密度涨55%，功耗反降58%，麒麟咋想的？

密度涨55%，功耗反而降58%——这组数据放在两年前，任何一个受过半导体训练的工程师都会先怀疑测试方法出了问题。

但9月4日，华为半导体业务部总裁何庭波的"韬定律"论文再次更新，给了这个反直觉结论一份扎实的实验支撑。同一周，全球DRAM市场规模单季冲上1470亿美元创历史新高，三星与Arm联手启动2纳米端侧AI定制芯片项目。三条新闻看似不相干，其实指向同一件事：摩尔定律没死，只是换了好几种活法。

📐 韬定律：把"堆晶体管更热"的常识推翻了

干过物理设计的人都背过一条铁律：单位面积塞进更多晶体管，功率密度和发热必然上升。这是Dennard Scaling失效后整个行业默认的前提，也是FinFET、GAA一路演进时反复权衡的核心约束。

何庭波团队这次更新的论文，直接冲着这条铁律来了。

论文重点回应了LogicFolding（逻辑折叠）最受关注的功耗与发热质疑。传统观点认为，将有源晶体管垂直堆叠会进一步提升单位面积功率密度；而麒麟2026的实测结果恰恰相反——堆得越巧，反而越凉。

先看密度。麒麟2026是首款采用LogicFolding的移动SoC，晶体管密度从上一代约1.55亿颗/mm²提升至2.38亿颗/mm²，单代提升55%。论文里有一句值得反复咀嚼的话：这个提升幅度，相当于此前依靠传统几何微缩连续三年才能取得的水平。

一句话：别人用三年走完的路，折叠一次就到了。

这正是韬定律的产业含义。在光刻几何微缩边际收益递减的当下，纵向集成正在成为新的摩尔引擎。平面方向上的每一纳米都要靠设备、材料和良率的三重代价去换，而逻辑折叠是拿设计方法和架构创新去换空间——前者拼的是产业链硬实力，后者拼的是设计能力与工程巧劲。对于在先进制程获取上面临现实约束的团队，这是一条用智力换装备的路；对于全行业而言，它也宣告了"密度进步只能靠制程节点"这个叙事的终结。

🔢 数据拆解：功耗为什么会反着降

实测数据是这篇论文最硬的部分，也是最反直觉的部分。

在与麒麟9030 Pro保持相同性能的前提下，麒麟2026的成绩单是这样的：NPU维持29 TOPS算力时，运行频率降低63%，电压从0.85V压到0.55V，最终功耗下降66%，功率密度下降73%；GPU在同为61 FPS的条件下，工作电压低200mV，功耗下降58%；CPU性能核在HNX测试中，以低9%的频率和低200mV的电压达到与前代相同性能，功耗降低41%。

为什么密度大涨，功耗反而降？把动态功耗公式P=CV²f翻译成人话就懂了：逻辑折叠把原本拉得很长的互连路径折叠到垂直方向，等效电容C大幅缩短；电压V从0.85V到0.55V看似只降了300mV出头，但在二次方关系下意味着接近七成的动态功耗折扣；频率f的下降空间则由单位面积晶体管数量的富余来补——用更多更近的晶体管跑得更慢更稳，而不是用更少的晶体管跑得飞快。

更值得注意的是另一面的数据：如果转而追求极限性能，LogicFolding同样能释放性能上限。Turbo模式下，麒麟2026 NPU最高冲到70 TOPS，较前代提升141%；GPU帧率最高提升42%；CPU在HNX测试中性能最高提升18%。

能效曲线整体外移，才是真正的架构级收益——省电只是副产品，天花板抬高才是本质。

🌊 DRAM超级周期：端侧叙事的另一面注脚

把镜头从单颗芯片拉到整个市场，另一场风暴正在存储侧酝酿。

据CFM闪存市场数据，2026年二季度全球DRAM市场规模达到1470.24亿美元，环比增长55.9%，创下历史新高。原厂持续扩大服务器DRAM、HBM等高附加值产品销售，量价齐升，带动二季度销售收入环比大幅上涨。

细看节奏更有意思。一季度服务器、PC DRAM的ASP还是环比翻倍的凶猛涨法，二季度涨幅已放缓至40%—50%区间。展望三季度，原厂与部分服务器客户已锁定长协价格上限，非长协以外的涨价空间正逐季缩小——超级周期仍在，但斜率在钝化，这几乎是一条标准的周期顶部形态。

这轮存储通胀的本质，是云端AI算力的需求洪流：服务器与HBM吃掉了大量产能，把通用DRAM的价格也抬了上去。而云端算力越贵、越紧张，端侧AI的性价比天平就越倾斜——把推理下沉到手机和终端设备，省下的不只是云端账单，还有响应速度和隐私合规两笔隐性成本。

据多位业内观察人士的说法，这恰恰是当下终端厂商与AI厂商共同的心里话：云端越贵，端侧越香。

所以DRAM的1470亿美元，不只是存储原厂的狂欢，它其实是端侧AI芯片最好的需求背书。

🤝 三星与Arm：定制芯片的第二战场

端侧AI这碗汤，闻到味的不止一家。

9月4日据报道，Arm已于8月底批准下一代端侧AI SoC的初始开发费用（NRE），并与三星电子正式启动项目。分工很清晰：Arm负责提供AI加速器（AIC）架构、RTL等设计技术，并向最终客户传达需求、统筹项目开发；三星系统LSI事业部负责SoC设计；晶圆代工事业部则计划采用2纳米制程负责量产。

更有信息量的是最终客户的归属。报道援引业内人士透露，该项目最终客户候选人为OpenAI——而Arm此前也已与OpenAI推进相关量产合作。AI能力从云端向终端加速延伸，OpenAI若进一步布局端侧硬件，对专用AI芯片的需求只会水涨船高。

这套合作还有一个值得琢磨的细节：双方采用有限使用许可（LUL）框架，Arm提供的技术仅限用于特定客户产品开发，使用范围受到明确限制；Arm扮演技术提供方而非芯片销售方；完成设计和制造后，三星直接向最终客户供货并实现商业变现。

翻译一下，这就是"设计+制造"打包出售的方案商打法——系统LSI接住设计订单，代工业务顺势导入2纳米先进制程客户，两大事业部在同一项目里协同变现。对三星代工而言，2纳米端侧AI芯片的实际开发和量产经验，比一笔订单本身值钱得多：它是一次公开的技术路演，也是向潜在客户递出的名片。

通用芯片未必能满足不同设备在算力、功耗及成本上的差异化要求，定制AI芯片因此成为产业链公认的新方向。这场定制化浪潮里，没有谁愿意只当看客。

⚔️ 三条路线合流：摩尔定律换了个活法

把三件事放在一起看，脉络就出来了。

华为的韬定律走的是逻辑折叠路线——用垂直集成换取密度与能效，绕开对几何微缩的单一依赖；DRAM超级周期走的是价值迁移路线——HBM与服务器存储吸走产能与利润，存储的价值中枢整体上移；三星与Arm走的是定制化路线——用专用架构加先进制程的组合拳，去吃通用芯片吃不下的高端市场。

三条路线的共同点在于：都不再指望"光刻机往前挪一个节点，所有问题自动解决"。

对产业观察者而言，真正的启示是评价体系的变化。过去看一家公司半导体的斤两，先问制程节点；往后这个问题会越来越多地变成：你有什么架构创新？你的存储配比怎么设计？你的芯片是通用还是定制？密度、能效、专用性，三个维度各自计分，摩尔定律从一个单一刻度变成了一张多维的雷达图。

当然，泼一盆必要的冷水：论文数据与量产良率、整机散热、成本控制之间，还隔着漫长的工程距离；存储周期的顶部形态也提醒所有人，暴涨的市场从来不会温柔落地。技术叙事很性感，产业兑现需要时间。

摩尔定律没有过时，过时的是只用一把尺子量摩尔定律的习惯。

下一个节点不再叫3纳米或2纳米，它可能叫折叠、叫堆叠、叫定制——名字变了，竞赛没停。而这场竞赛的入场券，正在从采购设备的能力，变成重新定义晶体管怎么摆的能力。谁能先把第三种活法走通，谁就能在下一次周期里坐上主桌。