5月25日，华为发布的“韬（τ）定律”引发半导体行业乃至整个社会热议。

　　“韬定律”的价值到底在哪里？快思慢想研究院院长、特邀评论员田丰以及深度科技研究院院长张孝荣接受了《每日经济新闻》记者的采访。

　　田丰认为：“‘韬定律’从四个层级同步压缩信号传播时间常数τ，其系统级效果直接命中AI（人工智能）推理‘数据搬运’瓶颈，而非仅仅提升计算密度。AI推理的真实瓶颈在于数据移动，而非浮点算力。”

　　在张孝荣看来，“韬定律”把“时延”从结果变成设计起点，用“时间缩微”替代“几何缩微”。“过去优化算力，现在优化数据流动路径。推理时延的瓶颈不在计算有多快，而在数据等多久，这一点的改变是根本。”

　　从四个层级做到“时间优化”

　　长期以来，逻辑芯片领域以提升计算能力为核心。摩尔定律的本质是晶体管数量的提升将带来计算性能的提升，而“韬定律”则抓住了AI推理时代的命门，那便是“数据搬运”（或称之为“运力”）。

　　田丰表示，现阶段主流LLM（大语言模型）在解码阶段，每生成一个token（词元）都需要从内存重载全量权重，矩阵乘法退化为矩阵向量乘法，此时GPU（图形处理器）算力利用率往往低于30%，而内存带宽已达极限。

　　TrendForce的数据表明，2026年高带宽内存（HBM）需求同比增速仍超过70%。华为论文中披露了一个关键数据点：超过80%的AI集群能耗消耗在数据移动上，而非计算本身；超过70%的系统成本投入到数据存储领域。

　　可以看出，当下AI推理的瓶颈在于“运力”而非“算力”。