Whalesbook
મૂરના નિયમ (Moore's Law) થી આગળ
દાયકાઓથી, વૈશ્વિક સેમિકન્ડક્ટર ઉદ્યોગ મૂરના નિયમનું પાલન કરી રહ્યો છે, જેમાં ફિઝિકલ ટ્રાન્ઝિસ્ટરના કદને નાનાં કરવા પર ભાર મૂકવામાં આવે છે. Huawei Technologies, યુ.એસ. એન્ટિટી લિસ્ટમાં સમાવેશ થવાને કારણે નોંધપાત્ર પડકારોનો સામનો કરી રહી છે, હવે એક અલગ માર્ગ અપનાવી રહી છે. 2026 IEEE International Symposium on Circuits and Systems માં, Huawei એ Tau Scaling Law રજૂ કર્યું. આ નવો અભિગમ ફક્ત ફિઝિકલ ટ્રાન્ઝિસ્ટરના કદ પર આધાર રાખવાને બદલે ઇલેક્ટ્રોનિક સિસ્ટમ્સમાં ટાઇમ કોન્સ્ટન્ટ્સને ઓપ્ટિમાઇઝ કરવા અને સિગ્નલ ડિલે (signal delays) ઘટાડવાને પ્રાધાન્ય આપે છે.
આર્કિટેક્ચરલ પિવોટ: LogicFolding
આ ફેરફાર પહેલેથી જ અમલમાં મૂકાઈ રહ્યો છે. Huawei ના આગામી Kirin ચિપસેટ્સ, જે 2026 ના અંતમાં અપેક્ષિત છે, તેમાં LogicFolding નામનું આર્કિટેક્ચર હશે. આ ડિઝાઇન આંતરિક વાયરિંગ ઘટાડવાનો હેતુ ધરાવે છે, જેનાથી સિગ્નલ પાથ ટૂંકા થાય છે અને સિસ્ટમ ડેન્સિટી (system density) વધે છે. આ બધું એડવાન્સ્ડ EUV લિથોગ્રાફી ટૂલ્સ (advanced EUV lithography tools) ની જરૂરિયાત વિના, જે ચીની ઉત્પાદકોને ઉપલબ્ધ નથી. Huawei જણાવે છે કે છેલ્લા છ વર્ષમાં 381 ચિપ ડિઝાઇનમાં આ પદ્ધતિનો માસ પ્રોડક્શન (mass production) માં ઉપયોગ કરવામાં આવ્યો છે, જેમાં મોબાઇલ પ્રોસેસર્સથી લઈને AI એક્સિલરેટર્સ (AI accelerators) નો સમાવેશ થાય છે.
ટેકનિકલ જોખમો
જ્યારે Huawei નો 2031 સુધીમાં 1.4-નેનોમીટર સમકક્ષ ડેન્સિટી (density) સુધી પહોંચવાનો લક્ષ્યાંક એક મહત્વપૂર્ણ વ્યૂહાત્મક પગલું છે, ત્યારે તે નોંધપાત્ર ટેકનિકલ અવરોધોનો સામનો કરે છે. TSMC અને NVIDIA જેવા ઉદ્યોગના અગ્રણીઓથી વિપરીત, જેમની પાસે વૈશ્વિક સંશોધન, વિકાસ અને સામગ્રીની પહોંચ છે, Huawei એક વધુ સંકુચિત વાતાવરણમાં કાર્યરત છે. ટોપ-ટાયર 3D NAND અને HBM ટેક્નોલોજીની પહોંચ મર્યાદિત રહેવી એ તેના AI હાર્ડવેર માટે એક મોટો પડકાર છે. વધારામાં, Huawei એ પ્રોપ્રાઇટરી પેકેજિંગ (proprietary packaging) દ્વારા AI સ્ટોરેજ સુધાર્યું હોવા છતાં, તેની મેમરી ટેક્નોલોજી ભવિષ્યમાં યુ.એસ.ના નિયમો સામે સંવેદનશીલ બની શકે છે જે ડાઉનસ્ટ્રીમ મેમરી કમ્પોનન્ટ્સ (downstream memory components) ને લક્ષ્યાંક બનાવે છે.
માર્કેટ સંદર્ભ અને ભવિષ્ય
ઉદ્યોગ નિષ્ણાતોને ખાતરી નથી કે આંતરિક ડિઝાઇન નવીનતાઓ સેમિકન્ડક્ટર ફેબ્રિકેશન (semiconductor fabrication) ની ભૌતિક મર્યાદાઓને સંપૂર્ણપણે દૂર કરી શકે છે. Alibaba અને ByteDance જેવી ચીની કંપનીઓ યુ.એસ. ચિપ્સ પર નિર્ભરતા ઘટાડવા માટે Huawei ની Ascend આર્કિટેક્ચરનો ઉપયોગ કરવા માટે તેમની સિસ્ટમ્સને અનુકૂળ બનાવી રહી છે. જોકે, Huawei ની ઓફરિંગ્સ અને વૈશ્વિક AI હાર્ડવેરની અગ્રણી ધાર વચ્ચે પ્રદર્શન અંતર (performance gap) યથાવત છે. મધ્ય-2026 સુધીમાં, Huawei ની વ્યૂહરચના ટેકનિકલ આત્મનિર્ભરતા પ્રાપ્ત કરવા પર કેન્દ્રિત છે. તેની સફળતા એ વાત પર નિર્ભર રહેશે કે શું આ આર્કિટેક્ચરલ પ્રગતિ વૈશ્વિક AI ઇન્ફરન્સ (inference) અને ટ્રેનિંગ (training) ની માંગના ઝડપી ઉત્ક્રાંતિ સાથે તાલ મિલાવી શકે છે.