晶片廠商真的沒發現「韜定律」嗎：一個知乎之問背後的研發帳

一個提問在知乎發酵：「大家真的認為華為發現的叫做韜定律的工程方法，之前的晶片廠商發現不了嗎？」這則討論的核心並非某項具體產品發表，而是一個關於研發方法論的質疑：如果把華為近年在中國本土晶片設計與製造上的進展，歸因於某種被命名為「韜定律」的工程方法，那麼擁有更長技術積累、更大研發預算的國際大廠，為什麼沒有先走到這一步？

這個問題值得認真對待，前提是先把「韙定律」這個詞本身的來源交代清楚。它並非出自同行評議期刊或華為官方技術白皮書，而是社羣討論中對一類工程實踐的概括性說法：在先進製程受限的條件下，透過架構設計、軟硬體協同最佳化、先進封裝與系統級補償，去換取電晶體微縮停滯後失去的效能增益。換句話說，討論的實體不是一條物理定律，而是一套被約束條件逼出來的工程取捨邏輯。

先看約束：為什麼方法論會被逼出來

半導體業的慣例是靠製程微縮喫效能紅利。電晶體閘極線寬每前進一個世代，單位面積電晶體密度提升、單顆晶片成本攤薄，這是摩爾定律半個多世紀的商業基礎。但這條路徑有兩個前提：一是曝光設備與材料供應不受限制，二是下一代製程的資本支出能被市場規模回收。

華為面對的情況是兩個前提同時失效。自 2019 年起，美國出口管制逐步收緊，臺積電自 2020 年 9 月起停止為華為代工，麒麟旗艦晶片一度斷供。2023 年搭載於 Mate 60 系列的麒麟 9000S 由中芯國際以 N+2 製程（業界普遍視為 7 奈米級）投片，此後麒麟 9010、9020 等迭代版本陸續問世。這些製程與臺積電、三星的最先進節點存在約兩到三個世代的差距，電晶體密度與能效皆處於劣勢。

在這個基礎上，「韜定律」式的工程方法才有討論空間：當電晶體不夠快、不夠省電，就用封裝把多顆晶片拼起來，用軟體把任務調度到最有效率的運算單元，用架構設計降低對記憶體頻寬的依賴。這些手段沒有一項是華為首創，這一點知乎提問本身的直覺是對的。

別人不是沒發現，是帳算不過來

晶片業史上，類似的系統級補償思路出現過多次。AMD 在 2017 年推出 Zen 架構時，單核效能不如對手，靠核心數量與封裝彈性搶市佔；英特爾近年在製程落後期間，大量使用 EMIB、Foveros 等先進封裝技術維持產品競爭力；蘋果的 M 系列晶片以超大快取與統一記憶體架構，降低對外部頻寬的依賴。這些案例說明，「用設計換製程」從來都是業內共識。

那為什麼國際大廠沒有把它推到華為被討論的那種強度？答案在成本結構，而非認知。

對臺積電的主要客戶而言，先進製程是可購買的服務。以 3 奈米投片為例，業界流傳的一套光罩成本估算在數千萬美元等級，單片晶圓報價超過兩萬美元，但換來的是密度與能效的直接提升。在這個條件下，投入大量工程人力去做系統級補償，機會成本偏高，邊際效益偏低。工程方法的採用，從來取決於它相對於替代方案的成本，而不是它是否被發現。

華為的處境剛好相反：先進製程這個選項不存在，系統級最佳化從「錦上添花」變成「唯一路徑」。研發資源被迫重新配置，這也解釋了為什麼華為近年的研發費用持續維持高檔。根據華為年報，2023 年研發費用為 1,647 億元人民幣，佔全年營收的 23.4%，2024 年進一步升至約 1,797 億元，佔比約 20.8%，在大型科技公司中屬於極端水準。對照英特爾 2024 年研發支出約 165 億美元、高通約 89 億美元，華為的投入規模並不遜色，差別在於這些投入中有相當比例被迫用在繞道工程上。

影響推演：誰受惠、誰承壓

這套被逼出來的方法論，影響傳導沿三條線展開。

第一條是中國本土供應鏈。設計端對封裝、散熱、電源管理的規格要求提高，直接受惠的是長電科技、通富微電等封裝測試廠，以及提供 CoWoS 類似方案的中國本土先進封裝產能。中芯國際的資本支出也在同步擴張，其 2023 年資本支出約 74.7 億美元，2024 年維持在每年 75 億美元上下的水準，多數流向成熟與受限條件下可用的先進節點擴產。

第二條是國際設備與材料商的合規成本。當系統級最佳化降低對最先進製程的依賴，EUV 等極紫外光刻設備的出口管制效果會被稀釋。這與我們先前分析的EUV 光刻機獨佔格局相互印證：設備寡佔的護城河很深，但護城河的商業價值，最終取決於河對岸的人有多需要渡河。

第三條是終端市場的效能帳。靠設計補償製程差距，通常付出的是晶片面積變大、良率分擔變重、功耗曲線變陡。消費者拿到的是可用但能效比偏弱的旗艦手機，這對華為在中國市場的市佔回升有支撐，2024 年多個季度華為重回中國智慧型手機出貨量前二，但代價被壓縮在毛利率裡，由品牌溢價與本土採購偏好吸收。

收束：定律是結果，不是原因

回到知乎那個問題。之前的晶片廠商當然發現得了這些工程手段，業界早就把它們寫進了教科書與產品路線圖。真正的差別在於，沒有一家領先廠商需要在最先進製程完全不可得的條件下，把這些手段用到極限。華為做了，是因為別無選擇；別人不做，是因為帳算不過來。

把這件事命名為「定律」容易產生誤導，它更接近一種在極端約束下的資源配置結果。歷史上類似的劇本並不陌生：冷戰時期的太空競賽催生了大量被緊迫感逼出來的工程方案，事後看都不神祕，事前看卻少有人願意付出那個成本。

值得後續追蹤的變數有兩個。一是中國本土先進製程的實際良率與成本曲線，若 N+2 之後的節點迭代放緩，系統級補償的邊際成本會越來越高；二是國際大廠是否會因為 AI 運算需求暴增、先進製程產能不足，反過來大規模採用同一套設計補償邏輯。若後者發生，「韜定律」就不再是特定公司的處境，而是整個產業在微縮紅利枯竭後的共同功課。到那個時點，這個知乎問題的答案會變得更簡單：大家都發現了，只是這次輪到所有人都必須用。