简而言之，原本的GPU芯片是把数据从HBM搬运到GPU计算核心，由计算核心进行处理；而近存计算的原理是让内存在计算核心旁边。因此，近存计算将大幅提升数据搬运的速度，而数据搬运速度在AI推理时代至关重要。

　　为何华为选择在当下提出“韬定律”？因为其恰好命中AI推理领域“数据搬运”的核心瓶颈。随着智能体的快速推广，AI推理的调用量大幅提高。如果说决定AI训练的关键是性能，那么决定AI推理的关键便是性价比。

　　田丰表示：“AI推理的商业化已进入‘成本决定胜负’阶段。推理服务提供商2026年的运营支出（OPEX）结构中，电力成本占比超过30%，而电力成本的主体是数据移动能耗而非浮点计算能耗。”

　　他进一步介绍，“韬定律”从器件层（降低单比特读写能耗）到系统层（减少跨节点数据搬运次数），在四个层级同步压缩数据移动的能耗。“这意味着，在基于‘韬定律’路径的AI推理集群中，能效比的提升不是单一技术点的改善，而是全链路协同优化的结果。”

　　张孝荣也表示：“因为推理的瓶颈已经从‘存不够’变成‘搬不动’。近存计算让计算发生在数据所在的地方，本质是把数据搬运的功耗和时延抹掉。这决定了推理能不能大规模、低成本落地。”

　　“韬定律”或打破“唯制程论”路径依赖

　　“韬定律”提出后，也有不少业内人士质疑，认为“韬定律”的逻辑折叠类似于3D封装，即“韬定律”没有特别多的独创之处。