华为“韬定律”深度解析：以“时间缩微”突破芯片封锁
本文深度解析了华为在ISCAS 2026上发布的“韬定律”，这是中国半导体产业首次提出指导发展的新原则。文章指出，面对摩尔定律失效和外部制裁，华为通过“逻辑折叠”技术和“时间缩微”路径，试图在不依赖EUV光刻机的情况下，实现芯片性能的代际跨越。文章还详细介绍了麒麟9050及灵衢总线的战略意义，分析了华为从“跟随者”向“规则制定者”的转变。
相关文档
华为「韬定律」V2 版论文深度研究报告
本文深度解析了华为何庭波发布的「韬定律」（τ 定律）V2 版论文。V2 版本在 V1 的理论框架基础上，补充了工程落地细节、麒麟 2026 实测数据及未来产品路线图。核心思想是将芯片进步的驱动力从“晶体管几何缩微”转向“时间常数缩微”，通过逻辑折叠（3D Folding）、统一总线（Unified Bus）和光互连等技术，在不依赖先进光刻工艺的情况下实现性能代际提升。文章还分析了其战略意义及面临的产业生态挑战。
韬定律:后摩尔时代的工程方法论(官方论文解析)
文章解析了关于华为“韬定律”的官方论文，指出其并非传统摩尔定律的延续，而是一种以后摩尔时代时间预算为中心的全新工程方法论。通过LogicFolding、3D堆叠和Unified Bus等技术，旨在优化从晶体管到系统的全链路延迟，将竞争焦点从单纯的晶体管尺寸转移到系统时间效率的优化。
Tiny Tapeout做你人生的第一颗开源芯片
Tiny Tapeout 将流片成本从数万至数百万美元降低到约300美元，让普通工程师、学生和创客也能拥有自己的定制芯片。它向 GlobalFoundries、IHP、SkyWater 等晶圆厂购买芯片格子，切分成几百个微型单元（每个约4k逻辑门），数百个设计共享同一块硅晶片和24个IO引脚。受限于面积，适合做8位CPU、加密算法、VGA生成器等概念验证。文章称其为众筹拼车模式在芯片制造上的完美应用，正重塑微电子教育的门槛。
AI 繁荣的三张账单——电、芯片、推理
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
NVHBM改写HBM规则，三家内存厂何去何从？
文章解析英伟达8月26日发布的NVHBM技术：将自研内存控制器移入HBM底座，带宽最高提升30%、功耗降低15%，并推动多家内存厂商共同供货。作者对比三星zHBM（Memory-on-Logic垂直堆叠）与SK海力士的3D堆叠、混合铜键合路线图，拆解内存厂商的利润公式：出货量×份额×单位毛利，指出NVHBM可能压缩独有设计溢价、提升制造能力与良率的重要性。对三星的机会在于进入更多采购名单，海力士则需证明客户有得选时仍选自己。行业增长未必等于每家公司都受益。
十八层宝塔：昇腾十年与中国芯片的系统突围
本文剖析了中国AI芯片（如华为昇腾）的发展演进与系统突围之路。文章指出，AI算力是一座“十八层宝塔”，外部环境限制打破了全球产业链分工，迫使中国芯片从只负责单层设计转向全栈系统协同。从昇腾910到950的演进，体现了在现实约束下通过软硬协同、超节点互联和重构生态寻找破局之路，中国半导体真正积累的是强大的全产业链工程组织与持续迭代能力。
AI 开始设计芯片，利润会留给谁？｜CASPA 峰会洞察 02
基于 CASPA CEO 峰会的观察，文章探讨 AI 设计芯片的落地现状与利润分配。核心结论：AI 先落地于可分步验收的局部任务（生成测试、参考模型、布局探索），决定成败的是验证而非生成；设计提效不等于工具费用下降，客户可能用省下的时间探索更多方案；可靠的评估环节可能成为新收费点，如 GPT-Synopsys 合作中的收入分享框架。文章还分析大客户自研对设计公司议价能力的冲击，提出利润变化的三档推演，并给出投资人视角的观察信号与 2028 年回报检验窗口。
#03 - 手机就是那台电脑：终端厂商的个人智能体
「谁在定义个人智能体」系列第三篇，聚焦终端厂商对个人智能体的定义。文章首先梳理三份底层文件：联想与IDC的个人AI白皮书、IDC与高通的行动式AI白皮书、以及国家级AI终端智能化分级标准。随后逐一分析联想天禧、华为小艺、荣耀YOYO Harness与AgenticOS、vivo蓝心Harness、OPPO个性化主动智能、小米家庭智能和三星多智能体生态的路线差异。下篇总结模型厂商与手机厂商的五种合作方式：外接模型、模型主导体验、模型自造手机、模型开源和全栈自研。最后提炼终端派的五个共同点：智能体是系统层而非App、核心是调度、强调主动、端侧优先保护数据主权、以Harness为核心框架。
Google 发布 Coral NPU 开放架构：让小设备拥有强大 AI 而不耗尽电池
Google 宣布进一步推进 Coral NPU 边缘 AI 硬件方案，发布完整的开放硬件蓝图、编译器工具以及由 Synaptics 等合作伙伴推出的商用芯片。传统芯片因数据在存储与计算间来回搬运而消耗大量电能，Coral NPU 通过在数据所在位置完成计算，大幅降低功耗，让智能手表、可穿戴设备、传感器和家庭机器人等小型设备具备强大 AI 能力。统一开放的硬件标准与软件工具链解决了边缘 AI 开发中各设备规范不一的难题，为下一代低功耗智能设备奠定基础。
AI Semiconductor Endgame (IV)：开源模型对半导体的影响
文章探讨开源模型的崛起是否冲击半导体需求这一热门问题。作者指出市场担忧的核心在于开源是否会压低毛利，进而削弱模型公司购买GPU的能力。但通过动态均衡框架分析，token价格下降的同时，硬件与软件的效率提升（每十年各贡献千倍优化）使成本同步快速下降，毛利得以维持。以每GW算力测算，旗舰模型推理毛利率仍达75%-80%以上，开源模型约60%-70%，token收入是硬件摊销成本的十倍。结论是开源不会伤害半导体行业，动态均衡将持续推动AI基础设施扩张。
