泉源：市场资讯

泉源：腾讯科技

华为半导体营业总裁何庭波。。。。图片经由AI处理

文丨苏扬

编辑丨徐青阳

华为更新了“韬定律”论文的V2版：《A time scaling theory for multi-layer electronic systems》（关于多层电子系统的时间缩放理论），，，整个论文可以概括为后摩尔定律时代华为对芯片性能的一连扩展的思索。。。。

在摩尔定律框架之下，，，晶体管数目每24个月翻一倍，，，但这套框架在近几年最先失准，，，而在华为身上还面临着特殊的限制：先进EUV和高端DUV光刻机遭遇禁运。。。。

已往，，，为了延续摩尔定律的晶体管几何微缩，，，“多重曝光”这种几何微缩成为国产芯片突破7nm等先进工艺的要害手段。。。。只是，，，多重曝光带来了本钱和良率问题，，，且这项手艺也有极限，，，“韬定律”则是绕开这种手艺方案的新路径。。。。

凭证华为的测算，，，今年的Kirin 2026芯片，，，基于韬定律单次迭代实现的晶体管密度提升，，，相当于古板几何微缩三年（代）的水平。。。。

可以这样说，，，“韬定律”反映的是一种更系统的方式来做先进工艺芯片，，，去对标古板晶圆制造的5nm、3nm甚至是1nm芯片。。。。

5月份刚发论文的时间，，，我就把“韬定律”解读为：在晶体管密度受限的情形下，，，从底层器件，，，到顶层系统，，，优化、缩短信号传输和处理的时间，，，来优化芯片的性能。。。。

华为在第一版论文中就强调，，，“韬定律”是已往6年时间381颗芯片量产的履历的总结，，，不过其时由于数据少，，，争议也较量多，，，好比“定律”二字。。。。

为了消除这种质疑，，，华为也在最新论文中，，，更详细地通过实例对“韬定律”涉及到的“时间微缩”、“逻辑折叠”等等举行了增补诠释，，，以验证它的逻辑闭环。。。。

Kirin 2026：韬定律的量产测试

韬定律的理论基础建设在τ= f（τ_transistor，，， τ_circuit，，， τ_chip，，， τ_system）分层函数之上，，，它将整套系统时间常数，，，拆解为晶体管、电路、芯片、系统四层子时间常数的耦合关系。。。。

工程师们通过压缩各层级时延，，，最终实现全栈τ缩放。。。。

好比，，，在晶体管层，，，通过高K值/金属栅极、GAA架构等来微缩时间常数；；；；；再好比在芯片层，，，通过架构、存储条理等来解决盘算和内存会见延迟，，，组成芯片层时间常数的微缩。。。。

2026年度旗舰机将搭载的“Kirin 2026”芯片，，，是第一款对“韬定律”举行验证的量产级移动SoC芯片。。。。

对智能手机SoC来说，，，芯片即系统。。。。它没有多插槽看法，，，亦不可通过上千个节点网络来平衡慢速链接，，，以是，，，交付的芯片性能就是最终确认的。。。。同时，，，华为面临先进节点制造装备限制，，，不得不率先在移动SoC领域探索新路径，，，以便于在一个牢靠节点实现性能的代际提升。。。。

要在移动SoC上让“韬定律”落地，，，实现τ时间微缩，，，华为的谜底是逻辑折叠。。。。

它是一种设计要领论，，，遵照时间缩放原理，，，将简单硅片上的寄存器、运算电路拆分，，，部分放到第二层堆叠晶圆，，，使得第一层的晶体管密度更高（如下图），，，再通过笔直短通道取代横跨芯片的长线，，，链接两层，，，缩短信号传输距离以联合优化性能、功耗和面积。。。。

与HBM多层DRAM裸片笔直堆叠差别，，，逻辑折叠是将差别功效器件拆分结构在多层晶圆上，，，实现跨芯片单位的分层优化排布。。。。

若是用盖屋子来形貌，，，古板芯片就是单层平房，，，所有电路元件平铺在统一层晶圆上，，，模？橹渚嗬朐，，，信号要走很长的金属线。。。。

逻辑折叠则是一种立体化设计思绪，，，相当于把单层平房改成双层复式，，，它不必换修建质料，，，也就是不依赖更先进光刻制程，，，不缩小晶体管，，，直接把电路单位拆分到上下两层晶圆，，，靠混淆键合工艺贴合，，，原本横跨整片芯片的长走线，，，被替换成上下层之间的笔直通道。。。。

回到韬定律对应的分层函数τ= f（τ_transistor，，， τ_circuit，，， τ_chip，，， τ_system），，，逻辑折叠对应就是τ_circuit（电路层）的时间常数微缩。。。。

凭证华为在论文中提供的数据，，，以Kirin 9030 Pro为参照基线，，，虽然接纳相同制造工艺，，，可是引入逻辑折叠的Kirin 2026，，，晶体管密度从基线的155MTr/mm?提升至238MTr/mm?，，，若是凭证古板的几何微缩，，，这样的提升需要3年（3代）工艺进化才华实现。。。。

不过，，，由于论文中晶体管密度盘算公式为：[2×10?] ÷ [栅接触间距 × 标准单位高度]，，，而行业多接纳[1.474×10?] ÷ [栅接触间距 × 标准单位高度]。。。。也就是说，，，华为晶体管密度盘算口径下，，，数据比行业标准多了35.7%。。。。

两个口径的差别在于华为的盘算逻辑中，，，计入了填充、隔离辅助器件，，，而行业仅统计有用功效逻辑晶体管。。。。

以是按行业标准口径，，，Kirin 2026的晶体管密度应为175.39MTr/mm?，，，即每平方毫米1.75亿颗晶体管。。。。密度小幅凌驾台积电 5nm平面工艺的标准逻辑密度上限，，，后者晶体管密度规模落在138.2–171.3MTr/mm?这个区间。。。。

除了晶体管密度提升，，，Kirin 2026将供电电压下调了0.2V，，，但与Kirin 9030 Pro坚持一律的性能（如下表）。。。。一律性能下的实测功耗只有参照基线Kirin 9030 Pro的59%，，，功率密度也只有94.4%。。。。

华为还专程强调Kirin 2026选择的是一种趋于守旧的逻辑折叠，，，体现晶体管密度的提升仍然有空间。。。。

凭证华为的展望，，，未来10年，，，逻辑折叠将从局部路径折叠演进为全规模、多层折叠。。。。从2026年到2035年，，，晶体管密度预计将向400MTr/mm?（按行业口径为294.8MTr/mm?）及以上攀升。。。。同时，，，逻辑折叠也将使得麒麟芯片能够大幅提升CPU核频率，，，为突破4GHz及以上铺平蹊径。。。。

在毫瓦级别的移动端SoC上验证有用的“韬定律”，，，在GW级别的AI数据中心机架能不可行得通呢？？论文强调谜底是明确的。。。。

华为体现，，，大型AI集群中凌驾80%的能量消耗于数据传输；；；；；凌驾70%的系统整天职配给数据存储。。。。这个现状直接意味着镌汰数据在传输中破费的时间——在芯片之间、机架之间和封装之内——与镌汰盘算自己的时间一律主要。。。。

韬定律在数据中心扩展中的落地，，，主要通过系统架构（统一总线，，，Unified Bus）、一个近封装光学引擎（Hi-ONE）和封装自己的拓扑重组（3D Folding）三层的相关手艺协调来实现，，，与“韬定律”函数中的τ_chip、τ_system细密相关。。。。

以Unified Bus和Hi-ONE为例，，，对应消除跨节点协议转换开销、解决集群高速互连传输延迟，，，两者大幅压缩整机系统τ_system的通讯时间常数，，，进而服务于τ时间微缩。。。。

凭证华为的预估，，，到2030年前后，，，AI加速器主要依赖成熟手艺组合（依赖成熟手艺的组合：chiplet、2.5D、3D堆叠），，，到2030年之后，，，昇腾990将最先引入逻辑折叠。。。。凭证这一蹊径图，，，硬件集成度预计到2035年增添凌驾100倍。。。。

所谓的硬件集成度，，，包括单芯片维度的3D堆叠集成，，，也包括封装层面I/O、供电、内存的笔直集成以及整机层面的互联集成。。。。

一切归于STCO

在一位资深研究员看来，，，“韬定律”的实质就是STCO（System-Technology Co-Optimization，，，系统 - 工艺协同优化）。。。。

与STCO关联，，，或者说更古板的是DTCO（Design-Technology Co-Optimization，，，设计 - 工艺协同优化）。。。。DTCO涵盖晶圆工艺、标准单位、国界布线协同优化，，，它突破了“晶圆厂只管造，，，客户只管设计”的界线，，，让芯片设计厂商（客户）和EDA工具厂商在工艺开发初期就介入，，，配合界说标准单位库和物理规则。。。。

已往十多年，，，台积电一直在联动相助同伴探索DTCO。。。。

好比在7nm上，，，通过重新设计标准单位，，，用更少的鳍片驱动同样的电流，，，使得相比10nm逻辑密度提升凌驾1.6倍，，，功耗降低40%左右。。。。只是，，，DTCO局限在单颗裸片内部，，，器件团队、电路团队、系统架构团队各做各的。。。。

华为在论文中强调，，，“韬定律”是使端到端客栈协同优化成为可能的语言——而每层自力优化、时序作为残差泛起的时代已经竣事。。。。而“端到端客栈协同优化”这句话，，，着实就是STCO的焦点目的。。。。

半导体工业在摩尔定律的框架下运转了60年，，，晶体管数目虽然是几何维度的扩展，，，但实质上依旧通过微缩晶体管、缩短走线，，，实现更短的信号传输时间，，，说究竟照旧压缩时间的工具。。。。

“韬定律”只是从系统层面出发，，，强化压缩时间的目的。。。。在“韬定律”中，，，工艺、电路、架构、系统工程师都有一个统一目的，，，即“缩短 τ”。。。。

值得关注的是，，，随着2nm以下更先进工艺晶体管微缩越来越难，，，简单裸片维度的DTCO逐渐让位于STCO，，，台积电最先与苹果、联发科等客户落地相关营业。。。。其中，，，苹果M系列的Ultra级芯片所接纳的UltraFusion封装，，，就是STCO的典范应用。。。。

简朴来说，，，DTCO考究的是“晶体管怎么摆放、怎样连线”，，，STCO思量的是“CPU与HBM内存怎么通过CoWoS封装互联在一起最快”。。。。

为什么是现在，，，为什么是华为？？

文章开头我们就提到了摩尔定律逐渐失效的现状，，，华为在小序中也强调，，，越发量化所在出了几何缩放面临的手艺、经济性以及特定企业面临的出口管制问题。。。。

凭证华为在论文中披露的数据，，，掩模本钱、EUV折旧和设计规则重大性推动前沿芯片设计预算在2纳米节点凌驾每颗十亿美元。。。。

“7纳米节点之后，，，几何缩放不再带泉源史性的盈利。。。。光刻工具正迫近图案化的物理极限，，，EUV折旧主导了晶圆本钱，，，单位晶体管价钱曲线趋于平展——甚至在某些情形下泛起逆转。。。。”何庭波在论文中写道，，，并且强调，，，对那些获取最先进光刻工具受限的组织而言，，，约束更早展现且更为严肃。。。。

在华为看来，，，目今的行业焦点问题不是“晶体管还能缩小几多”，，，而是“应该缩放什么，，，针对什么目的？？”

时间缩放，，，这就是华为的谜底。。。。

“未来十年电子系统演进不应由几何缩放指导，，，而应由时间缩放指导——系统性地降低贯串盘算栈每一层的简单特征时间常数τ，，，从皮秒级开关的晶体管到秒级响应的数据中心事情负载。。。。”何庭波论文中强调这一洞察源自华为半导体团队在移动SoC、AI加速器、系统架构和封装等领域的硅基实践中的研究，，，即前文提到的6年、381颗芯片。。。。

那韬定律是不是标准谜底呢，，，或是不是完善的呢？？

“将τ缩放表述为已完成的系统是误导性的。。。。”何庭波在论文中也否认了现阶段的完善论，，，以是外界的争媾和品评都有合理性。。。。；；；；晕，，，包括EDA等在内的原生工具链、差别批次、工艺的晶圆键合带来的工艺变异等，，，都是韬定律所面临的开放挑战。。。。

“许多开放问题仍然保存，，，没有任何简单组织能够单独应对——工具链、标准、基准、器件物理和经济模子都需要来自任何一家公司之外的孝顺。。。。因此，，，本文既是一份来自一线的报告，，，也是一份约请。。。。”

华为在论文末尾，，，这样总结韬定律。。。。

文章开头，，，我们提到“定律”二字的争议，，，这是由于摩尔定律、登纳德缩放定律等，，，都基于全球数十年、上百家企业的海量产品视察归纳出的统计纪律。。。。“韬定律”则是华为基于自身量产芯片沉淀出的工程要领论，，，依赖自研数据库搭建专属时延公式和定制参数，，，它需要更多第三方自力的复测，，，来验证这套规则的可靠性。。。。

“现在的问题是光华为自己宣布不可说服各人，，，要第三方机构测试，，，但华为宣布实例也体现了信心和准确性。。。。”一位资深半导体视察人士说。。。。

《芯片简史》作者汪波教授已往一段时间在许多场合谈及“韬定律”的工业价值和挑战，，，他以为最大的挑战，，，着实还来自于信心。。。。也就是怎样凝聚共识，，，让学术界、工业界接受这一新的叙事，，，让AI厂商愿意适配新的芯片设计思绪，，，让业内所有人愿意加入到厘革中来，，，劲往一处使，，，开发出一条新路。。。。“这似乎比当初鸿蒙系统的切换更有挑战，，，但又很值得去做。。。。”

围绕图片资源优化：焦点主题页建设排查顺序

从站点稳固性与手艺SEO认真人的视角看，，，《图片资源优化：焦点主题页》不是一篇只为笼罩要害词的文章，，，而是一次围绕真实问题睁开的诊断、修复和复盘。。。。用户通常不是一最先就能说清根因，，，他只会形貌页面打不开、收录异常、排名波动、咨询镌汰或内容看起来不可信。。。。专业处理要先把这种模糊感受拆成可验证的问题，，，再决议是手艺修复、内容重写、结构调解照旧信任补强。。。。这个主题的焦点难点在于：用户体验、搜索抓取和营业转化同时依赖稳固链路，，，任何一层异常都会让页面信任被削弱。。。。若是团队只凭履历连忙操作，，，容易泛起越修越乱的情形。。。。

更稳的做法是先建设证据表，，，把征象、时间、URL、影响规模、工具泉源、日志位置、认真人和验证效果放在统一处，，，确保每一次判断都能被复核若是以为主线，，，正文需要把发明问题、定位问题和确认恢复串成一连历程。。。。

围绕图片资源优化：焦点主题页补强E-E-A-T信号

高端SEO内容要同时解决搜索明确和用户信任。。。。履历性来自真实场景，，，专业性来自可执行要领，，，权威性来自角色、审核和泉源，，，可信度来自界线、更新和证据。。。。本文优化后会围绕DNS剖析、证书链、CDN节点、源站日志、响应耗时、渲染效果、过失缓存和真适用户体验数据睁开，，，不使用包管排名、包管收录、绝对有用这类不可证实的允许，，，而是把问题、证据、行动和复盘写清晰

图片资源优化：焦点主题页页面恢复战略

应优先执行：按入口、传输、源站、渲染和营业路径分层排查，，，优先恢复焦点入口，，，再做恒久监控和宣布回归。。。。这让文章不但是说明问题，，，而是把用户从履历、判断、处理到复盘的路径完整泛起出来。。。。先界定问题，，，而不是先堆叠行动 性能优化应以真适用户完成使命的速率为中心。。。。实验室分数能提供线索，，，但不可替换真实网络、装备和营业路径中的证据。。。。关于“图片体积与结构转变影响首屏和视觉稳固性”这一征象，，，建议先建设最小判断单位：明确目的URL或盘问、异常Ｗ钕仁奔洹⑹苡跋熳氨富虻厍⒂涤畔燃，，，以及是否保存同期宣布、迁徙、模板调解或外部需求转变。。。。只有这些界线清晰，，，后续数据才有诠释力。。。。

本主题的要害证据包括：名堂、尺寸、响应式图片、懒加载、压缩、缓存与CLS。。。。这些证据不应划分由差别人生涯在各自工具里，，，而应进入统一张排查表。。。。排查表至少包括征象、证据泉源、时间规模、可复现条件、假设、责任人、变换号和验证结论。。。。这样做的目的不是增添流程，，，而是阻止“一个人看到排名、另一个人看到日志、第三个人看到投诉，，，却没有人能把它们连起来”的常见失误。。。。问题履历：用可复核证据取代主观判断 一次典范排查履历是：某B2B站点在一次内容与模板宣布后的第7天，，，运维认真人发明与“图片资源优化”相关的重点页面泛起图片体积与结构转变影响首屏和视觉稳固性。。。。

团队没有连忙大规模重写页面，，，而是先冻结非须要宣布，，，导出前后28天的搜索体现、会见日志、页面速率与转化事务，，，并选取3个正常页面作为比照。。。。效果可能显示问题集中在某个模板、某类URL或某段用户路径，，，也可能证实转变主要来自搜索需求和竞争效果。。。。这段履历的价值不在于给出某个牢靠结论，，，而在于展示：任何优化都应建设在可复核证据上。。。。宣布时不要把履历写成“我们让流量提升X%”之类无法证实的效果。。。。更切合E-E-A-T的表达方式是说明视察到什么、怎样丈量、使用了哪些数据、做了哪些转变、哪些效果仍在视察，，，以及哪些结论不适用于其他站点。。。。

检查清单 - 划分收罗RUM、合成监控和服务器侧耗时 - 识别首屏要害元素、要害请求与主线程长使命 - 区分网络传输、服务端处理、浏览器渲染和第三方壅闭 - 按装备、网络、地区和页面模板切片剖析 - 核对性能恶化与跳出、咨询、表单完成之间是否相关 - 围绕“图片资源优化”确认页面角色、目的用户与优先级是否被写清。。。。- 纪录每次检查的日期、工具泉源、原始截图或导出文件位置，，，阻止只保存口头结论。。。。操作方法 - 建设图片资源优化的工具清单：把焦点URL、支持页、盘问词、营业行动和认真人对应起来。。。。

- 以“让图片质量、尺寸和加载优先级与内容角色一致”作为首轮战略，，，先处理能阻断用户或抓取的高优先级问题。。。。- 先确定用户最常走的要害页面和要害行动 - 压缩或延后非要害资源，，，阻止优化无关资源 - 优化缓存、接口、图片、字体和剧本的加载优先级 - 将变换拆分为小批次并保存比照组 - 为要害指标设置趋势告警和回归阈值 - 把修复效果写回主题地图：哪些页面保存、哪些合并、哪些更新、哪些暂缓索引，，，都应有明确理由。。。。验证要领与验收口径 焦点主题页的验收不可只看单天数据，，，应至少笼罩一次抓取、一次宣布后回归和一个完整的营业视察周期。。。。

- 复测TTFB、LCP、INP和要害接口耗时 - 审查弱网、旧装备和移动端的使命完成情形 - 比对改动前后的跳出、停留与转化路径 - 确认第三方剧本和资源更新不会笼罩优化设置 - 针对“图片资源优化”保存至少一份改动前后比照纪录，，，并注明数据窗口。。。。- 检查修复是否改善了用户路径，，，而不是只改善了某个工具里的简单评分。。。。E-E-A-T宣布要求 正式宣布前，，，请补齐作者角色、审核角色、更新时间、适用规模、数据泉源和变换纪录。。。。涉及真实客户、流量、排名、故障或转化的内容，，，应使用已获授权且可复核的数据；；；；；无法果真的数据可以说明要领与规模，，，但不要编造效果。。。。

文章内的案例必需标明为“示例情境”或“经授权案例”。。。。引用第三方规范、平台说明或手艺文档时，，，应保存原始泉源、会见日期和与本文结论的对应关系。。。。这样做不但能提高可信度，，，也能让后续更新有依据。。。。手艺增补：阻止只修外貌信号 手艺类问题往往会跨越模板、缓存、网络、服务端和内容层。。。。处理图片资源优化时，，，建议把“用户看到什么”“爬虫拿到什么”“服务器现实返回什么”脱离纪录。。。。初始HTML、渲染后DOM、HTTP响应、缓存掷中、接口耗时与真适用户行为是差别层面的证据，，，不可相互替换。。。。

当问题只在部分地区、部分装备或部分时间泛起时，，，更需要保存情形信息：网络运营商、浏览器版本、装备性能、请求头、缓存状态、CDN节点、宣布批次和过失追踪ID。。。。没有这些信息，，，团队很容易在问题消逝后仍无法诠释原因。。。。手艺修复应优先思量可逆性。。。。先用小规模灰度、单页面验证或暂时开关确认偏向，，，再扩大到全站。。。。把上线时间与监控图表对齐，，，阻止把自然波动误判为修复效果。。。。关于影响抓取和索引的变换，，，还应预留视察周期，，，由于搜索系统对页面转变的处理并不是即时完成。。。。结语 图片资源优化不应被当成一次性使命。。。。

真正成熟的做法，，，是把每次异常、优化和验证沉淀为可复用的判断框架：先界说问题，，，再建设证据；；；；；先做小规模变换，，，再检查用户路径；；；；；最后把履历写进内容、架构、监控或宣布流程。。。。这样页面质量、搜索体现和营业信任才会形成同向循环。。。。复盘与落地 文章宣布后，，，不应只看是否被收录，，，还要视察搜索展现、点击率、页面停留、咨询质量、客服追问和后续转化。。。。若是数据变好但用户仍然重复追问，，，说明内容没有把界线和下一步讲清晰；；；；；若是收录正常但转化缺乏，，，说明页面可能只知足了搜索需求，，，没有真正解决决议疑虑。。。。一连复盘这些信号，，，才是E-E-A-T内容库能恒久施展价值的原因