needhelp
← Zurück zum Blog

Huaweis Tau (τ)-Gesetz: Halbleiter-Skalierung ohne modernste Lithografie neu gedacht

von needhelp
Huawei
Halbleiter
AI-Chips
Mooresches Gesetz
Ascend
Nvidia
USA-China
Deep Dive

Datum: 28.05.2026 | Lesezeit: ~25 Min.

Halbleiter-Wafer unter dem Mikroskop

Zusammenfassung

Am 25. Mai 2026, auf der IEEE ISCAS 2026 in Shanghai, stellte He Tingbo — Präsidentin von Huaweis Halbleitersparte — das Tau (τ)-Skalierungsgesetz vor. Zum ersten Mal schlägt ein chinesisches Unternehmen ein Leitprinzip für die globale Halbleiterindustrie vor.

In derselben Woche läuft Huaweis Ascend 910C — 800 TFLOPS FP16, rund 80 % von Nvidias H100 — in Massenproduktion und treibt groß angelegte KI-Bereitstellungen an. Der kommende Ascend 910D zielt darauf ab, den H100 vollständig zu übertreffen.

Zwei Dinge gleichzeitig: ein neuer theoretischer Rahmen, und Chips, die in Serie gehen. Das ist Huaweis zweigleisige Antwort auf die US-Sanktionen.

Dieser Artikel behandelt:

  • Mathematische Grundlagen des τ-Gesetzes
  • LogicFolding — 3D-Chip-Architektur ohne fortgeschrittene Lithografie
  • Ascend 910C/910D vs. Nvidia H100/H200 Benchmarks
  • Die eskalierende Chip-Krieg zwischen USA und China

1. Das Mooresche Gesetz hat keine Straße mehr

60 Jahre lang regierte das Mooresche Gesetz die Branche: Transistorzahlen verdoppeln sich alle 18–24 Monate durch geometrische Miniaturisierung.

Diese Ära endet. Drei Mauern:

1.1 Physik: Quantentunneln

Unterhalb von 3 nm bestehen Transistor-Gates aus wenigen Dutzend Siliziumatomen. Elektronen tunneln durch isolierende Barrieren. Ergebnis: unkontrollierbare Leckströme, überschüssige Wärme, Instabilität.

Die harte Untergrenze liegt bei etwa 1,5 nm. Darunter funktionieren konventionelle Transistoren nicht mehr.

1.2 Ökonomie: Die Kostenwand

ProzessknotenFab-InvestitionDesign-Kosten pro Chip
28nm~6 Mrd. $~50 Mio. $
7nm~15 Mrd. $~200 Mio. $
3nm~20 Mrd. $500 Mio.–1 Mrd. $
2nm~28 Mrd. $ (prognostiziert)>1 Mrd. $

Eine einzelne 3nm-Fabrik kostet fast 20 Milliarden Dollar. Ein Tape-out übersteigt 100 Millionen. Nur TSMC und Samsung können sich die Spitzenkante leisten. Der ökonomische Motor, der das Mooresche Gesetz zur selbsterfüllenden Prophezeiung machte, stottert.

1.3 Leistung: Abnehmende Erträge

Bei fortschrittlichen Nodes dominiert Leckstrom die dynamische Leistung. Kosten pro Transistor sinken nicht mehr. Leistung pro Watt schrumpft mit jedem Shrink. Die Branche braucht ein neues Paradigma.

2. Das Tau (τ)-Gesetz: Vom Raum zur Zeit

2.1 Kernprinzip

Das τ-Gesetz formuliert den Halbleiterfortschritt neu. Statt räumlicher Dichte (Transistoren/mm²) optimiert es zeitliche Effizienz — die Signallaufzeit über den gesamten Computing-Stack hinweg.

τ (Tau) ist die Zeitkonstante in der Physik. Huawei schlägt sie als universelles Optimierungsziel für die gesamte Hierarchie vor.

2.2 Die Mathematik

τ=f(τtransistor,τcircuit,τchip,τsystem)\tau = f(\tau_{\text{transistor}}, \tau_{\text{circuit}}, \tau_{\text{chip}}, \tau_{\text{system}})

Wobei:

  • $\tau_{\text{transistor}}$ — Intrinsische Schaltverzögerung (Pikosekunden)
  • $\tau_{\text{circuit}}$ — RC-Laufzeit entlang kritischer Pfade
  • $\tau_{\text{chip}}$ — Speicherzugriff und On-Chip-Interconnect-Latenz
  • $\tau_{\text{system}}$ — End-to-End-Nachrichtenlaufzeit über das Rechenzentrum

Dieses τ umspannt rund 12 Größenordnungen in der Zeit (Pikosekunden bis Sekunden).

Generationsskalierung:

τn+1=τnα\tau_{n+1} = \frac{\tau_n}{\alpha}

Der Skalierungsfaktor α ist Workload-abhängig — nicht universell:

Workload-Typα (Jährlicher Skalierungsfaktor)
Leistungsbeschränktes Mobile~1,3×
Sicherheitskritisches Autonomes Fahren~1,5×
KI-Training und Inferenz~10×

Für KI — wo Durchsatz gleich Umsatz ist — ermöglicht das τ-Gesetz 10× jährliche Verbesserung. Weit jenseits dessen, was Geometrie allein liefern könnte.

2.3 Warum τ als einheitliche Metrik funktioniert

Aus He Tingbos ISCAS-Paper “A Time Scaling Theory for Multi-Layer Electronic Systems”:

“Frequenz, Latenz, Bandbreite und Durchsatz — auf jeder Ebene werden diese durch τ bestimmt. Prozesstechniker, Schaltungsdesigner und Systemarchitekten können über dieselbe Größe in denselben Einheiten diskutieren.”

Eine Metrik über vier Ebenen. Das ist der Schlüssel. Bisher optimierte jede Disziplin lokale Metriken, die nicht komponierten.

2.4 Der Vier-Ebenen-Co-Optimierungs-Stack

flowchart TB
    subgraph System["System-Ebene"]
        direction TB
        UB["UnifiedBus 灵衢总线<br/>Einheitliche Speicheradressierung<br/>Native Speichersemantik"]
        NET["Hi-ONE Optische Interconnects<br/>100–200m Reichweite<br/>~500× Latenzreduktion"]
    end

    subgraph Chip["Chip-Ebene"]
        direction TB
        SW["Software-Architektur-Silizium<br/>Full-Stack Co-Design"]
        ARCH["Workload-gesteuerte Pipeline<br/>Feingranulare Datenflusskontrolle"]
    end

    subgraph Circuit["Schaltungs-Ebene"]
        direction TB
        LF["LogicFolding<br/>3D Vertikale Integration"]
        RC["RC-Optimierung<br/>Low-κ Dielektrika"]
    end

    subgraph Device["Bauelement-Ebene"]
        direction TB
        TR["Transistor-Engineering<br/>GAA / Strain / High-κ Metal Gate"]
        PAR["Parasitäre R & C Reduktion<br/>Interconnect-Optimierung"]
    end

    Device --> Circuit --> Chip --> System

    style System fill:#e1f5fe
    style Chip fill:#f3e5f5
    style Circuit fill:#e8f5e9
    style Device fill:#fff3e0
EbeneOptimierungszielSchlüsseltechniken
BauelementMinimiere τ_transistorMobilitätssteigerung, Strain-Engineering, GAA, parasitäre R/C-Reduktion
SchaltungMinimiere RC-VerzögerungLogicFolding (3D-Stacking), Low-κ-Dielektrika, kürzere kritische Pfade
ChipMinimiere Rechen- + Speicher-τSoftware-Architektur-Silizium-Co-Design, workload-gesteuerte Pipeline
SystemMinimiere End-to-End-Nachrichten-τUnifiedBus (灵衢), optische Interconnects, einheitliche Speicheradressierung

3. LogicFolding: 3D ohne EUV

3.1 Von Vororten zu Wolkenkratzern

LogicFolding ist das Kronjuwel. Es verändert, wie Schaltungen angeordnet werden.

Traditionelles 2D: alle Komponenten auf einer flachen Ebene. Signale legen weite laterale Distanzen zurück. Stau auf kritischen Pfaden. Energieverschwendung beim Daten-Shuttling über den Die.

LogicFolding: stapelt planare Schaltungen vertikal. Als würde man eine eingeschossige Vorstadt gegen ein Hochhaus mit Expressaufzügen tauschen. Signale legen kürzere Distanzen zurück. Geringere resistive und kapazitive Lasten. Schnelleres τ.

graph LR
    subgraph Traditional["Traditionelles 2D-Layout"]
        direction LR
        A["Block A<br/>(oben-links)"] ---|"Lange Leitung<br/>Hohes R, Hohes C<br/>Langsames τ"| B["Block B<br/>(unten-rechts)"]
    end

    subgraph LogicFolding["LogicFolding 3D-Layout"]
        direction TB
        A2["Block A<br/>(Schicht 1)"]
        B2["Block B<br/>(Schicht 2)"]
        A2 -.->|"Kurzes Via<br/>Niedriges R, Niedriges C<br/>Schnelles τ"| B2
    end

    style Traditional fill:#ffebee
    style LogicFolding fill:#e8f5e9

3.2 Kirin 2026: Erster Beweis

Huawei demonstrierte LogicFolding im kommenden Kirin 2026 Mobilprozessor:

MetrikKirin 2025 (2D)Kirin 2026 (LogicFolding)Verbesserung
Transistordichte155 MTr/mm²238 MTr/mm²+53,5 %
Performance-Core-Takt~2,6 GHz3,1 GHz+19 %
EnergieeffizienzBasislinie+41 %+41 %
ProzessSMIC 7nmSMIC 7nm (gleicher Node)—

Gleiche Fab. Gleicher Node. 53,5 % Dichtezuwachs. Das sind drei Jahre traditioneller geometrischer Skalierung in einem Schritt — allein durch Architektur erreicht.

3.3 Kirin-Roadmap bis 2031

timeline
    title Kirin Chip-Roadmap unter dem τ-Gesetz
    2026 (Herbst) : Kirin 2026 debütiert LogicFolding : 3,10 GHz, 238 MTr/mm² : Erstes 2-Lagen-Folding
    2027 : Kirin 2027 : 3,39 GHz, verbessertes Folding
    2028 : Kirin 2028 : 3,71 GHz, Multi-Lagen-Folding
    2029 : Kirin 2029 : >4,00 GHz, vollständiges 3D
    2031 : Ziel: 1,4nm-äquivalente Dichte : ~600+ MTr/mm² prognostiziert

Bis 2031 projiziert Huawei eine Dichte, die einem 1,4nm-Prozess entspricht — durch architektonische Innovation, nicht lithografische Schrumpfung.

4. Ascend 910C/910D vs. Nvidia H100

Das τ-Gesetz ist das langfristige Spiel. Die kurzfristige Offensive wird jetzt ausgeliefert.

4.1 Spezifikationen

SpezifikationAscend 910CNvidia H100 SXMNvidia H20 (China)
ProzessknotenSMIC 7nm N+2TSMC 4N (5nm)TSMC 4N (5nm)
Transistoren53 Mrd.~80 Mrd.~80 Mrd.
ArchitekturDa Vinci (Dual-Die)HopperHopper
FP16/BF16~752 TFLOPS989 TFLOPS296 TFLOPS
FP81.504 TFLOPS1.979 TFLOPS592 TFLOPS
INT81.504 TOPS3.958 TOPS592 TOPS
Speicher128 GB HBM2e80 GB HBM396 GB HBM3
Speicherbandbreite3,2 TB/s3,35 TB/s4,0 TB/s
TDP~310–500W700W400W
InterconnectHCCS (392 GB/s)NVLink 4 (900 GB/s)NVLink 4 (900 GB/s)
vs. H100~76–81 %100 % (Basislinie)~30 %
Chip-Logikfläche~1,6× H100BasislinieBasislinie
Inländischer Anteil>90 %N/AN/A
Stückpreis (geschätzt)~2.500–3.000 $~25.000–30.000 $~12.000–15.000 $

4.2 Wo der 910C gewinnt, wo er zurückliegt

Gewinnt:

  • 128 GB Speicher vs. H100s 80 GB — relevant für Large-Model-Inferenz
  • Kosten: etwa 10× günstiger
  • Software-Hardware-Co-Optimierung: CANN-Framework + CloudMatrix-Super-Nodes treiben Inferenzeffizienz über die Rohdaten hinaus

Liegt zurück:

  • Architektureffizienz: Logik-Die-Fläche ~60 % größer als H100 bei ähnlicher Leistung
  • Speicherbandbreite: knapp dahinter (3,2 vs. 3,35 TB/s) — Engpass für Training
  • Ökosystem: CANN/CUNN vs. CUDA — erhebliche Lücke bei Tooling und Bibliotheken
  • Training-Workloads: weniger optimiert für anhaltendes Training

4.3 CloudMatrix 384: Super Node

graph TB
    subgraph CM["CloudMatrix 384 Super Node"]
        direction TB
        subgraph NPUs["Compute-Ebene (384× Ascend 910C)"]
            NPU1["NPU 1"]
            NPU2["NPU 2"]
            NPU3["..."]
            NPU4["NPU 384"]
        end

        subgraph Network["Drei-Ebenen-Netzwerkarchitektur"]
            UB["UB-Ebene<br/>Scale-Up All-to-All<br/>392 GB/s pro NPU"]
            RDMA["RDMA-Ebene<br/>Scale-Out RoCE<br/>200 Gbps pro NPU"]
            VPC["VPC-Ebene<br/>Management & Storage"]
        end

        subgraph CPU["Kunpeng CPU-Ebene"]
            CPU1["Kunpeng 920"]
        end
    end

    NPUs --> UB
    NPUs --> RDMA
    NPUs --> VPC
    CPU1 --> UB

    style CM fill:#e3f2fd
    style Network fill:#f1f8e9

CloudMatrix 384 — 384 Ascend 910C NPUs — liefert:

  • Prefill-Durchsatz: 6.688 Tokens/s pro NPU
  • Decode-Durchsatz: 1.943 Tokens/s pro NPU (<50ms TPOT)
  • Recheneffizienz: 4,45 Tok/s/TFLOPS Prefill, 1,29 Tok/s/TFLOPS Decode

Diese Effizienzwerte übertreffen optimierte H100-Bereitstellungen (3,75 und 1,10). Full-Stack-Co-Optimierung in Aktion.

4.4 Ascend 910D: Angriff auf die Spitze

SpezifikationAscend 910D (prognostiziert)Nvidia H100Nvidia B200
ProzessSMIC 7nm N+2 (verbessert)TSMC 5nmTSMC 4nm
FP161.000+ TFLOPS989 TFLOPS~2.250 TFLOPS
Speicher192 GB HBM380 GB HBM3192 GB HBM3e
TDP~350–450W700W1.000W
ZielH100 übertreffenBasislinieNext-Gen

910D im Sampling bei ByteDance, Baidu, Alibaba und China Mobile. Massenproduktion voraussichtlich Ende 2025.

AI-Server-Racks im Rechenzentrum

5. Die geopolitische Ebene: Sanktionen vs. Resilienz

5.1 Eskalations-Zeitstrahl

timeline
    title USA-China Chip-Sanktionen Zeitstrahl
    2019 : Huawei auf Entity List : TSMC-Lieferstopp beginnt
    2020 : SMIC auf Entity List : EUV-Ausrüstung blockiert
    2022 : CHIPS Act verabschiedet : Exportkontrollen vom 7. Oktober
    2023 : Japan/Niederlande schließen sich an : Weitere Ausrüstung blockiert
    2024 : H20/A800 China-angepasste Chips verboten : Nvidia verliert 5,5 Mrd. $
    2025 Jan : Biden AI Diffusion Rule (Mai widerrufen)
    2025 Mai 13 : BIS warnt vor Nutzung von Ascend-Chips „überall" : Droht mit strafrechtlichen Sanktionen

Am 13. Mai 2025 gab das BIS (Bureau of Industry and Security) eine beispiellose Anweisung heraus:

“Die Nutzung von Huaweis Ascend-Prozessoren (910B, 910C, 910D) irgendwo auf der Welt ohne Lizenz stellt einen Verstoß gegen US-Exportkontrollen dar.”

Extraterritoriale Gerichtsbarkeit über jegliche Nutzung von Huawei-KI-Chips weltweit.

5.2 Huaweis sanktionssichere Lieferkette

KomponenteInländischer LieferantStatus
Chip-DesignHuawei HiSilicon100 %
Foundry (7nm)SMICAktive Produktion
Advanced PackagingJCET / Tongfu Micro>80 %
HBM-SpeicherCXMT / YMTC (HBM2e)In Entwicklung
EDA-ToolsHuawei + inländische EDA~40 %
FotolackJSR China / inländischReift
KI-FrameworkCANN / MindSporeFunktionale CUDA-Alternative

Schlüsselzahlen:

  • 90 %+ Chip-Lokalisierung für Ascend 910C
  • 381 Chips nach τ-Prinzipien in 6 Jahren designt
  • SMIC 7nm N+2 Ausbeute: ~20 % (2024) → 40–50 % (2025)
  • Monatliche Produktion: ~2,6K Wafer für Ascend

5.3 Stakeholder-Karte

graph TB
    subgraph US["Vereinigte Staaten"]
        BIS["BIS / Handelsministerium"]
        Nvidia["Nvidia"]
        AMD["AMD"]
        Intel["Intel"]
    end

    subgraph China["China"]
        Huawei["Huawei / HiSilicon"]
        SMIC["SMIC"]
        CXMT["CXMT / YMTC"]
        DeepSeek["DeepSeek / ByteDance / Baidu"]
    end

    subgraph Allies["US-Verbündete"]
        TSMC["TSMC (Taiwan)"]
        ASML["ASML (Niederlande)"]
        Samsung["Samsung (Korea)"]
        Tokyo["Tokyo Electron (Japan)"]
    end

    BIS -->|"Exportkontrollen"| Huawei
    BIS -->|"Ausrüstungsverbote"| SMIC
    Nvidia -->|"H100/H200/B200"| TSMC
    Huawei -->|"Chip-Bestellungen"| SMIC
    SMIC -->|"7nm Produktion"| Huawei
    DeepSeek -->|"KI-Inferenz-Nachfrage"| Huawei
    ASML -->|"EUV-Ausrüstung"| TSMC
    ASML -.->|"Blockiert"| SMIC
    TSMC -.->|"Abgeschnitten"| Huawei

    style Huawei fill:#ffebee
    style SMIC fill:#fff3e0
    style BIS fill:#e3f2fd

6. UnifiedBus (灵衢): Ein Protokoll für das Rechenzentrum

Ein kritisches, aber wenig diskutiertes Stück des τ-Gesetzes: UnifiedBus.

6.1 Das Turmbau-zu-Babel-Problem

Aktuelle Rechenzentrums-Interconnects sind ein Flickenteppich:

  • PCIe für Chip-zu-Chip
  • NVLink/CXL für GPU-Speicher-Pooling
  • InfiniBand/RoCE für Server-zu-Server
  • Ethernet für Management

Jede Übersetzung fügt 500–1000× Overhead über die reine Leitungsverzögerung hinzu.

6.2 Ein Stack

UnifiedBus ersetzt den Flickenteppich durch ein einziges Protokoll, das von On-Chip-Bussen bis zu Rack-übergreifenden optischen Links reicht:

EigenschaftTraditionellUnifiedBus
Protokoll-StackMehrere (PCIe + NVLink + IB + Eth)Einheitlicher Stack
SpeichermodellDMA-basiert, Treiber-vermitteltNative Speichersemantik
Latenz (Rack-zu-Rack)~10–50 μs~1–5 μs
Physische ReichweiteKupfer: ~2mOptisch: 100–200m
RessourcenmodellFeste ZuweisungVollständige Poolisierung
FailoverSekundenSubsekunden
graph LR
    subgraph Traditional["Traditioneller Multi-Protokoll-Stack"]
        direction TB
        APP1["Anwendung"]
        DRV1["Treiber"]
        PCIe["PCIe-Ebene"]
        NVLink["NVLink-Ebene"]
        IB["InfiniBand"]
        ETH["Ethernet"]
        APP1 --> DRV1 --> PCIe
        DRV1 --> NVLink
        DRV1 --> IB
        DRV1 --> ETH
    end

    subgraph UB["UnifiedBus Einzel-Stack"]
        direction TB
        APP2["Anwendung"]
        UBL["UnifiedBus-Ebene"]
        PHY["Universelle Physikalische Ebene<br/>(Kupfer + Optisch)"]
        APP2 --> UBL --> PHY
    end

    style Traditional fill:#ffebee
    style UB fill:#e8f5e9

Über 300 Atlas 900 Super Nodes mit UnifiedBus 1.0 seit März 2025 ausgeliefert. Die UnifiedBus 2.0-Spezifikation ist Open Source.

7. Marktauswirkungen

7.1 Aktienbewegungen (26. Mai 2026)

UnternehmenVeränderung
SMIC+17–19 %
Hua Hong Semiconductor+20 %
JCET+12 %
Naura Technology+15 %
Nvidia-2,3 %

7.2 Was Analysten sagen

Futurum Group (optimistisch):

“Das Tau-Skalierungsgesetz und LogicFolding markieren Chinas bisher ambitioniertesten Versuch, den Halbleiterfortschritt zu eigenen Bedingungen neu zu definieren.”

Omdia / The Register (skeptisch):

“Huaweis Behauptungen sind mehr Branding als Durchbruch. LogicFolding ist eine Design-Innovation, aber Chips zu bauen, die auf einem bestimmten Niveau funktionieren, und tatsächlich Millionen mit akzeptabler Ausbeute herzustellen, sind verschiedene Probleme.”

虎嗅 / Huxiu (ausgewogen):

“Das τ-Gesetz ist nicht aus dem Nichts entstanden. Von Nvidia bis TSMC, von AMD bis SK Hynix — die gesamte Branche erforscht diese Richtung seit einem Jahrzehnt. Huaweis Beitrag ist die Formalisierung dieser Erkundung in einen klaren Rahmen — das erste derart systematische Prinzip eines chinesischen Unternehmens.”

7.3 Wettbewerbslandschaft

quadrantChart
    title KI-Chip-Wettbewerbslandschaft (2026)
    x-axis Niedrige Ökosystem-Reife --> Hohe Ökosystem-Reife
    y-axis Niedrige Rohleistung --> Hohe Rohleistung
    quadrant-1 Nischenanbieter
    quadrant-2 Marktführer
    quadrant-3 Aufstrebende Herausforderer
    quadrant-4 Leistungsspezialisten
    "Nvidia H100/B200": [0.95, 0.95]
    "Nvidia H20": [0.90, 0.30]
    "Huawei Ascend 910C": [0.35, 0.75]
    "Huawei Ascend 910D": [0.40, 0.90]
    "AMD MI300X": [0.70, 0.85]
    "Intel Gaudi 3": [0.60, 0.70]
    "Google TPU v5": [0.55, 0.80]
    "Amazon Trainium2": [0.50, 0.65]

8. Die DeepSeek-Verbindung

DeepSeek — das chinesische KI-Labor, dessen R1- und V3-Modelle die globale LLM-Ökonomie erschütterten — betreibt erhebliche Inferenzkapazität auf Huaweis CloudMatrix.

8.1 Inferenz-Ökonomie

MetrikDeepSeek auf Ascend 910CDeepSeek auf Nvidia H800
Inferenzkosten (V3)~1 CNY / 1M Tokens~7 CNY / 1M Tokens
Inferenzkosten (R1)~4 CNY / 1M Tokens~20+ CNY / 1M Tokens
Prefill-Effizienz4,45 Tok/s/TFLOPS3,96 Tok/s/TFLOPS
Decode-Effizienz1,29 Tok/s/TFLOPS1,17 Tok/s/TFLOPS

10× Kostenvorteil bei der Inferenz. Wenn Software für die Hardware co-optimiert wird — CANN, CUNN-Kernel, benutzerdefinierte Operatoren — schrumpft die effektive Lücke dramatisch.

8.2 Full-Stack-Synergie

flowchart LR
    subgraph HW["Huawei Hardware-Stack"]
        A["Ascend 910C/910D<br/>NPU"]
        B["CloudMatrix 384<br/>Super Node"]
        C["UnifiedBus<br/>Interconnect"]
    end

    subgraph SW["Software-Stack"]
        D["CANN / CUNN<br/>CUDA-Alternative"]
        E["MindSpore / PyTorch<br/>Framework"]
        F["DeepSeek R1/V3<br/>Optimierte Modelle"]
    end

    subgraph Market["Marktauswirkung"]
        G["1 CNY / 1M Tokens<br/>V3 Inferenz"]
        H["90 % Kostenreduktion<br/>vs. Nvidia Cloud"]
        I["20.000+ Entwickler<br/>im Ökosystem"]
    end

    A --> B --> C
    D --> E --> F
    HW --> SW --> Market

    style HW fill:#e3f2fd
    style SW fill:#e8f5e9
    style Market fill:#fff3e0

9. Kritische Bewertung: Was real ist, was Projektion

BehauptungBelegstatusBewertung
τ-Gesetz-RahmenwerkAuf IEEE ISCAS veröffentlichtPeer-reviewed; solide Grundlage
381 Chips in MassenproduktionHuawei-OffenlegungPlausibel; mehrere Produktlinien
LogicFolding 53,5 % DichtezuwachsKirin 2026 DatenUnverifiziert; Launch Herbst 2026 wird validieren
1,4nm-Äquivalent bis 2031ProjektionAmbitioniert; hängt von Multi-Lagen-Folding ab
Ascend 910C bei 80 % des H100Unabhängige SchätzungenAnalysten-Konsens; durch DeepSeek validiert
CloudMatrix-Effizienz > H100Veröffentlichte BenchmarksKonkurrenzfähig für MoE-Inferenz; Trainingslücke bleibt

Schlüsselrisiken

  1. Fertigung: SMIC 7nm-Ausbeute (40–50 %) weit unter TSMC (>80 %). Ohne EUV ist das Unterschreiten von 7nm brutale Ökonomie.

  2. Speicher-Engpass: HBM3/HBM3e unter Sanktionen nahezu unmöglich zu beschaffen. CXMTs inländisches HBM noch im Frühstadium.

  3. Ökosystem-Lücke: CANN/CUNN ist funktional. Nicht CUDA. Das „One-Line-Import”-Migrationsversprechen ist optimistisch für komplexe Modelle.

  4. Die-Fläche: Ascend 910C Chipfläche ~60 % größer als H100. Architektur ist weniger effizient pro Transistor.

  5. Marktzugang: US-Sanktionen begrenzen Ascend auf China + befreundete Märkte (Naher Osten, Russland, Teile Südostasiens).

10. Wohin das führt: Fünf Szenarien bis 2030

  1. Konvergenz: Huawei holt durch inländisches EUV oder Sanktionslockerungen auf. Abstand schrumpft auf <1 Generation.

  2. Anhaltende Bifurkation: Zwei parallele Ökosysteme. China dominiert Inland + Belt & Road. Der Westen hält den globalen Premium-Markt.

  3. Westlicher Vorsprung: TSMC erreicht 1nm mit GAA/CFET. Architektur kann nicht kompensieren. Huawei fällt 3+ Generationen zurück.

  4. Paradigmenwechsel: τ-Gesetz-Prinzipien werden branchenweit übernommen. Architektonische Innovation wird primärer Hebel. Prozessknoten zählt weniger.

  5. Vollständige Entkopplung: Komplette Trennung. China erreicht Selbstversorgung um den Preis von 5–10 Jahren Verzögerung. Globale Innovation verlangsamt sich.

11. Ein Regel-Macher, kein Mitläufer

Das τ-Gesetz ist mehr als ein technisches Paper:

  • Wissenschaftlicher Beitrag: Peer-reviewed-Rahmenwerk für Post-Moore-Optimierung
  • Ingenieursstrategie: 381 kommerzielle Chips bereits unter seinen Prinzipien produziert
  • Geopolitisches Signal: US-Sanktionen katalysierten statt lähmten chinesische Halbleiterinnovation
  • Industrie-Einladung: UnifiedBus 2.0 ist Open Source

Der Ascend 910C — ~80 % der H100-Leistung zu ~10 % der Kosten — beweist, dass architektonischer Einfallsreichtum Prozessknoten-Nachteile ausgleichen kann. Der 910D zielt darauf ab, die Lücke vollständig zu schließen.

Antworten, die wir in den nächsten fünf Jahren erhalten, werden bestimmen, ob das τ-Gesetz dem Mooreschen Gesetz an historischer Bedeutung ebenbürtig ist:

  • Kann SMIC 70 %+ Ausbeute bei 7nm erreichen und auf 5nm vorstoßen?
  • Wird der Kirin 2026 LogicFolding diesen Herbst einlösen?
  • Kann CANN die Ökosystem-Lücke zu CUDA schließen?
  • Wird das 1,4nm-Äquivalent-Ziel für 2031 erreicht?

Eines ist bereits klar: Huawei hat sich vom 追赶者 (Mitläufer) zum 规则制定者 (Regel-Macher) gewandelt.

Wie He Tingbo auf der ISCAS 2026 sagte:

“We believe that openness and collaboration are key to driving ongoing progress in the semiconductor industry. No single company can independently find all the answers along the path of semiconductor evolution.”

Das τ-Gesetz ist Huaweis Antwort. Der Rest der Branche entscheidet nun, ob sie sich mit der Frage auseinandersetzt.

Anhang A: Schlüsselformeln

Zeitkonstanten-Zerlegung

τtotal=τtransistor2+τcircuit2+τchip2+τsystem2\tau_{\text{total}} = \sqrt{\tau_{\text{transistor}}^2 + \tau_{\text{circuit}}^2 + \tau_{\text{chip}}^2 + \tau_{\text{system}}^2}

τ auf Schaltungsebene:

τcircuit=Rwire⋅Ctotal=ρ⋅LA⋅(ϵox⋅Atox+Cparasitic)\tau_{\text{circuit}} = R_{\text{wire}} \cdot C_{\text{total}} = \frac{\rho \cdot L}{A} \cdot \left(\epsilon_{\text{ox}} \cdot \frac{A}{t_{\text{ox}}} + C_{\text{parasitic}}\right)

LogicFolding reduziert $L$ (Leitungslänge) um 50–90 %, wodurch $\tau_{\text{circuit}}$ direkt sinkt.

Transistordichte-Äquivalenz

ρeffective=ρphysical×(1+∑i=1nfi⋅ηi)\rho_{\text{effective}} = \rho_{\text{physical}} \times \left(1 + \sum_{i=1}^{n} f_i \cdot \eta_i\right)

Für Kirin 2026 ($n=2$, $f=0,55$, $\eta=0,95$):

ρeffective=155×(1+0,55×0,95)≈238 MTr/mm2\rho_{\text{effective}} = 155 \times (1 + 0,55 \times 0,95) \approx 238 \text{ MTr/mm}^2

KI-Training-Effizienz

Ttraining∝Nparams⋅DtokensPcompute⋅ηutilizationT_{\text{training}} \propto \frac{N_{\text{params}} \cdot D_{\text{tokens}}}{P_{\text{compute}} \cdot \eta_{\text{utilization}}}

Huawei zielt auf $\eta_{\text{utilization}}$ — und erreicht >90 % auf CloudMatrix für MoE vs. Branchendurchschnitt 40–60 %.

Anhang B: Glossar

BegriffDefinition
τ (Tau)Zeitkonstante — charakteristische Zeit für die Signalausbreitung durch ein elektronisches System
LogicFolding3D-Chip-Architektur, die Schaltungsebenen vertikal stapelt, um Signalwege zu verkürzen
UnifiedBus (灵衢)Einheitliches Rechenzentrums-Interconnect-Protokoll, das PCIe/NVLink/InfiniBand ersetzt
CANNCompute Architecture for Neural Networks — Huaweis KI-Software-Stack
CUNNCUDA-zu-CANN-Migrationsschicht für PyTorch-Modelle auf Ascend
CloudMatrixHuaweis KI-Supercomputer-Architektur mit Ascend NPUs
SMIC N+2SMICs 7nm-Klasse-Prozess mit DUV-Lithografie
HBMHigh Bandwidth Memory — 3D-gestapeltes DRAM für KI-Beschleuniger
MoEMixture of Experts — neuronale Netzwerkarchitektur mit bedingter Berechnung
EUVExtreme Ultraviolet Lithography — fortschrittlichste Chip-Strukturierungstechnologie

Referenzen

  1. He Tingbo, “A Time Scaling Theory for Multi-Layer Electronic Systems,” IEEE ISCAS 2026, Shanghai.
  2. Huawei Official Newsroom, “Huawei Announces Tau (τ) Scaling Law,” 25. Mai 2026.
  3. Xinhua News Agency, “Huawei Unveils New Chip Design Approach,” 26. Mai 2026.
  4. DeepSeek / Huawei Cloud, “Serving Large Language Models on Huawei CloudMatrix384,” 2025.
  5. Morgan Stanley Research, “SMIC Advanced Node Yield Analysis,” September 2025.
  6. US Bureau of Industry and Security, “Export Control Guidance on PRC Advanced Computing ICs,” 13. Mai 2025.
  7. Hot Chips 31, “Huawei Da Vinci Architecture Deep Dive,” 2019.
  8. Wall Street Journal, “Huawei Tests Ascend 910D as Nvidia Alternative,” April 2025.
  9. 21st Century Business Herald, “Huawei Tau Law Analysis,” 25. Mai 2026.
  10. Futurum Group Research, “Does Huawei’s Tau Scaling Law Challenge Logic Leadership?” 26. Mai 2026.

Zusammengestellt aus IEEE-Publikationen, offiziellen Huawei-Offenlegungen, Xinhua-Berichten, Finanzanalysten-Recherchen und technischer Dokumentation. Leistungswerte sind bestverfügbare Schätzungen; tatsächliche Ergebnisse variieren je nach Bereitstellung.

Zuletzt aktualisiert: 28. Mai 2026

Diese Seite teilen