就算做出了探索，也很難有動力去應用到實際生產。以華為為代表的國產芯片公司因為先進制程受限，所以提前選擇這個路線也是水到渠成。

而且那些沒受制裁的企業目前繼續推高制程的難度也越來越大。像臺積電在探索下一代制程的過程中，并沒有使用ASML的下一代High-NA EUV光刻機，而是用老的EUV搞低效的多重曝光，因為新一代技術的可靠性和性價比都值得懷疑。

以這樣的趨勢來看，各家先進半導體公司未來大概都會嘗試類似的路線，無非是中國企業先邁出了一步。如果華為真能在新技術路線上率先實現量產，那么占據這一領域的定義權也是無可厚非的。當前階段的中國正需要在各種領域樹立我們的定義權。

雖然邏輯折疊確實不是前所未見的技術，但這也有好處，這類技術和現有的半導體技術繼承關系比較大，可以快速投入應用，這也是華為宣布相關產品今年就可能落地的原因。之前有個討論很廣的光刻機替代方案叫做光刻廠，從理論上并非不行，但是想要滿足這個系統的運行，半導體生產線就需要重做，這種技術就很難快速投入應用了。

而且從公布的論文中看，華為的邏輯折疊比AMD的X3D技術復雜很多，因為需要重新設計整個芯片的結構，而不是加一層存儲層那么簡單。從邏輯芯片的3D化來說，華為提出的路線顯然是更進一步的，這也算是一個不小的范式革命了。

這也足以證明，雖然在先進光刻領域我們還受到很多限制，但是在其他方面的進步速度是喜人的，沒有這些領域的進步也支持不了“韜定律”的創新。同時，這條路線也面臨幾方面的困難，如果華為在未來都能將之攻克，那么就真的可以稱為劃時代突破了。

首先這種3D化的結構要求重新建立芯片的設計理念，因為用傳統設計進行邏輯折疊會帶來不可接受的延遲，所以必須要用特別優化后的互聯設計把延遲降到最低，設計難度很大。目前無論是相關工程軟件或是人工智能，對這方面的設計都存在盲區。

然后是散熱問題。無論怎么說，邏輯折疊都會帶來更多的熱量，傳聞華為為了這款芯片設計了全新的散熱系統。但這還不是最大的問題，畢竟手機的芯片功率只有幾瓦，如果要把這種技術用在GPU上，難度就大很多了。畢竟GPU的功率有幾百瓦甚至是上千瓦，對散熱的要求高太多了。

所以在華為的路線圖里可以看到，昇騰系列GPU用上這個技術的時間明顯比手機芯片更晚，這應該和散熱有些關系。而邏輯折疊繼續發展下去，未來可不止兩層邏輯芯片，到時候散熱應該怎么做又是全新的挑戰了。

最后是產能問題。邏輯折疊技術不僅需要復雜的芯片設計，還需要比當下更復雜的先進封裝技術，在早期究竟能騰出多少產能來生產這類芯片實在很難說。如果用來制造GPU，還需要晶圓上有大面積的無缺陷區域，這也意味著更高的良率要求。

說到這里，筆者也不建議拿華為的路線圖來推測國產EUV落地的情況。畢竟“韜定律”的路線圖相當復雜，就算造出國產EUV，也未必會第一時間用在這上面。按照我國半導體的發展方向，初代的EUV很有可能先用在存儲芯片上，迭代之后再逐步用在先進邏輯芯片上。

如今摩爾定律正面臨失效，傳統制程技術正在接近天花板，未來邏輯芯片必然會向著3D化發展。當下存在的這些困難都不是阻礙技術發展的理由，而中國龐大的芯片市場，也足以給攻克這些技術難關提供強大的動力。

正如我們之前在文章中多次強調過的，中國當前無論發展AI還是搞載人航天，目的都不是為了與美國進行競爭；相比起美國，中國在這些領域的投資理性也是有目共睹。但奈何在這兩個領域美國都擺出了要和中國決戰的姿態，絕不容許中國在這兩個領域超過美國。可以說，當美國的工業能力陷入體系性的衰退之后，就開始愈發迷戀“決戰兵器”式的邏輯。

既然如此，我們也唯有努力盡快徹底突破美國的技術封鎖。與美國的競爭對我們并不重要，但替廣大后發國家徹底打碎美國的技術神話，將技術的解釋權和發展權掌握在第三世界手里則是非常重要。而由于美國當前ALL in AI式的極度狂熱情緒，在這個領域實現徹底的超越，對打碎美國技術神話的作用將是決定性的。等國產算力瓶頸徹底實現后，這一天就很近了。

期待更多的“韜定律”出現。

往期文章導讀：