闭环 τ 定律——从“制程竞赛”转向“封装与散热竞赛”

当芯片制程逼近物理极限，传统的摩尔定律逐渐失效，半导体行业亟需新思路。华为提出的“韬定律”转向“时间缩微”，SK海力士新发布的iHBM则通过嵌入式冷却技术压缩信号延迟——两者不约而同地指向同一条路径：用系统级优化替代单纯尺寸缩小，让计算跑得更快、更稳。

“韬定律”是什么？

把晶体管从“盖别墅”换成“修地铁”

以往摩尔定律的思路很直观：为了把更多晶体管塞进单位面积里，芯片制程从28nm一路逼向2nm。当晶体管本身已经小得接近原子极限时，单纯缩小尺寸的效果越来越弱，而漏电和发热问题却越来越严重。华为提出的“韬（τ）定律”，核心思路是换一把“尺子”：不再只盯着“尺寸缩微”，而是转向“时间缩微”。通俗来说，以前大家为了通行效率，拼命把房子盖得小一点（相当于缩小晶体管尺寸），结果费了好大劲，房子里的通道却越来越挤。而韬定律的做法是，在现有道路上修建立交桥、拉直拥堵的主干道，让汽车跑得更快——也就是通过优化架构，缩短数据传输的信号延迟。
华为董事、半导体业务部总裁何庭波指出：未来十年电子系统的迭代升级，将不再依托几何缩放，而是以时间缩放为核心——系统性缩减全计算栈各层级的特征时间常数τ。

iHBM是什么？

一场“从源头给HBM数据高速公路降温”的技术革新

高带宽内存（HBM）是AI计算中不可或缺的一环。GPU需要HBM高速地喂数据，但HBM不断通过增加堆叠层数、提升运行速度来实现性能升级，发热问题也随之水涨船高。
SK海力士此次发布的iHBM，正是在热量最集中的D2D PHY区域（芯片与芯片之间的数据超高速互连通道）内部，直接嵌入高导热硅基冷却元件“ICE”，构建专用热量排出通道。相当于在数据跑得最辛苦的“高速公路”路段，直接加装了“降温空调”，让信号能够在更稳定的状态下高速传输。

iHBM如何契合“韬定律”？

从“降温”看“提速”

仔细分析SK海力士iHBM的技术逻辑，它至少从两个关键层面契合了韬定律的核心主张：

在结构层面直接缩短信号传输的“有效延迟”

韬定律的核心是降低时间常数τ，而时间常数τ = 信号传输在物理路径上的延时。信号传输路径上任何因发热导致的电阻上升、电子迁移变慢、信号完整性下降，都会直接拖累速度。传统HBM主要依赖热量经由核心芯片向外传导的间接散热方式，高温环境下信号跑不快、跑不稳。
iHBM在热量最集中的D2D PHY区域直接嵌入冷却元件，热阻降低30%以上。这意味着，在高温高负载下，D2D PHY区域依然能保持低阻、低延迟的高效状态——信号跑得更快了。这正是韬定律所强调的系统级τ值优化。此外，这项技术采用成熟稳定的MR-MUF工艺，可实现稳定规模化量产。同时与客户现有系统级封装环境保持高度兼容，企业无需进行大规模设计改动即可直接部署-25。这恰恰回应了韬定律所主张的“可落地、可推广” 的可持续路径——不是实验室孤品，而是可量产的现实方案。

用“封装结构优化”直接支撑“时间缩微”

韬定律的一个核心落地技术是“逻辑折叠”：把原本单层的二维芯片折叠成多层立体结构，让原本遥远的模块在物理上贴近，从而缩短信号传输路径。
iHBM的做法与此异曲同工：它并没有改变传统HBM的核心设计，而是在封装层面做了一件事——在D2D PHY这样的“关键拥堵节点”上，用结构优化的方式（嵌入ICE冷却元件）去解决一个制约信号速度的核心瓶颈（发热）。看似是散热问题，本质上是时间τ的问题。正如华为所主张的：不论具体手段是逻辑折叠，还是先进封装内嵌入冷却元件，核心目标都是压缩信号传输的总时间，实现性能跃升。

韬定律：一条多国验证的技术新路径

SK海力士5月26日的iHBM发布，与华为5月25日的韬定律发布，两者相隔仅一天，在技术底层上却形成了一种罕见的默契。中国企业在探索“不依赖极致几何缩微、靠压缩时间常数提升性能”的路径，韩国巨头也在用封装结构优化、降温设计的方式主动压降信号延迟。在中国企业积极将韬定律付诸实践的同时，另一条技术路径同样值得关注：即使芯片自身再高效，如果热量无法被及时带离，受高温制约的信号传输延迟依然会限制整体性能。奥迪威基于“感知+执行”的系统级散热方案，借助微射流液泵与流量传感器，主动为芯片创造恒温工作环境，从而在物理层面持续压缩信号传输的τ值。微射流液泵：构建主动式微循环，为发热模块直接“降温”。在SK海力士iHBM技术中，冷却元件被直接嵌入热源区域，从热源附近解决问题。奥迪威的微射流液泵则实现了嵌入式液冷的规模化供应——这款压电液泵去除了传统电机结构，功耗低、零噪音、无电磁干扰。它能够灵活嵌入智能手机、AI PC等智能终端内部，像微型“心脏”一样驱动冷却液在发热芯片周围形成主动微循环。这种在热源处立即干预的方式，从物理层面保障了信号传输的低延迟状态，践行了韬定律“主动干预、先发制热”的核心思路。AI服务器液冷散热专用流量传感器：精准流量监控，让液冷系统“恰如其分”。对AI服务器而言，流量过小会导致芯片瞬时过热烧毁，流量过剩则造成不必要的能耗浪费。奥迪威的流量传感器采用超声波与涡街双技术路线，替代了传统工业级流量计的干路监控模式，采用“干路+支路”双路监控架构，能够毫秒级响应，实时、公平地为每个芯片节点分配冷却液。同时，传感器内置了MCU微处理器和人工智能架构，采集的数据经训练后可通过OTA升级算法，使传感器能持续“进化”。精准的流量分配和系统级的持续优化，为服务器的高效运行提供了刚性的底层保障。协同作用：芯片的瞬时功耗波动频繁，仅有冷却部件而缺乏智能传感与控制，极易出现“缺冷烧毁”或“过度制冷”的困局。奥迪威“感知（流量传感器）+执行（微射流液泵）”的系统级散热方案，不仅实现了“引热+送热+散热”的一体化闭环管理，更将传感数据的实时监测与执行机构的精准介入有机结合。这套方案为AI芯片的长期高效运行提供了坚实的物理保障，也与中国半导体企业所倡导的“时间缩微”理念产生深层共鸣。从SK海力士的iHBM，到中国企业的韬定律探索，再到奥迪威的系统级散热落地，“如何压降信号传输的时间τ”正在成为全球半导体行业在新范式下的核心议题。正如赛迪顾问数据显示，AI服务器液冷散热系统渗透率已在2025年突破50%，预计2026年将达65%。技术的竞赛没有终点，但它始终应当服务于一个更基础的目标——让计算跑得更快、更稳。正如华为董事、半导体业务部总裁何庭波所展望的那样，未来十年电子系统的迭代升级，将不再依托几何缩放，而是以时间缩放为核心——系统性缩减全计算栈各层级的特征时间常数τ——这场围绕“时间”的效率革命，才刚刚拉开帷幕。