华为高管何庭波近期提出的“韬定律”引发科技界广泛关注。该理论主张在芯片制程工艺受限的背景下，通过逻辑折叠等创新技术优化系统时间常数，从而实现芯片性能的显著提升。据华为方面透露，应用这一理论的芯片已完成流片，相关产品有望在年内推向市场。
对于这一新理论，科技界存在不同声音。支持者认为，这是后摩尔定律时代的重要理论突破；反对者则指出，IT领域所谓“定律”多为事后总结，华为目前提出的更多是工程技术路线。不过，有分析人士认为，与其纠结于定义之争，不如关注其能否解决中国芯片和AI产业面临的实际问题。
当前，算力短缺仍是中国AI发展的主要瓶颈。过去一年多，中美大模型竞争日趋激烈，能力侧重点从逻辑推理转向编程和智能体开发。尽管国内部分企业通过理论创新和技术优化，在算力有限的情况下取得了不错成果，但整体算力差距仍是制约发展的关键因素。例如，两家上市大模型公司智谱和Minimax均表示，若GPU供应充足，增长速度将更快。
字节跳动的Seedance2.0视频生成模型是另一个典型案例。该模型推出时性能领先，但随着用户激增，出现排队时间长、模型能力下降等问题。这反映出即便国内GPU数量最多的企业，仍面临算力不足的挑战。业内普遍认为，芯片规模和性能与大语言模型能力上限存在强关联，国产大模型参数量普遍较小，与美国顶尖模型存在差距。
尽管存在差距，但中美AI差距正在缩小。Seedance2.0是中国首个性能超越美国大厂的AI模型，传统大语言模型领域，中美顶尖水平差距约3至6个月。这种差距主要源于芯片数量限制，而非技术本质差异。
近期，国内关于中美AI差距扩大的讨论增多，这与行业风向变化有关。去年12月，谷歌Gemini3.0因知识结构丰富受到称赞；三个月后，热点转向编程和智能体，Gemini被贬为“美国豆包”。这种评价变化与模型真实能力差距关系不大，更多反映行业盈利焦虑。目前，AI编程付费是最成熟的商业模式，互联网公司和程序员群体付费意愿强，大型编程项目对token消耗大，成为大模型盈利的重要方向。
然而，大模型彻底取代程序员的前景存疑。尽管AI对美国就业市场造成冲击，但软件工程师就业情况反而改善。这波AI裁员潮与疫情后过度招聘有关，且被裁人员多为非程序员。复杂项目仍需程序员参与，外行用AI写小程序可行，但面对复杂项目则力不从心。AI编程的降本增效效果低于预期，大厂发现其商业前景并不如资本市场炒作的那般明朗。
有观点认为，让AI掌握规则清晰的机器语言代价较小，若AI能通过智能体控制终端和系统，甚至扩展到具身智能，可视为实现AGI。但这一目标实现难度大，且可能引发严重社会问题。按照目前估计，2030年AI需实现年收入2万亿美元才能收支平衡，但硅谷和印度软件产业年收入仅1万亿美元。这意味着即便裁掉所有程序员，仍有巨大盈利缺口，可能引发毁灭性失业冲击。
因此，美国大模型编程能力的领先并非中美AI竞争的关键。相反，过度发展可能使美国社会成为火药桶。中国需尽快突破AI算力瓶颈，构建AI时代社会发展的新范式。当前，国产GPU面临先进制程、产能和生态三方面限制，其中产能和生态问题正在逐步解决。生态方面，中国市场庞大，发展迅速，大模型编程降低了技术门槛；产能方面，进口光刻机潜力未完全发挥，其他领域国产化速度加快，国产DUV光刻机进度快于EUV。
先进制程仍是最大挑战。DUV多重曝光收益已达极限，EUV技术复杂，即便造出机器也未必能直接用于芯片制造。华为提出的“韬定律”通过逻辑折叠技术，为解决先进制程限制提供了新思路。尽管逻辑折叠并非全新概念，但华为将其与现有半导体技术结合，可快速投入应用，这是其相关产品有望年内落地的原因。
华为的逻辑折叠技术比AMD的X3D更复杂，需重新设计芯片结构，而非简单增加存储层。这一路线面临设计理念重建、散热和产能等挑战。3D化结构需特别优化的互联设计以降低延迟，相关工程软件和人工智能设计存在盲区；逻辑折叠增加热量，手机芯片功率仅几瓦，GPU功率达几百瓦甚至上千瓦，散热要求更高；逻辑折叠技术需复杂芯片设计和先进封装技术，早期产能有限，制造GPU需晶圆大面积无缺陷区域，良率要求更高。
尽管面临挑战，但中国庞大的芯片市场为技术突破提供了动力。传统制程技术接近天花板，未来逻辑芯片将向3D化发展。中国发展AI和载人航天并非为了与美国竞争，但美国摆出决战姿态，不容中国超越。因此，中国需尽快突破技术封锁，掌握技术解释权和发展权，这对打碎美国技术神话具有决定性作用。国产算力瓶颈突破后，这一天将不再遥远。
