何庭波、梁文锋，给出了同一种答案 文章

历史从不因某个定律被“提出”而改变，历史只因某个定律被“验证”而改变。 又一个极限微操。 如同DeepSeek用算法榨干GPU一样，华为也打算在半导体领域做同样一件事。 5月25日，由电气电子工程师学会（IEEE）举办的国际电路系统研讨会ISCAS 2026在上海举行。会上，华为公司董事、半导体业务部总裁何庭波在题为《半导体新路径探索与实践》的主旨演讲中，正式发表了“韬（τ）定律”。 何庭波，来源：人民日报 同日09:56，一篇名为《A Time Scaling Theory for Multi-Layer Electronic Systems》上线中国科学院科技论文预发布平台（ChinaXiv）。论文共16页，编号为 ChinaXiv:202605.00224v1，作者Tingbo He（何庭波），作者单位为华为。 链接为，可自行查阅： https://chinaxiv.org/abs/202605.00224 来源： ChinaXiv 平台截图 对于摩尔定律撞物理墙这一现状，何庭波直接写到：“该行业的核心问题发生了变化。它不再是‘晶体管还能再缩小多少？’而是‘应该缩小到什么程度，以及以什么目标？’” 换个什么目标？从缩小空间，转向压缩时间。 熟悉吗？ DeepSeek在开发V3模型时，同样面对算力受限的困境。其技术报告披露，V3完整训练只需278.8万H800 GPU小时，按每GPU小时2美元计算，总训练成本仅为557万美元。同期业内估算GPT-4o的训练成本约为1亿美元。也就是说，DeepSeek用了不到二十分之一的成本。 怎么做到的？不是堆更多GPU，而是从两个方向同时动手：在模型架构层，用MoE架构让每次计算只激活必要的参数；在底层硬件控制层，绕过CUDA的高级API，直接编写PTX汇编语言，对GPU的寄存器分配和线程调度进行精细化控制。 华为也好，DeepSeek也好，两家不同领域的公司，给出了相似的答案：回到商业现实，不再堆料，向架构要效率。 1 从“空间”向“时间”，从“供给”视角到“需求”视角 进入“后摩尔定律时代”，早已是业内共识。 近半个世纪的半导体产业，就是一部关于“如何把空间压榨到极致”的微雕史。