不缩工艺，芯片开始'叠罗汉'了？

制程微缩撞墙的这些年，芯片行业一直在找一个新方向。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，给出了一个反直觉的答案：麒麟2026晶体管密度暴涨55%，NPU功耗却降了66%。同一天，全球DRAM单季市场规模创下1470亿美元的历史新高；三星与Arm的2nm定制芯片正式立项，最终客户直指OpenAI。三件事挤在同一条新闻流里，不是巧合——端侧AI，正在重写芯片行业的价值公式。

📐 密度涨55%，功耗凭什么反着降？

先看论文本身，这是全文最硬核的部分。

传统观点认为，把更多有源晶体管垂直堆叠，单位面积功率密度必然上升，发热必然恶化——这在二维平面时代几乎是物理常识。但麒麟2026的实测结果恰恰相反：它是首款采用LogicFolding（逻辑折叠）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%。论文特别强调，这一幅度相当于此前依靠传统几何微缩连续三年才能取得的密度增幅。

也就是说，别人走三年，它一步走完。

功耗端的数据更值得细看。在与麒麟9030 Pro保持相同性能的前提下：

如果转而追求极限性能，LogicFolding同样能打开天花板：Turbo模式下，NPU最高冲到70 TOPS，比前代提升141%；GPU帧率最高提升42%；CPU在HNX测试中性能最高提升18%。

为什么密度暴涨，功耗反而下降？逻辑其实不难理解：逻辑折叠把原本摊在平面上的逻辑单元垂直叠起来，晶体管之间的互连路径被大幅缩短。而在先进制程芯片里，互连延迟和互连功耗早已超过晶体管本身，成为真正的开销大头。路径短了，电容小了，电压就能往下压——而功耗与电压的平方成正比，0.85V降到0.55V，光这一项就是接近六成的理论收益。

💡 '韬定律'这个名字，外界可以讨论它的命名姿态，但数据本身给出的是一个产业信号：摩尔定律的接力棒，正在从'画得更小'交到'叠得更高'手里。

🔋 功耗，端侧AI的唯一硬通货

看懂了上面的数据，再看第二条线索就顺了：为什么功耗降幅，比密度增幅更值得关注？

想象一个场景：你在手机上跑一个端侧大模型，连续对话二十分钟。云端数据中心可以上水冷、可以拉专用变电站，手机不行——它的散热上限是石墨片和均热板，它的能源上限是一块电池。这就是端侧AI和云端AI最本质的分野：云端的约束是采购成本，端侧的约束是物理定律。

在这个约束下，麒麟2026那组数据的价值需要重新标定：29 TOPS算力维持不变，运行频率降低63%、电压降到0.55V——翻译成人话就是，同样的AI算力，用更少的电、发更少的热，在同样一块电池里能多跑出成倍的推理量。GPU同样帧率下电压低200mV、功耗降58%，意味着游戏和端侧渲染的场景里，机身温度曲线会完全不同。

据多位接近终端厂商的人士私下透露，现在端侧芯片的选型评审里，PPT第一页看的已经不是峰值TOPS，而是每瓦TOPS——'峰值参数是用来开发布会的，能效曲线才是用来定义体验的。'这句略带刻薄的话，基本概括了端侧AI时代芯片竞争的重心迁移。

这也解释了LogicFolding为什么把'功耗与发热问题'作为论文更新的重点回应对象。密度提升是路径，能效提升才是目的。对一家被制程获取通道限制的公司来说，在给定工艺下做出超越工艺代际的能效，是唯一可走的路——而这条路，恰好和整个行业在后微缩时代的方向重合了。

📈 DRAM创新高：AI的另一半账单

芯片设计的激进，离不开存储行情的背书。这是第三条线索。

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。原厂在二季度继续响应服务器市场的强劲需求，扩大服务器DRAM、HBM等高附加值产品的销售占比——相比一季度服务器、PC DRAM ASP环比翻倍的暴涨，二季度涨幅放缓至40%—50%区间，但整体量价齐升。

看多的人会说，这是AI周期的黄金阶段；看空的人会说，涨速已经见顶。两个判断其实都写在了数据里：三季度原厂与部分服务器客户已锁定长协价格上限，非长协以外的价格上涨空间正逐季缩小，预计ASP继续上涨但增速趋缓。

不过对本文的主题来说，DRAM创新高的意义不在周期本身，而在于它揭示了AI算力的真实成本结构：一头是HBM和服务器DRAM吃掉数据中心越来越多的预算，另一头是存储成本顺着BOM表传导到每一台终端设备上。云端AI的全套账单——算力、存储、网络、电费——正在变得越来越贵。

账单越贵，'把推理搬到终端'的经济性就越突出。端侧AI可以直接在手机等设备上完成部分AI推理，降低云端算力压力，还顺带改善响应速度和数据隐私。这就是麒麟2026死磕能效、三星联手Arm做端侧定制芯片共同的需求底座：云端越贵，端侧越香。

🏭 三星和Arm，把设计制造打包卖

第四条线索，发生在代工侧。

9月4日消息，Arm已于8月底批准下一代端侧AI SoC的初始开发费用（NRE），与三星电子正式启动项目。分工非常清晰：Arm提供AI加速器（AIC）架构、RTL等设计技术，并传达最终客户需求、统筹项目开发；三星系统LSI事业部负责SoC设计；晶圆代工事业部采用先进2纳米制程负责量产。报道援引业内人士透露，该项目的最终客户候选人是OpenAI——而Arm此前也已与OpenAI推进相关量产合作。

两个细节值得展开。

第一，合作采用有限使用许可（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。换句话说，Arm在这单生意里的角色是技术提供方和开发合作方，而不是芯片销售方——设计完成后，由三星直接向最终客户供货并实现商业变现。设计费、制造费，一张合同收两份。

第二，也是对三星更关键的一点：这不是单纯接一笔设计订单，而是把系统LSI与晶圆代工两大业务在同一项目里打通，形成'设计+制造'的完整AI芯片解决方案。2纳米端侧AI芯片的实际开发和量产经验，具有很强的示范意义——先进制程最缺的从来不是纸面参数，而是一个愿意把产品押上去的重量级客户。若项目顺利推进，三星代工就有了自己的量产样板间。

⚠️ 当然，示范意义的另一面是风险：定制芯片项目周期长、需求变数大，最终客户是否锁定OpenAI、2纳米良率能否支撑量产节奏，都还是未知数。但方向已经足够清晰。

🧭 三条线索，一个拐点

把四件事按时间排一排，你会看到一个正在收拢的产业共识：

密度、能效、存储、定制——四条线拧成的其实是一股绳：AI正在从云端向终端迁移，而这次迁移对芯片的要求，和过去二十年完全不同。

过去拼的是制程节点数字，谁的晶体管更小谁赢；现在拼的是三件事的组合——在给定工艺下挖出更多密度（LogicFolding）、把每瓦算力做到极致（端侧能效）、用定制架构匹配具体场景（三星Arm模式）。通用芯片未必能满足不同设备的算力、功耗及成本要求，定制AI芯片因此成为产业链关注的新方向；而当存储把云端账单越推越高，端侧推理的经济性又被反向强化。

需要冷静指出的风险同样有三层：逻辑折叠的量产良率与长期可靠性仍需时间验证；DRAM的涨价动能正在逐季衰减，周期顶部特征明显；三星2纳米项目的客户与产能变量都未落地。技术叙事再漂亮，最后都要过量产这一关。

小结：麒麟2026的实测数据、DRAM的历史新高、三星与Arm的定制芯片立项，本质上是同一个拐点的三个切面——芯片行业的竞争坐标，正在从'制程节点'转向'每瓦算力与场景匹配'。几何微缩的时代未必结束，但靠堆叠、架构和定制去'变相微缩'的时代，已经开场。2027年的看点很明确：LogicFolding能否跨过第二代良率大关，2纳米端侧AI芯片能否交出量产答卷。牌已经摊开，接下来看谁先把故事变成报表。