Huawei는 Tao's Law를 명명했지만, 칩 산업은 이미 그 방식을 알고 있었다

Huawei는 칩 산업이 이미 여러 핵심 공학 요소를 추구해 온 상황에서도 5월 25일 Tao's Law를 새로운 반도체 스케일링 원칙으로 소개했다.

당장의 논쟁은 지연 시간을 줄이는 것이 컴퓨팅 시스템을 개선하는지 여부가 아니다. 엔지니어들은 수십 년간 지연 시간, 전력, 면적, 대역폭, 패키징, 소프트웨어를 함께 최적화해 왔다. 쟁점은 Huawei가 이 익숙한 관행들을 실질적으로 새로운 법칙으로 결합했는지에 있다.

이 구분이 중요한 이유는 Huawei가 또 하나의 칩 아키텍처를 발표하는 것보다 더 큰 주장을 하고 있기 때문이다. Huawei의 논문은 그리스 문자 타우로 표현되는 하나의 시간 상수를 트랜지스터부터 데이터센터 워크로드까지 공통 목표로 제시한다.

이 제안은 상하이에서 열린 IEEE International Symposium on Circuits and Systems 기간에 나왔다. Huawei 반도체 부문 책임자 Tingbo He는 “Exploration and Practice of New Paths in Semiconductors”라는 제목의 기조연설에서 이를 설명했다.

이후 Huawei는 영어 사전공개본인 “A Time Scaling Theory for Multi-Layer Electronic Systems”를 공개했다. 확장된 두 번째 버전은 최초 발표 후 5주가 넘은 7월 3일 ChinaXiv에 게재됐다.

이 일정은 8월 논의의 배경이 된 사건을 분명히 보여준다. Tao's Law는 현재의 소셜 논쟁이 나타난 시점에 처음 발표된 것이 아니다. 이 논쟁은 5월에 공개되고 7월에 대폭 확장된 제안을 다시 다루고 있다.

헤드라인의 질문에 대한 회의적인 답은 간단하다. 이전의 칩 제조사들도 시스템 전반의 최적화, 수직 통합, 칩렛, 더 짧은 인터커넥트의 가치를 볼 수 있었고 실제로 그렇게 해왔다.

Huawei의 잠재적인 차별점은 다른 데 있다. 이 회사는 그러한 선택들을 하나의 지연 시간 중심 지표 아래에 묶고, 여러 공학 계층을 연결하며, 자사 제품의 생산 사례를 근거로 제시한다.

따라서 Tao's Law는 새롭게 발견된 물리 법칙이라기보다 야심 찬 공학 원칙에 가깝다. 이 원칙이 그 이름에 걸맞은지는 독립적 검증, 재현 가능성, 그리고 Huawei 외부에서의 유용성에 달려 있다.

Huawei가 실제로 발표한 내용

Huawei는 더 빠른 회로가 더 낫다는 사실을 발견했다고 주장하지 않았다. 대신 전체 컴퓨팅 스택을 구성하는 지표로 시간 단축을 제안했다.

Huawei의 프레임워크에서 타우는 각 시스템 계층에서 의미 있는 작업을 수행하는 데 필요한 특성 시간을 의미한다. 타우가 작을수록 트랜지스터는 더 빨리 스위칭하고, 회로는 더 빠르게 응답하며, 워크로드는 더 일찍 완료된다.

회사는 이 접근법을 기하학적 스케일링과 대비한다. 전통적인 반도체 발전은 주로 트랜지스터 크기를 줄이고 집적도를 높이며, 그에 따른 성능 또는 효율 향상을 얻는 데 의존했다.

제조 복잡성과 개발 비용이 상승하면서 이 모델을 유지하기는 더 어려워졌다. 전력, 인터커넥트 지연, 메모리 접근, 열, 패키징 역시 시스템 성능에 더 큰 제약으로 작용하게 됐다.

Huawei는 제조 노드가 그대로여도 압축된 동작 시간으로 발전을 측정해야 한다고 주장한다. 최적화 목표는 디바이스, 회로, 칩, 패키지, 랙, 소프트웨어 전반으로 확장된다.

회사의 Tao's Law 발표는 이 접근법이 디바이스 계층부터 완전한 시스템까지의 조율된 최적화를 지원한다고 설명한다. Huawei는 이 과정을 시간 스케일링이라고 부른다.

관련 논문은 LogicFolding을 주요 구현 기법으로 제시한다. LogicFolding은 수직으로 연결된 활성 계층들에 디지털 로직, 아날로그 기능, 메모리를 분할 배치한다.

이는 단지 별도로 완성된 칩을 하나의 패키지 안에 나란히 배치하는 방식이 아니다. 제안된 설계는 짧은 수직 연결과 계층별 제조 선택을 중심으로 기능을 재구성한다.

Huawei는 고정된 디바이스 노드를 사용한 모바일 system-on-chip에서 이 구성이 트랜지스터 집적도를 55% 높이고 전력 효율을 41% 개선했다고 말한다.

이 수치는 회사가 보고한 결과다. 공개 사전공개본에는 추가 방법론과 측정치가 제시돼 있지만, 독립 연구소의 동료 검토 재현 결과는 아니다.

Huawei는 또한 Unified Bus, Hi-ONE, 3D Folding이라는 시스템 수준 기술을 설명한다. 이들은 함께 메모리 접근, 광 통신, 패키징, 대규모 AI 시스템을 겨냥한다.

원본 사전공개본은 더 넓은 스택이 수백 마이크로초 단위의 통신을 수백 나노초 단위로 압축할 수 있다고 말한다. 이 주장은 여러 계층을 결합한 것이므로 신중한 단서가 필요하다.

Huawei는 Tao's Law 관행이 6년 동안 생산에 들어간 381개 칩 설계에 기여했다고도 밝힌다. 공개 자료는 모든 설계에 대해 동등한 제3자 테스트를 제공하지는 않는다.

따라서 이 수치는 Huawei가 주장하는 내부 배포 규모를 보여줄 뿐, 보편적 법칙의 독립적 증거는 아니다.

두 번째 버전이 중요한 이유는 공학 파라미터, 측정 데이터, 제품 로드맵을 추가했기 때문이다. ChinaXiv는 7월 3일 V2 출시를 기록했으며, 나흘 뒤 공지를 게시했다.

V2 출시 공지는 특히 모바일 칩과 AI 시스템을 생산 규모의 시연 사례로 설명한다. 또한 LogicFolding을 모바일 구현 방식으로 명시한다.

이 과정은 5월 기조연설 이후에도 논의가 이어진 이유를 설명한다. Huawei는 광범위한 공개 원칙에서 더 검증 가능한 기술 제안으로 나아갔지만, 주요 검증 공백은 여전히 남아 있다.

Huawei에 새로운 스케일링 서사가 필요했던 이유

Tao's Law는 Huawei가 최신 제조 공정에 대한 접근성을 유일한 기준으로 삼지 않고 반도체 발전을 설명할 수 있게 한다.

Huawei는 첨단 반도체 장비, 소프트웨어, 해외 제조 서비스에 대한 접근을 제한하는 광범위한 미국 수출 통제 아래에서 사업을 운영하고 있다.

이러한 제한은 특이한 공학적 동기를 만든다. 제조 선택지가 제한된 상황에서 Huawei는 아키텍처, 패키징, 인터커넥트, 메모리 시스템, 소프트웨어에서 더 많은 가치를 끌어내야 한다.

모든 선도 공정 노드에 안정적으로 접근할 수 있는 기업은 기하학적 스케일링과 이러한 기법을 함께 활용할 수 있다. Huawei에는 공정상의 불리함을 보완하는 기법을 강조할 더 강한 이유가 있다.

Tao's Law는 이러한 필요를 전략적 서사로 바꾼다. 진짜 목표는 단순히 더 작은 인쇄 치수 자체가 아니라, 유용한 작업을 더 짧은 시간 안에 완료하는 것이었다는 주장이다.

이러한 재구성은 타당하다. 구매자가 체감하는 것은 애플리케이션 속도, 배터리 소모, 처리량, 온도, 신뢰성이다. 이들은 명목상 공정 라벨을 직접 체감하지 않는다.

문제는 공정 기술이 여전히 거의 모든 결과에 영향을 미친다는 점이다. 어떤 프레임워크도 트랜지스터 성능, 집적도, 누설 전류, 수율, 제조 일관성에서의 불리함을 없앨 수는 없다.

Huawei의 제안은 대신 엔지니어들이 여러 계층에 걸친 전체 지연 시간을 공략할 수 있다고 말한다. 한 계층의 느린 요소는 더 짧은 연결, 더 많은 병렬성, 특화 연산, 또는 더 적은 데이터 이동으로 상쇄될 수 있다.

메모리에서 데이터를 기다리는 AI 가속기를 생각해 보자. 연산 유닛이 계속 유휴 상태라면 더 빠른 산술 유닛은 큰 가치가 없다. 메모리 배치나 통신을 개선하면 더 큰 시스템 이득을 낼 수 있다.

같은 원칙은 멀티칩 시스템에도 적용된다. 대형 설계를 칩렛으로 나누면 재사용성과 제조 수율을 높일 수 있지만, 칩렛 간 통신은 지연 시간과 에너지 비용을 유발한다.

첨단 패키징은 구성 요소를 더 가깝게 배치해 그 비용 일부를 줄인다. 수직 적층은 연결을 더 짧게 만들 수 있지만, 열, 테스트, 본딩, 수율 문제를 유발한다.

Huawei의 프레임워크는 이러한 모든 결정을 시간으로 표현하려 한다. 이 공통 지표는 팀이 한 계층의 개선과 다른 곳에서 발생한 병목을 비교하는 데 도움이 될 수 있다.

이는 조직 간 경계에도 도전한다. 반도체 기업은 디바이스 연구, 회로 설계, 아키텍처, 패키징, 시스템 소프트웨어, 애플리케이션 팀을 분리하는 경우가 많다.

공유된 목표는 이들 팀이 국지적 벤치마크를 극대화하는 대신 완성 제품을 최적화하도록 만들 수 있다. 이러한 관리적 기능이 Tao's Law의 가장 실용적인 기여일 수 있다.

그러나 이 맥락에는 동기에 이끌린 추론의 위험도 있다. 선도 제조 도구에 접근하지 못하는 기업에는 제조 노드의 중요성이 낮다고 선언할 명백한 이유가 있다.

그렇다고 공학 작업이 무효가 되는 것은 아니다. 다만 독자들은 기술적 측정치와 이를 둘러싼 전략적 메시지를 구분해야 한다는 뜻이다.

Huawei는 시간 스케일링이 단지 자사의 이전 내부 설계보다 나은 결과가 아니라 경쟁력 있는 제품을 만들어 낸다는 점을 보여야 한다. 기업 간 비교는 내부 시연보다 훨씬 어려울 것이다.

Huawei의 Tao's Law 독창성 주장은 선행 기술과 맞닿아 있다

칩 산업은 이미 시스템 공동 최적화를 실천하고 있으므로, Huawei의 가장 강한 독창성 주장은 기반 기술 자체보다 통합과 실행에 관한 것이다.

10년이 넘는 기간 동안 반도체 연구자들은 설계-기술 공동 최적화를 논의해 왔다. DTCO는 제조 규칙을 고정된 입력값으로 취급하는 대신 디바이스 공정과 칩 설계를 함께 평가한다.

업계는 이후 이 개념을 시스템-기술 공동 최적화, 즉 STCO로 확장했다. 이 방법은 시스템 요구에서 출발해 이를 아키텍처, 패키징, 회로, 기술 요구사항으로 변환한다.

Imec은 Huawei가 Tao's Law를 발표하기 수년 전에 이러한 전환을 공개적으로 설명했다. 2022년 STCO 프레임워크는 차원 스케일링만으로는 더 이상 시스템 발전을 예측할 수 없다고 주장했다.

Imec은 메모리 계층 구조, 특화 프로세서, 칩렛, 시스템 아키텍처와 기술 간 조율도 논의했다. 이는 Huawei의 진단과 상당 부분 겹친다.

이러한 중복이 두 프레임워크가 동일하다는 뜻은 아니다. STCO는 최적화 과정을 설명하는 반면, Tao's Law는 하나의 특성 시간을 통합된 발전 지표로 제안한다.

그럼에도 한 가지 결론은 피할 수 없다. Huawei는 디바이스, 회로, 패키징, 아키텍처, 소프트웨어에 관한 결정을 함께 최적화해야 한다는 일반적 개념을 발견한 것은 아니다.

TSMC는 또 하나의 중요한 비교 대상이다. 이 회사의 첨단 패키징 전략은 칩렛, 수직 적층, 고대역폭 메모리, 고집적 연결을 결합한다.

회사는 현대 제품 설계를 전체론적 시스템 수준 최적화 문제로 명시적으로 설명한다. 해당 기술들은 대역폭, 지연 시간, 전력 효율, 통합 밀도, 비용을 겨냥한다.

TSMC의 3DFabric 포트폴리오에는 SoIC 수직 적층, CoWoS 패키징, 통합 팬아웃 기술이 포함된다.

이 제품들은 Tao's Law 이전부터 존재했다. 이미 설계자가 서로 다른 기능을 적절한 제조 노드에 배치하고 하나의 패키지 내에서 연결할 수 있게 했다.

AMD도 컴퓨트 기능과 입출력 기능을 분리하기 위해 칩렛을 활용해 왔다. Intel은 서로 다른 공정으로 제작된 구성 요소를 결합하는 패키징 및 적층 기술을 개발해 왔다.

Nvidia의 AI 플랫폼은 가속기, 고대역폭 메모리, 인터커넥트, 네트워킹, 소프트웨어를 조율한다. 제공되는 성능은 하나의 트랜지스터 지표가 아니라 전체 플랫폼에 좌우된다.

이들 기업은 데이터 이동이 병목이라는 사실을 인식하기 위해 Tao's Law가 필요하지 않다. 이미 패키징, 메모리 시스템, 광 링크, 시스템 소프트웨어에 막대한 투자를 하고 있다.

LogicFolding 역시 이미 확립된 아이디어 계열에 속한다. 3차원 집적, 웨이퍼 본딩, 분할 다이, 이종 적층은 모두 폭넓은 연구 및 상용화 역사를 지닌다.

Huawei가 차별화된 구현 방식을 보유했을 가능성은 여전히 있다. 정확한 분할 전략, 활성층 구성, 설계 도구, 생산 제어 방식에는 의미 있는 발명이 담길 수 있다.

익숙한 범주라고 해서 모든 구현이 자명해지는 것은 아니다. 두 기업이 수직 집적을 추구하더라도 배치, 전력 공급, 열, 테스트, 수율 문제를 매우 다른 방식으로 해결할 수 있다.

더 깊은 문제는 “법칙”이라는 단어에 있다. Moore's Law가 영향력을 갖게 된 이유는 측정 가능한 역사적 패턴을 설명했고 업계 로드맵을 조율하는 데 도움을 주었기 때문이다.

Dennard scaling은 이상적인 스케일링 조건에서 트랜지스터 치수, 전압, 전류, 전력 밀도, 성능 사이의 관계를 설명했다.

현재 Tao's Law는 다르게 보인다. 이는 주로 제안 기업의 사례를 근거로 엔지니어에게 무엇을 최적화해야 하는지 제시하는 규범적 프레임워크다.

이를 법칙이라 부른다고 보편성이 입증되는 것은 아니다. 독립된 팀들이 그 지표가 발전을 예측하는지, 기존 방법보다 더 나은 의사결정을 이끄는지, 제품 전반에 걸쳐 적용 가능한지를 판단해야 한다.

따라서 Huawei는 명명된 프레임워크의 창안자임을 주장할 수 있다. 그러나 다른 칩 제조업체들이 시스템 수준 최적화를 발견하지 못했다고 주장하는 것은 합리적이지 않다.

더 공정한 해석은 Huawei가 확립된 여러 방향성을 하나의 시간 지표로 공식화하고, 그 프레임워크를 구체적인 내부 엔지니어링 작업과 연결했다는 것이다.

이는 새로운 자연 법칙을 발견했다는 주장보다 덜 극적이다. 그래도 이 프레임워크가 반복 가능한 설계 개선을 낳는다면 가치는 충분히 있을 수 있다.

공개된 수치가 입증하지 못하는 것

Huawei의 측정치는 Tao's Law를 검증 가능하게 만들지만, 선도 공정이나 경쟁 시스템 설계 대비 우수성을 아직 입증하지는 못한다.

모바일 칩 결과는 가장 구체적인 공개 증거다. 동일한 디바이스 노드에서 55%의 밀도 증가와 41%의 전력 효율 개선은 상당해 보인다.

그러나 이러한 백분율에는 명확히 정의된 기준선이 필요하다. 어떤 기능이 이동했는지, 어떤 면적을 계산했는지, 전력을 어떻게 측정했는지, 성능이 동등하게 유지됐는지를 알아야 한다.

밀도 역시 여러 의미를 가질 수 있다. 단위 면적당 물리적 트랜지스터 수는 여러 적층 활성층 전체에 걸친 유효 밀도와 동일하지 않다.

적층 설계는 추가적인 수직 부피를 사용하면서 동일한 풋프린트 안에 더 많은 트랜지스터를 배치할 수 있다. 이는 상업적으로 유용할 수 있지만 비교의 전제를 바꾼다.

전력 효율 역시 워크로드, 주파수, 전압, 메모리 동작, 온도, 소프트웨어에 따라 달라진다. 하나의 워크로드에서 나온 결과만으로 모든 애플리케이션에 걸친 우위를 입증할 수는 없다.

논문은 원래 기조연설보다 더 많은 세부 정보를 제공하며, 이는 긍정적인 진전이다. 다만 Huawei가 시험 제품, 구현 방식, 기준선, 보고를 모두 통제한다.

생산용 칩 레이아웃, 공정 규칙, 패키징 세부 사항, 소프트웨어 구성은 상업적으로 민감하기 때문에 독립적 재현은 어려울 것이다.

381개 칩이라는 언급도 비슷한 한계가 있다. 대규모 생산 수량은 Huawei가 조직 내부에서 관련 방법을 폭넓게 적용해 왔다는 주장을 뒷받침한다.

그러나 381개 칩 모두가 완전한 프레임워크를 사용했다는 뜻은 아니다. 또한 다른 방식으로 제작된 동시대 제품과 비교한 성능도 드러내지 않는다.

AI 시스템 관련 주장은 더욱 신중하게 다뤄야 한다. 시스템 성능은 규모, 네트워킹, 소프트웨어 최적화, 메모리 용량, 워크로드별 스케줄링을 통해 개선될 수 있다.

2035년까지의 전망은 측정 결과가 아니라 로드맵이다. 이는 Huawei가 어디에 투자할 계획인지를 보여주지만, 미래의 집적 이득을 검증할 수는 없다.

열 특성 역시 해결되지 않은 문제다. 활성층을 적층하면 연결은 짧아질 수 있지만 열은 더 집중되고 냉각은 복잡해진다.

여러 활성층이 전류를 두고 경쟁할 때 전력 공급은 더욱 어려워진다. 엔지니어는 신호 무결성, 기계적 응력, 본딩 결함, 수리 옵션도 관리해야 한다.

수율은 심각한 경제적 손실을 초래할 수 있다. 설계가 효과적인 테스트와 이중화를 제공하지 않는다면, 하나의 결함 레이어나 본딩만으로도 집적 스택의 가치가 낮아질 수 있다.

이러한 문제들이 LogicFolding을 무효화하는 것은 아니다. 다만 실험실과 제품 수준에서의 이득이 대량 생산에서도 유지될지를 결정한다.

Huawei는 첨단 모놀리식 설계와의 비교도 더 명확히 제시해야 한다. 하나의 디바이스 노드를 고정하는 것은 아키텍처적 레버리지를 보여주지만, 경쟁사까지 노드를 고정해야 하는 것은 아니다.

TSMC, Samsung, Intel은 공정 개선과 첨단 패키징을 결합할 수 있다. 두 가지 이점을 모두 활용하는 경쟁사는 주로 집적에 의존하는 시스템보다 큰 우위를 유지할 수 있다.

따라서 가장 신뢰할 수 있는 해석은 조건부다. Huawei는 자사가 이용 가능한 제조 환경 안에서 이 방법이 제품을 개선한다고 말한다.

이는 Huawei의 회복력을 보여주는 중요한 증거다. 그렇다고 시간 스케일링이 업계 전체에서 기하학적 스케일링을 대체한다는 증거는 아니다.

용어 역시 비슷한 주의가 필요하다. 보편적인 시간 상수는 수학적으로 깔끔하게 들리지만, 서로 다른 계층은 서로 다른 물리적·계산적 메커니즘을 통해 작동한다.

트랜지스터 지연, 배선 전파, 메모리 접근, 네트워크 통신, 애플리케이션 완료 시간은 설계 의사결정을 위해 언제나 상호 교환 가능한 단위로 축소될 수 있는 것은 아니다.

이들은 모두 시간으로 측정할 수 있다. 그렇다고 하나의 최적화 규칙이 비용, 의존성, 트레이드오프를 자동으로 포착한다는 뜻은 아니다.

하나의 지연을 줄이면 다른 지연이 늘어날 수 있다. 더 많은 병렬성은 전력, 메모리 트래픽, 동기화 비용, 실리콘 면적을 늘리면서 완료 시간을 단축할 수 있다.

유용한 프레임워크라면 단순히 가장 작은 tau를 보상하는 대신 이러한 트레이드오프를 표현해야 한다. 그렇지 않으면 일반적인 성능 엔지니어링에 붙인 새로운 이름이 될 위험이 있다.

진정한 기여는 조직 차원에 있을 수 있다

Tao's Law의 의미는 과학적 발견보다는 심각한 제약 아래 Huawei의 엔지니어링 팀들을 정렬하는 계약으로서 더 클 수 있다.

대규모 반도체 프로그램에는 수많은 국지적 목표가 존재한다. 디바이스 팀은 스위칭 성능을 추구하는 반면, 물리 설계 팀은 타이밍, 전력, 면적을 관리한다.

패키징 팀은 연결, 열, 신뢰성에 집중한다. 시스템 아키텍트는 컴퓨팅, 메모리, 대역폭, 소프트웨어 동작, 제품 요구사항의 균형을 맞춘다.

각 그룹은 전체 시스템을 더 나쁘게 만들면서도 자체 지표를 개선할 수 있다. 더 빠른 구성 요소가 과도한 전력을 소비하거나 메모리 시스템이 제공할 수 없는 데이터를 요구할 수 있다.

Huawei의 시간 중심 프레임워크는 이런 불일치를 드러낼 수 있다. 이는 모든 팀에 유용한 연산에 필요한 시간을 어떻게 줄이는지 설명하도록 요구한다.

이것이 전력, 비용, 면적, 신뢰성, 제조 가능성을 제거하는 것은 아니다. 대신 그러한 제약이 제공되는 성능에 어떻게 영향을 주는지 논의할 공통 언어를 팀에 제공한다.

이러한 조율 방식은 표준 스케일링이 더 작은 이득만 제공할 때 특히 가치가 있다. 기업은 더 많은 설계 차원에서 해법을 찾아야 하고 더 많은 상호작용을 관리해야 한다.

공급 제약으로 선호하던 부품이나 도구를 사용할 수 없을 때도 가치가 있다. 엔지니어는 이용 가능한 요소를 중심으로 시스템을 재설계해야 한다.

이런 조건에서 내부 원칙은 의사결정을 가속할 수 있다. 팀들은 더 짧은 데이터 경로, 수직 분할, 메모리 지역성, 광 링크, 소프트웨어 변경을 함께 우선순위에 둘 수 있다.

이 원칙은 투자 방향도 형성할 수 있다. Huawei는 패키징, 본딩, 인터커넥트, EDA 도구, 광통신, 시스템 소프트웨어에 대한 지출을 하나의 연결된 프로그램으로 정당화할 수 있다.

다른 반도체 기업들도 이미 유사한 영역을 조율하고 있다. Huawei의 기여는 자사 버전에 기억하기 쉬운 이름과 하나의 핵심 지표를 부여한 데 있다.

이러한 브랜딩을 전적으로 무시해서는 안 된다. Moore's Law 자체도 업계가 단순한 목표를 중심으로 소통하고 계획할 수 있었기에 투자에 영향을 미쳤다.

연구자, 공급업체, 경영진, 고객이 로드맵의 조직 원리를 이해할 때 로드맵은 더 효과적이 된다. 공통 용어는 제도적 마찰을 줄일 수 있다.

그러나 성공적인 브랜딩은 불확실성을 가릴 수도 있다. 슬로건이 명확할수록 기준선, 트레이드오프, 재현성에 관한 질문은 더 쉽게 생략된다.

Huawei의 대외 커뮤니케이션은 기술적 가설, 엔지니어링 프로그램, 수출 통제에 대한 전략적 대응을 결합한다. 독자는 이 층위들을 별도로 평가해야 한다.

기술적 가설은 기하학이 아니라 시간이 핵심 스케일링 지표가 되어야 한다는 것이다. 엔지니어링 프로그램은 적층, 인터커넥트, 메모리, 아키텍처, 소프트웨어를 결합한다.

전략적 대응은 이러한 방법이 제한된 제조 접근성에도 불구하고 발전을 지속할 수 있다는 것이다. 한 층위를 뒷받침하는 증거가 나머지 두 층위까지 자동으로 입증하는 것은 아니다.

유용한 비교라면 동등한 워크로드에서 Huawei 제품을 동시대 대안과 비교해야 한다. 성능, 에너지, 면적, 온도, 수율, 생산 비용을 포함해야 한다.

이런 증거가 없다면 Tao's Law는 Huawei가 자신의 엔지니어링 방향을 해석한 결과로 남는다. 아직 업계의 법칙이 된 것은 아니다.

Tao's Law의 확산 여부를 결정할 세 가지 신호

Tao's Law는 이름의 반복이 아니라 제품, 독립적 분석, 외부 채택을 통해 신뢰를 얻게 될 것이다.

첫 번째 신호는 상세한 제품 증거다. Huawei는 LogicFolding을 재현 가능한 워크로드 측정과 명확히 정의된 비교 지점을 갖춘 출하 칩과 연결해야 한다.

검토자들은 지속 성능, 에너지 사용량, 열 특성, 패키지 크기, 신뢰성을 살펴봐야 한다. 최고 벤치마크 결과만으로는 논쟁이 해소되지 않는다.

Huawei가 여러 제품 세대에 걸쳐 일관된 이득을 공개한다면 반복 가능한 방법론이라는 주장은 더 강해진다. 증거가 계속 선택적으로 제시된다면 법칙이라는 주장은 약화된다.

두 번째 신호는 제조 공개다. Huawei가 독점 레이아웃을 공개할 필요는 없지만, 연구자들이 본딩, 수율, 테스트, 냉각을 평가할 수 있을 만큼의 정보는 필요하다.

출하 패키지에 대한 독립적인 물리 분석은 특히 유익할 것이다. 이는 생산 디바이스가 논문에서 설명한 구조를 사용하는지 확인할 수 있다.

이러한 분석은 Huawei가 밀도라는 말로 무엇을 뜻하는지도 명확히 할 것이다. 풋프린트 개선, 레이어 조정 물리 밀도, 제조 노드 등가성은 서로 다른 주장이다.

세 번째 신호는 외부 채택이다. 일반적인 스케일링 원칙이라면 이를 명명한 기업 밖의 조직에도 도움이 되어야 한다.

대학, EDA 공급업체, 패키징 공급업체, 칩 설계업체는 tau 중심 최적화를 기존 DTCO 및 STCO 방법과 비교해 시험할 수 있다.

외부 연구자들은 이 프레임워크가 실제로 설계 의사결정을 바꾸는지 물어야 한다. 단지 기존 목표의 이름만 바꾼 것이라면 채택은 대부분 수사적 수준에 머물 것이다.

더 나은 최적화 도구를 만들거나 유용한 트레이드오프를 예측한다면, Tao's Law는 물리 법칙이 아니더라도 영향력을 갖게 될 수 있다.

경쟁사의 반응도 중요하지만, 침묵만으로는 거의 증명할 수 없다. TSMC, Intel, AMD, Nvidia 등은 이미 각자의 용어, 제품, 로드맵을 갖고 있다.

이들이 유사한 방법을 추구한다는 이유만으로 Huawei의 브랜딩을 채택할 가능성은 낮다. 공통 어휘보다 기술적 수렴이 더 중요하다.

가장 그럴듯한 결과는 두 극단적 서사 사이에 있다. Huawei가 이전의 모든 칩 제조업체가 어쩐지 놓쳐버린 자명한 진실을 발견했을 가능성은 낮다.

또한 이 논문은 단지 낮은 지연 시간이 바람직하다고 말하는 데 그치지 않았다. 광범위한 최적화 프레임워크를 구체적인 적층 및 시스템 기술과 연결한다.

따라서 논쟁의 초점도 다시 잡아야 한다. 쟁점은 이전 세대의 엔지니어들이 이러한 방법을 이해했는지 여부가 아니다. 역사적 기록은 그들이 이를 이해했음을 보여준다.

진짜 질문은 화웨이의 공통 시간 지표가, 특히 최첨단 제조 접근성이 계속 제한된 상황에서, 엔지니어들이 이러한 방법을 결합하는 방식을 개선하는지 여부다.

개발자와 기업 구매자에게 답은 실제로 제공되는 시스템에서 드러날 것이다. 지속적인 워크로드에서의 처리량, 에너지 사용량, 소프트웨어 호환성, 배포 신뢰성을 지켜봐야 한다.

반도체 엔지니어에게 결정적 증거는 더 좁은 범위에서 나올 것이다. 반복 가능한 설계 규칙, 공개된 기준선, 독립 측정치, 그리고 이론을 엔지니어링 선택으로 전환하는 도구를 살펴봐야 한다.

화웨이는 이름과 프레임워크, 그리고 회사가 초기 보고한 결과를 제시했다. 그러나 업계 법칙으로 인정받기 위해 기대되는 폭넓은 검증은 아직 제시하지 않았다.

다음으로 유용한 단계는 찬사와 조롱 중 하나를 택하는 것이 아니다. 투명한 조건 아래에서 화웨이가 주장하는 성과를 이미 알려진 시스템 공동 최적화 방법과 비교하는 일이다.

차기 화웨이 칩과 AI 시스템이 등장하면 세 가지를 물어야 한다. 물리적으로 무엇이 바뀌었는가, 어떤 지연이 사라졌는가, 그리고 다른 곳에서는 어떤 새로운 비용이 발생했는가?

그 답은 타오의 법칙이 화웨이의 제약을 넘어 확장될 수 있는지, 아니면 반도체 업계가 이미 알고 있던 실행 전략에 붙인 체계적인 이름으로 남는지를 보여줄 것이다.