华为发布韬定律V2，同一天智库却在喊算力短缺

7月3日，国产芯片出了两件大事。一边是华为上线了“韬定律”V2版本论文，将这套后摩尔时代的芯片缩放理论，从纸面公式推进到了带量产实测数据、有明确工程标准的落地阶段；另一边则是瞭望智库在北京举办的“AI算力破局”圆桌论坛落幕，给出了依旧严峻的算力现状：高端芯片阶段性供给紧张、算力结构性矛盾突出、产业生态尚不完善。

看似矛盾，但实际上是趋势在改变：扩大追赶的窗口期的方式，正从单一的差异化技术路线，变成了针对多元算力需求的差异化施策框架。

高端算力为何仍未走通？

要谈我国芯片现状，先得说清楚算力这边的问题到底有多大。

2026年3月发布的《先进计算暨算力发展指数蓝皮书（2025年）》显示：截至2025年6月，全球计算设备算力总规模已达4495EFlops，同比增长117%；其中智能算力占比达到85%，是绝对增长主力。

这意味着伴随AI技术迭代，AI服务器与AI芯片市场规模已经实现了翻倍增长，算力正在成为和电力同等重要的基础设施。

但与此同时，我国算力市场的结构性矛盾十分突出。瞭望智库举办的“AI算力破局”圆桌论坛上，一大半的议程都在讨论这一结构性矛盾。

中科院计算技术研究所研究员张云泉直言不讳：我国总算力规模位居全球前列，但高端算力供给存在明显缺口，已经在一定程度上制约了高端基础大模型的研发效率。更关键的是，AI领域技术迭代以月计算，前沿大模型的领先优势往往只维持数月，算力的及时补位能力，直接决定了产业竞争力的消长。

高端算力之于我国，有两个层面的走不通：一边是光刻机技术限制导致没办法短期迅速将芯片制程做小；一边是摩尔定律本身仙林的尺缩边际收益下降。

而华为的韬定律给到了一个通往未来的解法。

韬定律V2的补充解释

韬定律不是“黑科技突破”，它的核心逻辑很直白：既然尺缩走不通，就换一个优化维度

这套以时间常数τ为核心的τ缩微理论，本质是通过3D逻辑折叠（LogicFolding）架构，把平面排布的电路单元做垂直堆叠，大幅缩短信号传输的物理路径，在不升级光刻制程的前提下，提升芯片的性能密度与能效水平。

先前的V1版本的韬定律偏向理论框架，而今天发布的V2版本，则是从产业落地层面完成了对“学术概念”的补充。

论文中公布了同制程节点下，采用逻辑折叠架构的麒麟2026与传统平面架构的麒麟9030 Pro的对比参数：同等性能条件下，工作电压从1.1V降至0.9V级，功耗降低41%；同功耗下单核主频提升13%，晶体管密度提升53%，芯片内部线路总长缩减30%。这些数据并非实验室样品的理想值，而是量产芯片的实测结果，意味着逻辑折叠技术已经跨过了量产良率的门槛。

同时V2版本论文明确提出，当混合键合间距与顶层金属布线间距的比值控制在3以内时，3D芯片的设计空间可以从传统的“宏块级离散优化”进入“单元级连续优化”阶段。通俗来说，过去的3D堆叠只是把不同功能模块整层摞起来，而达到这个齿比标准后，可以在单个电路单元的粒度上做垂直排布，实现更接近全局最优的逻辑划分。这个参数的公开，相当于给封测、设备、EDA等上下游企业扔了一个明确的技术锚点，产业链配套不用再各自摸索。

在做出以上产业实证的补充后，V2版论文中还同步披露了未来四代麒麟处理器与昇腾AI芯片的演进规划，意味着逻辑折叠技术不会只停留在消费级芯片，而是会快速落地到AI算力芯片领域，直接对接当前的算力缺口需求。

但未来的理想预期是五年，而现在的算力缺口依旧难解。

能补的缺口依旧有限

生态，是 “AI算力破局”圆桌论坛的高频词。

在这场圆桌里，许多产业人士都提到了一件事：国产芯片在配套软件生态、开发工具链成熟度上仍处于爬坡期。

是的，除了本身芯片发展较晚导致的生态落后，即使是韬定律指导下的芯片，也面临着生态方面的新困境。

逻辑折叠作为新的芯片架构，需要对应的EDA设计工具、模型编译框架、算子优化库做全链条适配。

目前下游开发者的迁移成本依旧很高，很难快速形成规模化的有效算力供给。同时3D堆叠、混合键合工艺本身会增加封测环节的成本，良率爬坡也需要周期。

前几天，美团发布的Longcat2.0发布，AI圈震动不算大——因为其性能离对面头部仍然差了一大截，但算力圈着实沸腾了一把：

LongCat2.0用国产芯片跑通了1.6t参数的大模型的训练，注意，不是推理，而是训练。

训练，向来是国产芯片的短板，即使是一直走差异化技术路线的DeepSeek，也只是尽量在训练阶段多用国产芯片，做不到都用国产芯片。

但是，行业也都知道代价：LongCat2.0太难了，难在国产芯片生态。

国产芯片显存更低、片间互联、集群通信带宽不足、硬件一致性差，以至于面对频发的大规模灰度故障，美团据说自研了弹性容错、自动故障恢复逻辑，才实现了“全程无回滚、无不可逆loss突刺”。

而在软件层面，国产AI芯片厂商各自独立标准，各厂商底层指令、驱动、通信协议互不兼容，美团只能都选用昇腾 5 万卡集群做专项适配。在这一过程里，万卡级智算集群部署、运维、扩容没有标准化方案，都得AI企业自研。

LongCat2.0更像是国产AI从业者努力做的一次证明，而这一证明，更多是通往未来而非当下——几乎不会有同行去跟进，代价太大了。

这是AI行业同时具备资金基础并且新入行的玩家才能用的差异化路线。

多点突围体系正在建立

可能有人看到这里会产生疑问：我国当前算力难道就无解了吗？

答案是有解，而且还有很多个解法。

韬定律V2已经在当下的产业落地中给出了部分答案，LongCat2.0证明国产卡虽然代价大但也能跑通万亿模型的训练，国产芯片已经在推理策基本跑通正常使用。

“AI算力破局”圆桌论坛甚至提出，可以“借力推理算力赛道实现技术局部突围”。成熟制程的晶圆产能国内供给更充足，供应链自主可控程度更高，一旦推理侧的国产芯片形成性价比优势，就能依托国内庞大的应用市场快速规模化落地，通过量产摊薄研发与生产成本，形成“应用牵引、迭代升级”的正向循环。

每一个路径，都有短板。如果组合起来呢？

单点突围，成功率永远没有多点突围大，而且目前我国的产业优势恰恰就是多赛道开花。

在圆桌里，甚至有人士建议统筹调配国内国际两类算力资源：

一方面保障前沿技术研发持续迭代提速，另一方面筑牢国家算力基础设施安全底座；

政策制定可在国家安全保障与产业发展需求之间科学划定边界，实施分级分类管理；

针对不同品类、不同应用场景的算力需求差异化施策，在全程可控、可核查、可溯源的管理框架下，为重点行业提供稳定可持续的算力保障。

是的，算力供给的多元化，已经从差异化技术路线，变成了差异化施策框架，以此构建多元化的需求满足体系。

这对于我国算力短缺的现状而言是一个好消息，但真正考题才刚刚开始：

产业链能不能快速跟上这套技术标准完成配套，市场能不能给国产技术留出足够的试错与迭代空间，应用端能不能把算力成本下降的红利转化成真实的产业价值。

算力破局依旧不是单点突破的故事，而是一整条产业链一步步往前挪的结果。