有个现象挺讽刺：每当中国科技取得重大突破，开始逼近美国长期占据的技术高地时，最先站出来质疑、否定甚至冷嘲热讽的，往往不是外人，而是自己人。从去年的DeepSeek，到今年华为提出的“韬定律”，似乎总逃不过同一套流程。难道中国科技一旦领先，就一定先被怀疑“不可能”？
 
2026年5月25日，上海，IEEE国际电路与系统研讨会进入主旨演讲环节。华为公司董事、半导体业务部总裁何庭波站在台上，提出了一个过去很少出现在大众讨论里的说法：“时间缩微”。

与传统半导体不断缩小晶体管尺寸的思路不同，华为把优化目标放到了时间常数τ上，希望通过逻辑折叠、软硬件协同和系统级互联，缩短信号与数据流动所需的时间。

演讲中还有一个数字被反复提起：过去6年，华为基于这套思路设计并量产了381款芯片。
 
消息很快传出会场，路透社当天就对这条新路线作了报道，国内科技媒体、行业论坛和社交平台也迅速跟进。

有人讨论逻辑折叠与现有3D堆叠、先进封装到底有什么区别，也有人追问功耗、散热、良率和成本这些更现实的问题。

同时，一些传播内容把“韬定律”直接写成“取代摩尔定律”，让原本偏工程和产业路线的讨论，一下子带上了更强的情绪。
 
几天后，争论继续升温。清华大学本硕博毕业、曾在华为工作多年的通信技术专家杨学志发文，公开反对对“韬定律”的宣传方式。

他的主要质疑集中在“定律”这一称呼是否严谨，以及其中部分技术思想是否属于已有工程方法的重新整合。

文章传开以后，支持和反对的声音很快分成两边。

可讨论没能一直停留在技术层面，评论区开始翻旧履历、谈职级、猜离职原因，原本应该围绕技术定义、实验数据和工程边界展开的争论，渐渐掺进了不少与技术无关的内容。
 
这样的场面并不陌生。2025年初，DeepSeek因为V3和R1模型受到全球关注。

按照DeepSeek公开的技术报告，V3完整训练使用了约278.8万H800 GPU小时，按其给出的口径估算，训练算力成本约为557.6万美元。

这个数字只对应模型最终训练阶段，并不等于公司全部研发投入，更不包含此前的算法试验、数据处理、人才成本和基础设施支出，但它依然让外界重新讨论大模型训练的效率问题。
 
热度起来以后，质疑也跟着出现，有人怀疑低成本数据是否遗漏了前期投入，有人讨论模型是否使用了“蒸馏”，还有人把相似回答直接理解成“复制”。

这些问题并非不能讨论，模型训练来源、数据合规和成本口径，本来就需要更透明的信息。但在不少平台上，技术问题很快被压缩成一句更简单的话：“它怎么可能做到？”复杂的工程过程，被塞进了一个非黑即白的判断里。
 
鸿蒙的发展也经历过相似的舆论阶段，系统刚推出时，外界讨论最多的是应用数量、生态迁移和长期可用性，甚至有人认为它很难跨过操作系统最初的生态门槛。

到了2026年3月，鸿蒙智联生态设备数量已经超过8.6亿；同年5月，搭载HarmonyOS 6的终端设备突破6000万。

数字并不能替代对体验的判断，却至少说明，一套系统是否能走下去，最后还得看设备、开发者、应用和用户能不能真正接上，而不是只看发布初期的几句判断。
 
把这些事情放在一起，会发现舆论的节奏往往很相似。

一个新项目刚公布，最先被放大的通常不是它已经解决了什么，而是它有没有资格使用某个名字、是否借鉴了已有路线、数据口径够不够完整。

质疑本身并不稀奇，尤其是芯片和人工智能这类复杂技术，越重要的成果越需要接受验证。

问题在于，当讨论还没来得及进入论文、参数、产品和测试结果，就先变成对动机、身份和立场的判断，真正值得追问的技术细节反而容易被淹没。
 
2019年5月，美国将华为列入实体清单。何庭波随后在致员工的信中写道：“缓冲区已经消失，每一个新产品一出生，将必须同步‘科技自立’的方案。”

当时，这句话对应的是供应链骤然收紧后的现实压力，此后的7年里，华为一边恢复手机业务，一边推进芯片、操作系统、计算架构和生态建设。

如今公开提出“韬定律”，并不是突然从一场演讲里冒出来的概念，而是华为对过去多年工程实践的一次集中归纳。
 
当然，381款芯片已经量产，并不意味着围绕“韬定律”的所有问题都得到了回答。

逻辑折叠能否在更大规模上稳定实现，散热和良率怎样控制，新工具链能否成熟，未来产品与更先进制程芯片相比究竟处在什么水平，这些都需要后续产品和可重复的数据来说明。

华为已经明确表示，计划在2026年秋季推出率先采用逻辑折叠技术的新麒麟芯片，并把相关路线继续延伸到AI计算领域。

到了那一步，讨论会有更具体的对象，也会出现更多能够被测量、比较和复核的结果。