10月21日，英伟达首次把GTC大会开到欧洲，创始人兼CEO黄仁勋在柏林登台时说，摩尔定律"已基本走到尽头"。他没有停留在这句判断上，紧接着给出了替代方案：从芯片到系统，从系统到系统软件再到算法，对整个人工智能基础设施做全方位的"极致协同设计"。他举的例子是英伟达自己：过去十年AI性能提升了约一百万倍，而按摩尔定律的节奏，十年只能提高约一百倍。需要说明，"一百万倍"是英伟达把架构、封装、软件、算法算在同一本账上的自述口径，不是第三方测量。但这句话真正值得普通用户记住的是：性能增长的主引擎已经换轨，智能硬件的下一轮体验不再取决于"把晶体管缩小"，而取决于系统级工程做得多狠。知乎每日经济新闻36氪
摩尔定律走到尽头，先要弄清"尽头"的是什么
摩尔定律从来不是物理定律，而是"晶体管数量每两年翻一番、单位成本持续下降"的产业约定，前提是制程缩微能不断带来便宜的性能。这个前提正在失效：单芯片算力已逼近物理极限，算力要继续增长，就得组建更大规模的集群。舞台本身也在换：黄仁勋多次引用一组对比——六年前全球顶级超算约90%靠CPU运行，如今已不到15%，通用计算正在让位给AI需要的加速计算。换句话说，在"走到尽头"之前，摩尔定律服务了半个世纪的主场景已经在迁移。知乎微博
英伟达的解法：从"一颗芯片"挤到"一整套系统"
这场主题演讲的主角是宣布全面量产的Vera Rubin平台。从Pascal、Volta、Ampere、Hopper、Blackwell到它，英伟达已经走完六代架构，官方口径里Blackwell比Hopper快30倍，Vera Rubin又在上面再乘约30倍——数字出自厂商，但代际推进的方式很清楚：不靠光刻机换代，靠架构。36氪
单芯片逼近上限后，答案是"拼装"：每颗GPU由20个小芯片（chiplet，即把大芯片拆成小块再封装在一起）组成，再通过NVLink互连把72颗GPU当成一颗巨型GPU来用——性能不再是制造出来的，而是系统组装出来的。36氪
工程形态同样是性能来源。Vera Rubin做成了没有电缆、100%液冷的整机柜，组装一个节点的时间从两小时压到五分钟以内；当晶体管没法再小，整台机器的物理形态本身就还有可挤的空间。36氪
更现实的瓶颈是时间和电。新发布的DSX Pod把AI工厂做成工厂内完成布线、测试的整体预制"集装箱"，从安装到出算力的周期从四到五个月压缩到约一个月。这笔账的代价是：一个1吉瓦的AI工厂造价约500亿美元，晚投产三个月，损失可能高达百亿美元级收入。黄仁勋在演讲里承认，电力限制了AI工厂的产能——性能竞争已经卷到了电、水和交付速度。36氪
同样的逻辑也在往端侧硬件走。与微软合作研发四年的RTX Spark个人AI计算机今年底上市；机器人与思灵机器人（Agile Robots）合作的参考人形机器人定于明年一季度上市，出厂预装计算机与集成软件。这些产品没有一项押注"下一代制程"，押的都是系统与软件的重新分工。每日经济新闻
端侧的中国答案：从"几何缩微"到"时间缩微"
另一条路在中国。2026年5月25日，华为公司董事、半导体业务部总裁何庭波在中国科学院科技论文预发布平台发表署名论文《面向多层级电子系统的时间缩微理论》，正式提出"韬（τ）定律"。它的主张与英伟达异曲同工但另立名目：以"时间缩微"替代"几何缩微"，晶体管密度与系统性能通过逻辑折叠技术实现新突破。人民日报知乎
这一思路的首发落点，是9月发布的麒麟9050 Pro。在极客湾等能效实测的讨论中，这颗芯片被认为在较成熟工艺上基本做出了等效3nm的制程表现——这是社区测试口径，华为并未披露其工艺节点；但方向与英伟达同路：制程升不动时，用堆叠、封装和架构重排把整机性能抬上去。争议同样真实存在：围绕"韬定律是不是营销包装"，知乎上曾出现高热度讨论，前华为科学家杨学志公开批评这一提法是在消费公信力。名词可以存争议，但各家"后摩尔"叙事最后收拢到的是同一套动作：架构专用化、芯粒堆叠封装、液冷与功耗优化、软件算法协同。知乎知乎
押注新路线之前，先看清三笔账
第一笔账是口径。“百万倍”"30倍"这类数字，是"全系统+软件+算法"打包与摩尔定律单一尺度的自我对照，不同厂商、不同任务之间不能直接换算，"跑赢摩尔定律"的宣传语必须带着上下文读。
第二笔账是底座。极致协同设计依然建立在最先进制造之上，英伟达并没有放弃先进节点；华为的逻辑折叠则是在制程受限下的被迫重组——两边都在说明，制造工艺仍是天花板，只是不再是唯一变量。
第三笔账是瓶颈搬家。黄仁勋的原话是，电力限制了AI工厂的产能。算力越卷越大，约束就从芯片挪向电力、散热和工程交付。接下来值得盯着的信号很具体：Vera Rubin量产后的能效是否兑现官方说法，麒麟9050系列的迭代节奏和第三方实测能否持续支撑"等效先进"的叙事。36氪
对用户而言，"摩尔定律走到尽头"真正的含义不是性能涨不动了，而是增长规则变了：以后再判断一台智能硬件会不会更强，别只问它是几纳米，要问它的架构、封装、散热和软件是不是拧成了一股绳——新赛道上，会做系统、会用电的设备，才更可能是下一段的赢家。
