華為發布韜定律V2，同一天智庫卻在喊算力短缺

7月3日，國產芯片出了兩件大事。一邊是華為上線了“韜定律”V2版本論文，將這套后摩爾時代的芯片縮放理論，從紙面公式推進到了帶量產實測數據、有明確工程標準的落地階段；另一邊則是瞭望智庫在北京舉辦的“AI算力破局”圓桌論壇落幕，給出了依舊嚴峻的算力現狀：高端芯片階段性供給緊張、算力結構性矛盾突出、產業生態尚不完善。

看似矛盾，但實際上是趨勢在改變：擴大追趕的窗口期的方式，正從單一的差異化技術路線，變成了針對多元算力需求的差異化施策框架。

高端算力為何仍未走通？

要談我國芯片現狀，先得說清楚算力這邊的問題到底有多大。

2026年3月發布的《先進計算暨算力發展指數藍皮書（2025年）》顯示：截至2025年6月，全球計算設備算力總規模已達4495EFlops，同比增長117%；其中智能算力占比達到85%，是絕對增長主力。

這意味著伴隨AI技術迭代，AI服務器與AI芯片市場規模已經實現了翻倍增長，算力正在成為和電力同等重要的基礎設施。

但與此同時，我國算力市場的結構性矛盾十分突出。瞭望智庫舉辦的“AI算力破局”圓桌論壇上，一大半的議程都在討論這一結構性矛盾。

中科院計算技術研究所研究員張云泉直言不諱：我國總算力規模位居全球前列，但高端算力供給存在明顯缺口，已經在一定程度上制約了高端基礎大模型的研發效率。更關鍵的是，AI領域技術迭代以月計算，前沿大模型的領先優勢往往只維持數月，算力的及時補位能力，直接決定了產業競爭力的消長。

高端算力之于我國，有兩個層面的走不通：一邊是光刻機技術限制導致沒辦法短期迅速將芯片制程做小；一邊是摩爾定律本身仙林的尺縮邊際收益下降。

而華為的韜定律給到了一個通往未來的解法。

韜定律V2的補充解釋

韜定律不是“黑科技突破”，它的核心邏輯很直白：既然尺縮走不通，就換一個優化維度

這套以時間常數τ為核心的τ縮微理論，本質是通過3D邏輯折疊（LogicFolding）架構，把平面排布的電路單元做垂直堆疊，大幅縮短信號傳輸的物理路徑，在不升級光刻制程的前提下，提升芯片的性能密度與能效水平。

先前的V1版本的韜定律偏向理論框架，而今天發布的V2版本，則是從產業落地層面完成了對“學術概念”的補充。

論文中公布了同制程節點下，采用邏輯折疊架構的麒麟2026與傳統平面架構的麒麟9030 Pro的對比參數：同等性能條件下，工作電壓從1.1V降至0.9V級，功耗降低41%；同功耗下單核主頻提升13%，晶體管密度提升53%，芯片內部線路總長縮減30%。這些數據并非實驗室樣品的理想值，而是量產芯片的實測結果，意味著邏輯折疊技術已經跨過了量產良率的門檻。

同時V2版本論文明確提出，當混合鍵合間距與頂層金屬布線間距的比值控制在3以內時，3D芯片的設計空間可以從傳統的“宏塊級離散優化”進入“單元級連續優化”階段。通俗來說，過去的3D堆疊只是把不同功能模塊整層摞起來，而達到這個齒比標準后，可以在單個電路單元的粒度上做垂直排布，實現更接近全局最優的邏輯劃分。這個參數的公開，相當于給封測、設備、EDA等上下游企業扔了一個明確的技術錨點，產業鏈配套不用再各自摸索。

在做出以上產業實證的補充后，V2版論文中還同步披露了未來四代麒麟處理器與昇騰AI芯片的演進規劃，意味著邏輯折疊技術不會只停留在消費級芯片，而是會快速落地到AI算力芯片領域，直接對接當前的算力缺口需求。

但未來的理想預期是五年，而現在的算力缺口依舊難解。

能補的缺口依舊有限

生態，是 “AI算力破局”圓桌論壇的高頻詞。

在這場圓桌里，許多產業人士都提到了一件事：國產芯片在配套軟件生態、開發工具鏈成熟度上仍處于爬坡期。

是的，除了本身芯片發展較晚導致的生態落后，即使是韜定律指導下的芯片，也面臨著生態方面的新困境。

邏輯折疊作為新的芯片架構，需要對應的EDA設計工具、模型編譯框架、算子優化庫做全鏈條適配。

目前下游開發者的遷移成本依舊很高，很難快速形成規模化的有效算力供給。同時3D堆疊、混合鍵合工藝本身會增加封測環節的成本，良率爬坡也需要周期。

前幾天，美團發布的Longcat2.0發布，AI圈震動不算大——因為其性能離對面頭部仍然差了一大截，但算力圈著實沸騰了一把：

LongCat2.0用國產芯片跑通了1.6t參數的大模型的訓練，注意，不是推理，而是訓練。

訓練，向來是國產芯片的短板，即使是一直走差異化技術路線的DeepSeek，也只是盡量在訓練階段多用國產芯片，做不到都用國產芯片。

但是，行業也都知道代價：LongCat2.0太難了，難在國產芯片生態。

國產芯片顯存更低、片間互聯、集群通信帶寬不足、硬件一致性差，以至于面對頻發的大規模灰度故障，美團據說自研了彈性容錯、自動故障恢復邏輯，才實現了“全程無回滾、無不可逆loss突刺”。

而在軟件層面，國產AI芯片廠商各自獨立標準，各廠商底層指令、驅動、通信協議互不兼容，美團只能都選用昇騰 5 萬卡集群做專項適配。在這一過程里，萬卡級智算集群部署、運維、擴容沒有標準化方案，都得AI企業自研。

LongCat2.0更像是國產AI從業者努力做的一次證明，而這一證明，更多是通往未來而非當下——幾乎不會有同行去跟進，代價太大了。

這是AI行業同時具備資金基礎并且新入行的玩家才能用的差異化路線。

多點突圍體系正在建立

可能有人看到這里會產生疑問：我國當前算力難道就無解了嗎？

答案是有解，而且還有很多個解法。

韜定律V2已經在當下的產業落地中給出了部分答案，LongCat2.0證明國產卡雖然代價大但也能跑通萬億模型的訓練，國產芯片已經在推理策基本跑通正常使用。

“AI算力破局”圓桌論壇甚至提出，可以“借力推理算力賽道實現技術局部突圍”。成熟制程的晶圓產能國內供給更充足，供應鏈自主可控程度更高，一旦推理側的國產芯片形成性價比優勢，就能依托國內龐大的應用市場快速規模化落地，通過量產攤薄研發與生產成本，形成“應用牽引、迭代升級”的正向循環。

每一個路徑，都有短板。如果組合起來呢？

單點突圍，成功率永遠沒有多點突圍大，而且目前我國的產業優勢恰恰就是多賽道開花。

在圓桌里，甚至有人士建議統籌調配國內國際兩類算力資源：

一方面保障前沿技術研發持續迭代提速，另一方面筑牢國家算力基礎設施安全底座；

政策制定可在國家安全保障與產業發展需求之間科學劃定邊界，實施分級分類管理；

針對不同品類、不同應用場景的算力需求差異化施策，在全程可控、可核查、可溯源的管理框架下，為重點行業提供穩定可持續的算力保障。

是的，算力供給的多元化，已經從差異化技術路線，變成了差異化施策框架，以此構建多元化的需求滿足體系。

這對于我國算力短缺的現狀而言是一個好消息，但真正考題才剛剛開始：

產業鏈能不能快速跟上這套技術標準完成配套，市場能不能給國產技術留出足夠的試錯與迭代空間，應用端能不能把算力成本下降的紅利轉化成真實的產業價值。

算力破局依舊不是單點突破的故事，而是一整條產業鏈一步步往前挪的結果。