
华为抛出韬(τ)定律,引领半导体新方向
2026 年 5 月 25 日,在 IEEE ISCAS 2026 上,华为半导体业务部总裁何庭波抛出关键概念——韬(τ)定律。τ 是电路理论中的时间常数,决定信号状态切换速度。这是中国企业首次在全球半导体领域提出指导产业发展的新原则。
过去六年,华为基于这一定律已量产 381 款芯片,覆盖无线基站、AI 推理、网络处理器等核心场景。预计 2031 年,基于 τ 定律的高端芯片可达到等效 1.4nm 制程水平,保持与国际主流路线对标竞争的能力。如今,τ 正在改变半导体行业价值格局,也让 EDA 从幕后走向台前。
“时间缩微”登场,τ 定律凭什么?
摩尔定律由英特尔联合创始人戈登·摩尔于 1965 年提出,过去半个多世纪有效运转,撑起了众多产业。然而,2000 年前后能跟进最先进制程的晶圆厂有几十家,到 2025 年仅剩台积电、三星、英特尔 3 家,且台积电 2nm 晶圆报价超 3 万美元,摩尔定律红利逐渐消退。
目前业界探索出多条技术路径,如英伟达 CEO 黄仁勋提出的 “黄氏定律”、国际半导体技术路线图(ITRS)提出的 More than Moore,以及 AMD、台积电主推的 Chiplet 与先进封装技术。但这些方案大多沿用“几何缩微”或功能叠加思路,与 τ 定律存在本质区别。
τ 定律核心是“时间缩微”替代“几何缩微”,是贯穿器件、电路、芯片、系统四个层级的完整优化体系,适合大规模系统级性能提升,在 AI 和异构计算场景下更具优势。何庭波详解,在器件层面,优化晶体管和互连电阻及寄生电容;在电路层面,用逻辑折叠技术突破传统平面布局;在芯片层面,通过全栈软硬芯协同设计;在系统层面,定义灵衢总线,重构计算系统互联协议。
相较而言,τ 定律更贴合芯片算力核心本质,为芯片设计提供脱离单纯制程微缩的全新技术路线,与摩尔定律相互兼容。可以说,摩尔定律是在平面上画更细格子,τ 定律则是把纸折起来,用立体空间换取更短信号路径。
τ 定律落地,EDA 成关键
τ 定律的每一层落地,都离不开 EDA。它不再是传统“画图工具”,而成了“时间缩微”从理论走向芯片实物的中枢神经。
华为论文显示,采用 Chiplet、3DIC、LogicFolding 三条技术路线叠加共存方式,到 2035 年实现硬件集成度提升超 100 倍,面临 EDA 工具链断代、跨晶圆工艺偏差、能量守恒法则三大挑战。加州大学圣地亚哥分校教授 Andrew B. Kahng 表示,传统“摩尔定律”顺风减弱后,EDA 和物理设计基本目标更重要,EDA 被重新摆到牌桌中央。
韬(τ)定律对 EDA 提出哪些新要求?
针对 τ 定律对 EDA 工具提出的新要求及传统 EDA 工具短板,与业内从业者交流探讨发现:
第一,原生真 3D 设计与跨层协同优化能力欠缺,STCO 重要性凸显。传统 2D 设计流程和“赝 3D”流程无法实现单元级跨层灵活调配,而原生 3D EDA 工具可支持标准单元跨裸片自由排布和跨裸片逻辑重构与全局优化。同时,Chiplet、3DIC 和 LogicFolding 在先进封装体系中叠加共存,带来设计工程挑战,STCO 可从方法论层面破除割裂,但这是当前 EDA 工具链最底层缺失。
第二,多物理场耦合缺失。单芯片时代,供电分析、热仿真和应力计算分属独立工具链,三维堆叠下此模式不再完全适用。多片裸芯垂直集成后,功率密度攀升,散热路径不对称,层间温差增大,引发热膨胀失配,影响器件电学特性和机械可靠性。
EDA 厂商,需要补齐哪些能力?
当前国产 EDA 公司多聚焦单点式突破,在细分领域取得成果。如华大九天以模拟 EDA 为根基,拓展至数字、先进封装等领域;概伦电子死磕器件建模和电路仿真;合见工软是国内数字 EDA 龙头;行芯科技在“签核”环节发力;芯和半导体主攻“先进封装”;广立微侧重良率提升。
τ 定律有望推动国产 EDA 从“点工具国产化”升级为“全流程、跨层级、强协同”的工业软件底座。这要求 EDA 工具链全面嵌入全链条关键流程。
5 月 26 日,北京大学集成电路学院宣布“真 3D”EDA 工具原型取得关键突破,支持完整三维空间协同优化,与传统“赝 3D”相比有显著改善,目前已完成工业级设计验证,后续将扩展场景。同日,投资者向华大九天发问,华大九天回应称在 3DIC 设计 EDA 领域提前布局,构建全流程解决方案,是国内唯一的 3DIC 设计验证全流程 EDA 提供商。
至此,从 τ 定律理论牵引到国产 EDA 工具链补位的路径逐渐清晰。未来几年,率先推出工业验证闭环方案的厂商,有望在“时间缩微”趋势中占据主动。对国产 EDA 而言,这或许是从点工具追赶转向全栈能力构建的窗口期。
定律改写半导体格局,国产 EDA 能否借势全栈进化?&spm=1001.2101.3001.5002&articleId=161946421&d=1&t=3&u=f1dd634e24a94cb5b24d149b83739036)
2134

被折叠的 条评论
为什么被折叠?



