Huawei представила новый подход к проектированию чипов, который должен помочь компании двигаться к передовым полупроводникам даже в условиях санкций США. Вместо классической гонки за уменьшением техпроцесса компания делает ставку на архитектурную оптимизацию: сокращение задержек, ускорение передачи данных внутри чипа и более эффективную компоновку вычислительных блоков.
Подход получил название Tau Scaling Law. В Huawei считают, что индустрия уже не может бесконечно опираться только на закон Мура: транзисторы стали настолько малы, что дальнейшее уменьшение становится всё сложнее и дороже. Поэтому компания предлагает искать прирост производительности не только в новых нормах литографии, но и на уровне всей системы — от внутренней разводки до упаковки и работы больших кластеров.
Самая громкая часть заявления — цель Huawei к 2031 году проектировать чипы с плотностью транзисторов, эквивалентной 1,4-нм техпроцессу. Это важная формулировка: речь не обязательно о прямом производстве на 1,4 нм по классической схеме. Независимых тестов производительности компания пока не представила.
Для Китая это критичная тема. Самые продвинутые подтвержденные возможности китайского производства обычно оценивают примерно на уровне 7 нм, а доступ к передовой литографии ограничен экспортным контролем США. Поэтому Huawei пытается обойти узкое место не только через производство, но и через системный дизайн: advanced packaging, чиплеты, сокращение межсоединений и снижение задержек.
Первым практическим применением станет архитектура LogicFolding. По словам Huawei, она появится в новых Kirin для смартфонов уже в этом году, а затем будет применяться в AI-чипах Ascend и крупных кластерах для дата-центров. Компания также заявляет, что за последние шесть лет уже спроектировала и массово выпустила 381 чип на базе Tau Scaling Law.
Главная ставка здесь — не смартфоны, а AI-инфраструктура. Линейка Ascend стала для Китая внутренней альтернативой Nvidia, особенно после ограничений на поставки американских ускорителей. Спрос на Ascend в Китае растёт, а Дженсен Хуанг ранее говорил, что Nvidia в значительной степени уступила китайский рынок AI-чипов Huawei.
Но до победной риторики ещё далеко. Аналитики указывают на нерешённые проблемы: стоимость, энергопотребление, теплоотвод, системная интеграция и необходимость новых инструментов проектирования под Tau Scaling. Особенно сложно это будет масштабировать для облачных AI-серверов и больших дата-центров.
