华为发布「韬定律」：单位算力成本年降 40%，三年追平国际先进水平

华为发布「韬定律」：单位算力成本年降 40%，三年追平国际先进水平

华为近期向业界抛出"韬定律"概念，宣称在 AI 芯片单卡训练效率维度上提出了一条新的性能演进曲线：未来三年内，单位算力的成本将以每年约 40% 的速率下降，目标是 2028 年用国产供应链把大模型预训练价格拉低到 GPT-4 同等水平的三分之一。

"韬"取自华为内部多年坚持的"韬光养晦"研发策略。华为表示，自昇腾 910 系列问世以来，单颗芯片的有效算力（按 FP16 折算的每秒可用 TFLOPS）在三年间提升了大约 2.8 倍，远超业界 1.5 倍的普遍增速；如果把整个集群的工程效率也纳入计算，叠加自研 HBM 替代、互联协议升级、液冷机房规模化部署等系统性红利，整体演进曲线满足上述"韬定律"约束。

与摩尔定律强调"晶体管密度翻倍"不同，韬定律把视角从单颗芯片转向"单卡可投产的有效算力"。在华为看来，过去十年算力的增长被功耗墙、内存墙、互联墙三个物理边界反复压制；摩尔定律虽然没死，但对终端用户的边际效用已经显著递减。韬定律的提出，意味着行业评价标准要从"硬件物理工艺"转向"可调度算力的成本曲线"。

从产业反馈看，国内云厂商对韬定律的反应呈现两极分化。支持者认为，国产替代的关键不在峰值算力而在 TCO（总拥有成本），如果华为能把"实际可买到的算力"做到 GPT-4 的三分之一价格，国内大模型厂商就能摆脱对英伟达的依赖；质疑者则指出，HBM 国产化、液冷机房、跨卡互联等环节本身就有较高的工程门槛，华为能否在三年内兑现"单位成本年降 40%"仍需观察。

行业分析人士表示，无论韬定律最终是否被验证为"定律"，这一命题已经把国产 AI 算力竞争从单纯的硬件参数比拼，拉升到了"系统级成本曲线"的更高维度。可以预期，随着更多国产 AI 芯片厂商加入这条赛道，未来围绕"单卡训练成本"、"集群总算力时延"、"单位能耗下的有效推理量"等指标的对比将会成为常态。届时全球 AI 基础设施的定价权格局，也将迎来一个新的分水岭。