Nghiên cứu
Huawei cập nhật nghiên cứu về Định luật Scaling: Hé lộ cả những hướng đi đã từ bỏ
(giờ Việt Nam)
Tóm tắt AI
Huawei vừa công bố bản cập nhật mới cho nghiên cứu về Định luật Scaling, trong đó làm rõ những lộ trình kỹ thuật mà hãng đã quyết định từ bỏ trong quá trình phát triển mô hình AI.
Bản dịch AI
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
Huawei cập nhật bài báo khoa học về Định luật Tau (τ-scaling)!
05-07-2026 21:38:45 Nguồn: QbitAI
Giải trình rõ ràng về những lộ trình đã từ bỏ
Bài báo khoa học về Định luật Tau của Huawei đã được cập nhật.
Trên nền tảng lý thuyết ban đầu, bài báo đã bổ sung thêm nhiều chi tiết kỹ thuật, dữ liệu đo đạc thực tế và kế hoạch sản phẩm.

Câu nói chung chung "hiệu năng tăng 41%" trong phần tóm tắt đã được thay thế bằng một bảng dữ liệu thực nghiệm đối chiếu trực tiếp với các đối thủ cạnh tranh, trong đó điện áp, tần số, mức tiêu thụ điện năng và diện tích được đặt cạnh nhau, giúp người xem dễ dàng nhận thấy sự khác biệt.
Những lựa chọn kỹ thuật vốn chỉ được nhắc đến qua loa trước đây nay cũng được phân tích chi tiết, giải thích lý do tại sao họ từ bỏ lộ trình có độ chính xác cao hơn để chọn hướng đi chín muồi hơn hiện tại.
Ngoài ra, bài toán kỹ thuật về tản nhiệt cũng lần đầu tiên được công khai thảo luận.
Từ Định luật Moore đến τ-scaling
Trước tiên, hãy cùng nhìn lại những nội dung chính trong Định luật Tau của Huawei.
Tóm lại, Định luật Tau chính là "phiên bản thời gian" của Định luật Moore.
Định luật Moore tin rằng các bóng bán dẫn ngày càng nhỏ hơn, với mật độ tăng gấp đôi sau khoảng mỗi hai năm.
Tuy nhiên, khi quy trình sản xuất liên tục được nâng cấp, con đường chỉ dựa vào việc thu nhỏ kích thước để tăng hiệu năng gần như đã đi vào ngõ cụt.
Định luật Tau thay đổi thước đo: không còn so sánh xem bóng bán dẫn của ai nhỏ hơn, mà chuyển sang so sánh xem hằng số thời gian τ của ai ngắn hơn.
Hằng số thời gian là một khái niệm kỹ thuật, chỉ khoảng thời gian đặc trưng cần thiết để một hệ thống phản hồi với một thay đổi đầu vào và đạt đến trạng thái ổn định; trong mạch điện, nó thường chỉ khoảng thời gian từ khi điện áp hoặc dòng điện được kích hoạt cho đến khi đạt mức cơ bản ổn định.
Phân tích chính thức trong bài báo cho thấy, τ được cấu thành từ sự chồng chất của bốn lớp: lớp bóng bán dẫn, lớp mạch điện, lớp chip và lớp hệ thống, trải dài khoảng 12 bậc độ lớn, từ cấp picosecond đến cấp giây.

Bóng bán dẫn đóng ngắt nhanh hơn thì τ ngắn lại; tín hiệu trong mạch đi đường ngắn hơn thì τ cũng rút ngắn; chip phản hồi yêu cầu nhanh hơn thì yếu tố tác động vẫn chính là nó.
Ai có thể nén τ xuống ngắn hơn, người đó sẽ chiến thắng.
Bài báo đưa ra hai ví dụ đã được kiểm chứng qua sản xuất hàng loạt.
Ví dụ đầu tiên là trên chip điện thoại, nơi hiệu năng của toàn bộ chiếc điện thoại phụ thuộc hoàn toàn vào một con chip SoC duy nhất, không có sự hỗ trợ từ việc chạy song song nhiều máy.
Phương pháp được bài báo đề xuất có tên là LogicFolding.
Định nghĩa chính thức của nó là phân chia các mạch kỹ thuật số, tương tự và lưu trữ lên các lớp hoạt động được xếp chồng theo chiều dọc, kết nối bằng công nghệ liên kết siêu tinh vi.

Áp dụng vào thực tế kỹ thuật, nghĩa là các mạch vốn được dàn trải trên một lớp nay có thể xếp chồng lên nhau theo không gian ba chiều.
Đường truyền ngắn hơn, điện trở và điện dung ký sinh giảm theo, giúp chip chạy nhanh hơn và tiết kiệm điện hơn trên cùng một nút quy trình sản xuất.

Huawei so sánh trực tiếp một con chip điện thoại thế hệ mới với chip thế hệ trước cùng quy trình, mật độ bóng bán dẫn tăng từ 155 lên 238 triệu bóng trên mỗi milimet vuông chỉ trong một thế hệ.
Khoảng cách này trước đây phải mất ba năm lặp lại quy trình sản xuất mới đạt được.
Ví dụ thứ hai là trong trung tâm dữ liệu AI.
Hệ thống AI hoàn toàn trái ngược với điện thoại, một con chip không cần phải gánh vác tất cả, mà có hàng trăm, hàng nghìn con chip cùng phối hợp thực hiện một nhiệm vụ.
Lúc này, yếu tố gây cản trở không còn là sức mạnh tính toán của bản thân chip đơn lẻ, mà là thời gian dữ liệu di chuyển giữa các chip và giữa các tủ rack.
Bài báo tính toán rằng, hơn 80% mức tiêu thụ năng lượng của một cụm AI lớn nằm ở việc vận chuyển dữ liệu, và hơn 70% chi phí nằm ở việc lưu trữ dữ liệu.
Để rút ngắn khoảng thời gian này, bài báo đưa ra bộ ba giải pháp.
Giải pháp đầu tiên gọi là Unified Bus, được định vị là giao thức kết nối thống nhất với ngữ nghĩa bộ nhớ, điểm-điểm và quản lý tính nhất quán phần cứng.
Về cách thực hiện, nó đơn giản hóa ngăn xếp truyền thông vốn phải chuyển đổi qua nhiều lớp thành một kênh tốc độ cao kết nối trực tiếp, giúp giảm độ trễ truy cập giữa các nút từ hàng chục micro giây xuống còn khoảng 100 nano giây.

Giải pháp thứ hai gọi là Hi-ONE, tên đầy đủ là High-density Optical Network Engine (Động cơ nút kết nối quang mật độ cao), với chỉ số chính thức là băng thông 8Tb/s cho mỗi mô-đun.
Bài viết được AI dịch và tổng hợp tự động từ QbitAI. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.