文/资深华尔街投资人杨庆宏
当一条技术路径的边际收益开始递减，真正具有战略价值的机会往往不在路径尽头，而在那些被路径依赖长期掩盖、却恰好压在系统瓶颈上的环节。本文以路径依赖与“反向凸点”理论为分析起点，结合摩尔定律减速、AI 算力扩张与华为“韬定律”及超节点路线 ，讨论“战略杠杆”作为系统级创新机会的形成机制。
问题的提出
过去半个多世纪，全球半导体产业的演进与摩尔定律高度同构。所谓技术进步，被简化为晶体管尺寸的持续缩小、制程节点的持续向前与单位算力成本的持续下降。围绕这一路径，设备、材料、EDA、设计、制造、封装、软件与资本市场形成了高度协同的产业秩序。然而，今天该路径正同时逼近物理极限与经济极限。据国际半导体产业协会(SEMI)与行业咨询机构 IBS 公开数据估算，台积电 3 纳米节点单片晶圆代工成本已升至约 2 万美元区间，较 7 纳米节点提升一倍以上；ASML 高数值孔径(High-NA) EUV 光刻机单台报价超过 3.5 亿美元，掩膜与试错成本同步上行。量子隧穿、漏电、热耗散与良率风险，使“继续缩小”不再天然等同于“继续便宜”。
与此同时，AI 算力的爆发性需求正在重塑约束结构。万得数据显示，2024 年全球前四大云厂商资本开支同比增长近 50%，2025 年合计资本开支预计突破 3000 亿美元，主要投向算力、网络、电力与制冷。国际能源署(IEA)估算，2024 年全球数据中心耗电约 415 太瓦时，到 2030 年有望接近翻倍。当资本、人才与能源同步涌向同一条道路，边际收益递减不可避免。本文认为，当传统路径的边际回报开始系统性下降，企业与产业的关键命题不再是“如何在原路径上继续追赶”，而是“如何在系统层面识别新的战略杠杆，以更短路径实现既定结果”。本文拟从路径依赖局限、瓶颈迁移规律与战略杠杆机制三个维度展开分析。
路径依赖的局限：手段与目标的错位
借用 W. Brian Arthur(1989)关于“路径依赖与报酬递增”的分析框架，一种早期形成的技术路线一旦与资本、组织与生态深度绑定，便会通过正反馈机制持续自我强化。其结果是，企业的战略讨论逐渐被简化为“如何在原路径上跑得更快”，而原始的战略问题——“最终需要交付的结果是什么”——反而被遮蔽。
半导体产业是该机制的典型场景。先进制程是手段，系统性能才是目标；光刻机是手段，产业竞争力才是目标；单颗芯片的峰值参数是手段，端到端算力、能效、延迟、成本、可获得性与生态适配才是目标。当摩尔定律仍处高效率期，手段与目标几乎重合：制程前进即同步带来性能、能效与成本的改善。由此固化为一种单一信念——“谁掌握最先进制程，谁就掌握未来”。然而需要指出的是，该信念在边际收益高企的时代是战略资产，在边际收益递减的时代则会反向转化为战略负担。从微观经济学的标准分析看，边际收益递减并非失败信号，而是“重新定义优化目标”的信号；理性的回应不是盲目加倍投入，而是把视线从“路径”重新拉回到“结果”上。
瓶颈迁移：技术演进的内在动力
技术进步从来不是沿单一指标的无限推进，而是系统瓶颈在不同环节之间的动态迁移。技术史学家 Thomas P. Hughes(1983)在研究大型技术系统时提出“反向凸点”(reverse salient)概念，指出复杂系统真正决定演进方向的，往往不是其最先进、最显眼的部分，而是当前最受约束、最具拖累效应的环节。
在 Intel 主导的 PC 时代，核心叙事是通用 CPU 的持续升级，竞争集中于复杂指令、单核与多核通用计算能力。随着任务复杂度上升，瓶颈逐步从“能不能算”迁移至“数据能不能高效移动”“并行任务能不能被高效调度”“内存、缓存与总线能不能跟上计算单元的速度”。英伟达的崛起，正是利用了这一轮瓶颈迁移所打开的窗口：GPU 并非通用替代 CPU，而是在可并行任务上，以大规模并行计算释放系统效率。英伟达 2026 财年(截至 2026 年 1 月)营收达 2159 亿美元，同比增长65%(公司年报)，是这一范式跃迁的市场印证。
AI 任务复杂度的进一步上升，又引致新一轮瓶颈迁移。GPU 算力之外，CPU 任务调度与数据预处理、HBM/DRAM/NAND/SSD 多层存储体系、跨卡跨节点的网络互联、编译器与框架优化、以及数据中心层面的电力与散热，均成为新的约束环节。资本充裕阶段，粗放扩张可在短期内掩盖效率问题；当资本成本、能源约束、供应链风险与推理成本相继显性化，单纯堆叠算力将不可避免地撞上经济学意义上的回报递减边界。可以预见，时间效率与系统协同维度的优化，将成为下一阶段产业竞争的新前沿。
战略杠杆：被路径依赖掩盖的系统级机会
诺斯(D. North, 1990)在制度经济学中指出，约束既是限制，也是创新的诱因。对处于外部约束之下的产业而言，最具战略价值的机会，并非位于既有路径的延长线上，而通常位于那些“相对容易突破、又恰好压在系统瓶颈上”的环节。本文将其概括为“战略杠杆”——其判定不取决于工程难度本身，而取决于难度与系统效用的乘积。一个环节若同时具备“可达成性”与“高瓶颈权重”，即构成可被优先摘取的战略杠杆。
这种战略杠杆的成因，并非纯技术性，而是制度与商业激励的产物。在硬件供给充裕的时代，软件、互联、调度与编译层面的低效并非技术上不可解，而是商业上缺乏激励解决——“升级硬件”始终比“优化软件”更便捷。其结果是大量系统级低效被领先生态长期“养肥”：它们既具有较低的工程改造门槛，又具有较高的系统效率回报。一旦外部约束打断这一激励结构，这些环节便同时表现出“相对易得”与“一旦改善即显著见效”两个特征，转化为真正意义上的战略杠杆。
中国制造业近年的若干案例已对此提供经验印证。在芯片本身仍落后于业界领先节点的约束条件下，部分中国企业通过重新组织芯片内部 I/O、改造系统软件与调度框架，实现整机系统性能一到两个数量级的提升，形成具有“工业母机”意义的关键能力。MLCommons 公布的 MLPerf Inference 基准测试亦显示，在硬件不变的条件下，仅依靠软件栈与编译器优化，主流大模型推理吞吐在近一年内提升达 2 倍以上。这些证据共同表明，系统侧仍存在显著的、可被工程化释放的效率空间。
正是在这一逻辑下，华为提出的“韬定律”(Tau Scaling Law)与“超节点”路线具有方法论意义。韬定律将电子系统演进的度量单位由“几何尺寸”转向“时间效率”，关注关键路径延迟、信号传播路径与系统整体执行效率；而 CloudMatrix 384、Atlas 950 SuperPoD 等超节点方案，则通过高速互联、资源池化、内存协同与软硬件一体化，将多颗芯片、多台服务器乃至多个机柜组织为逻辑上更接近“一台机器”的系统，从而在可获得的制造工艺约束下满足最终算力需求。综观以上，其战略意义不在于回避先进制程的硬骨头，而在于在补齐基础能力的同时，系统识别新瓶颈、新杠杆与新路径，避免把全部筹码压在边际回报已开始下降的单一环节。
结语
综观以上，摩尔定律的减速并不意味着技术进步的终结，而是意味着产业竞争的主战场正在从几何尺寸迁移至时间效率，从单点指标迁移至系统结果，从资源堆积迁移至路径优化。在边际收益递减的时代，最具战略意义的能力，不是沿既有路径继续加码，而是从最终结果出发重新定义目标函数，并在系统层面识别那些被路径依赖长期掩盖、却足以撬动全局的战略杠杆。
本文认为，路径依赖、反向凸点与战略杠杆三者构成一组相互嵌套的分析框架：路径依赖解释了产业为何容易将手段固化为目标，反向凸点说明了系统瓶颈在何处出现，战略杠杆则指向在既定约束下最具撬动效率的突破口。华为“韬定律”与超节点路线，本质上是这一分析框架在工程层面的具体实现，其方法论意义已超越单一企业的战略选择，对全球的半导体与算力产业具有普遍参照价值。在可预见的未来，能源与资本边界可能日益显性化的下一阶段，能够识别并优先摘取“战略杠杆”的企业与产业生态，将在全球科技竞争格局中占据更具弹性的位置。这正是“结果导向与最短路径”所指向的产业演进逻辑。
来源 | 经作者授权发布
编辑 | 丁开艳
审核丨秦婷
责编丨兰银帆
Review of Past Articles -
01
02
