【文/觀察者網(wǎng)專欄作者 心智觀察所】

華為創(chuàng)始人任正非近日在接受采訪時擲地有聲：芯片問題無需過分擔(dān)憂，憑借 “疊加和集群” 等方法，華為的計算能力已能與全球頂尖水平比肩。

在全球半導(dǎo)體競爭白熱化、技術(shù)封鎖步步緊逼的背景下，這番表態(tài)如同一劑強(qiáng)心針。面對芯片制程的差距，華為的底氣究竟從何而來？

任正非提到的 “疊加和集群”，本質(zhì)是通過系統(tǒng)級創(chuàng)新彌補(bǔ)單芯片性能的不足。集群計算將多塊性能稍遜的芯片通過高效網(wǎng)絡(luò)連接，協(xié)同完成復(fù)雜任務(wù)，形成強(qiáng)大的整體算力。華為的昇騰 910B 芯片便是例證。昇騰芯片雖在制程上不及國際領(lǐng)先的 3nm 芯片，但通過自研的 CCE 通信協(xié)議，構(gòu)建起高效集群，支持了盤古大模型的訓(xùn)練，整體算力可媲美部分頂級 GPU。

在這種 “以量補(bǔ)質(zhì)” 的策略運(yùn)用方面，科技企業(yè)不斷探索創(chuàng)新。谷歌的 TPU 集群就是一個典型案例。谷歌的 TPU v4 芯片單片性能雖略遜于英偉達(dá) A100，但谷歌憑借 Cloud TPU 集群的強(qiáng)大合力，成功訓(xùn)練出 5400 億參數(shù)的 PaLM 模型。這充分證明，在人工智能等擅長并行處理的任務(wù)領(lǐng)域，集群計算的規(guī)模效應(yīng)能夠有效彌補(bǔ)單芯片性能上的差距。

華為在算法優(yōu)化方面同樣表現(xiàn)出色。任正非提出的 “用數(shù)學(xué)補(bǔ)物理” 理念，具體體現(xiàn)在華為采用稀疏計算、模型量化和剪枝等前沿技術(shù)手段，降低硬件性能的依賴程度。華為的 MindSpore 框架通過動態(tài)圖優(yōu)化和低精度計算，使 AI 訓(xùn)練的計算需求降低了 30% 以上。無獨(dú)有偶，Meta AI 在 2023 年發(fā)布的 LLaMA 模型，借助高效的模型壓縮技術(shù)，實(shí)現(xiàn)了在普通服務(wù)器上的良好運(yùn)行，對傳統(tǒng)高性能硬件的優(yōu)勢地位發(fā)起挑戰(zhàn)。這種軟件與硬件協(xié)同優(yōu)化的模式，助力華為在制程相對較低的情況下，依然能達(dá)成高效的計算效果。

2021 年天津港的無人化碼頭運(yùn)營情況，便是對這一優(yōu)勢的生動詮釋。數(shù)百塊昇騰芯片組成的計算集群，在天津港無人化碼頭中發(fā)揮著 “超級大腦” 的關(guān)鍵作用。其實(shí)時處理海量傳感器數(shù)據(jù)，精準(zhǔn)指揮無人駕駛集卡和智能吊機(jī)。AI 集群的出現(xiàn)，不僅提升效率，降低能耗，也讓碼頭工人不用頂著風(fēng)吹日曬進(jìn)行手動調(diào)度，從高強(qiáng)度的體力勞動中解放出來。”

華為的底氣不僅源于技術(shù)，更得益于其開放包容的戰(zhàn)略眼光。任正非一直強(qiáng)調(diào) “利用別人先進(jìn)成果”，這一理念促使華為在全球技術(shù)生態(tài)中積極作為、靈活應(yīng)變。即便面臨制裁困境，華為依然通過與開源社區(qū)以及國際伙伴的深度合作，成功整合各方資源。例如，昇騰芯片與 PyTorch 等主流開源框架實(shí)現(xiàn)兼容，有效降低了開發(fā)者的遷移成本；Atlas 平臺則憑借軟硬件的深度協(xié)同，構(gòu)建起獨(dú)特的競爭力。

AMD 的崛起歷程為華為提供了有益借鑒。在2000年代，AMD曾被英特爾壓制，但CEO Lisa Su帶領(lǐng)團(tuán)隊(duì)采用模塊化設(shè)計（Chiplet）和高效互聯(lián)技術(shù)，推出Zen架構(gòu)處理器，強(qiáng)調(diào)架構(gòu)和生態(tài)而非單一制程。據(jù)行業(yè)報告，AMD的EPYC處理器在2020年占據(jù)全球服務(wù)器市場約15%的份額，成為重要力量。這一成功經(jīng)驗(yàn)與華為聚焦5G基站和AI計算等特定場景，通過針對性優(yōu)化使效率遠(yuǎn)超通用芯片的集群策略有著異曲同工之妙。

Chiplet（芯粒）技術(shù)是任正非戰(zhàn)略思想在工程實(shí)踐中的生動體現(xiàn)。該技術(shù)借助架構(gòu)革新和系統(tǒng)級優(yōu)化，成功彌補(bǔ)了單芯片制程上的代際差距，實(shí)現(xiàn)了整體性能的實(shí)用化突破。

傳統(tǒng) “摩爾定律” 依賴制程微縮來提升性能，但先進(jìn)制程（如 3nm/5nm）在面臨物理極限的同時還遭遇外部封鎖。Chiplet 技術(shù)則跳出單一制程的限制，將復(fù)雜的大芯片拆解為多個功能明確的小芯粒。這些芯粒可根據(jù)功能需求采用不同工藝節(jié)點(diǎn)制造：核心計算單元追求先進(jìn)制程，而 I/O、模擬、存儲等模塊則可選用成熟、可靠且成本更低的制程。通過 2.5D/3D 集成等先進(jìn)封裝技術(shù)，將這些異構(gòu)芯粒高密度、高性能地集成在一起，從而在系統(tǒng)層面實(shí)現(xiàn)媲美甚至超越單一先進(jìn)制程大芯片的性能和功能，巧妙繞過了單芯片全面追趕頂尖制程的難題。

然而，Chiplet 架構(gòu)也面臨著芯粒間高速、低功耗、高帶寬互連的挑戰(zhàn)，這需要依靠精密的數(shù)學(xué)建模和信號完整性分析。華為在高速 SerDes、先進(jìn)封裝中的互連線設(shè)計、信號 / 電源完整性仿真，以及低延遲高帶寬的互連協(xié)議等方面投入巨大，通過復(fù)雜的算法優(yōu)化數(shù)據(jù)傳輸路徑、降低噪聲干擾、提升能效比，最大程度克服物理距離、封裝寄生效應(yīng)帶來的信號衰減和延遲等 “物理” 限制，確保多個芯粒能像單一芯片般高效協(xié)同工作。

Chiplet 技術(shù)充分展現(xiàn)了華為 “系統(tǒng)級創(chuàng)新” 對抗 “單點(diǎn)短板” 的策略優(yōu)勢。它不執(zhí)著于在單芯片制程上立即追平對手，而是通過 “非摩爾” 的異構(gòu)集成路徑、“數(shù)學(xué)” 驅(qū)動的互連與系統(tǒng)優(yōu)化能力、以及 “群計算” 的分布式架構(gòu)，在芯片系統(tǒng)（SoIC/SiP）層面實(shí)現(xiàn)了功能、性能和能效的實(shí)用化甚至領(lǐng)先水平。這有力證明，在尖端科技競爭中，突破性的架構(gòu)設(shè)計和系統(tǒng)工程能力，完全能夠成為彌補(bǔ)底層物理技術(shù)代差、實(shí)現(xiàn)彎道超車和差異化競爭的核心驅(qū)動力。

正如臺積電創(chuàng)始人張忠謀所強(qiáng)調(diào)的，芯片技術(shù)依賴人才的長期積累，技術(shù)可追趕，但人才需沉淀。人才與教育的長期投入是華為底氣的根源。華為擁有約11.4萬名研發(fā)人員，過去十年研發(fā)投入超過1.2萬億元。其“天才少年”計劃吸引了眾多頂尖人才。

華為深刻認(rèn)識到稀疏計算等顛覆性技術(shù)革命的成功，離不開頂尖人才的深度參與。為此，華為構(gòu)建了強(qiáng)大的人才培養(yǎng)與引進(jìn)體系，通過“天才少年”計劃、全球頂尖高校合作、以及內(nèi)部“黃埔軍校”式的高強(qiáng)度研發(fā)實(shí)戰(zhàn)，匯聚并培養(yǎng)了一批精通稀疏計算理論與工程實(shí)踐的頂尖人才。這些人才深入?yún)⑴c昇騰AI芯片的架構(gòu)設(shè)計，確保硬件原生高效支持稀疏特性（如零值跳過、結(jié)構(gòu)化稀疏加速單元），實(shí)現(xiàn)了算法創(chuàng)新與芯片設(shè)計的深度協(xié)同。正是這支高水平團(tuán)隊(duì)，將前沿的稀疏計算理念轉(zhuǎn)化為芯片中的實(shí)際算力飛躍，奠定了華為在算力底層創(chuàng)新的核心競爭力。

盡管如此，挑戰(zhàn)依然存在。集群計算在能耗、成本以及通信瓶頸等方面仍有待突破。此外，在對單線程性能要求極高的部分科學(xué)計算場景中，集群優(yōu)勢難以充分發(fā)揮。若華為能在芯片制造、供應(yīng)鏈穩(wěn)定性和全球化布局上持續(xù)精進(jìn)，便能在更廣泛的領(lǐng)域與國際巨頭一較高下。

任正非 “芯片無需擔(dān)憂” 宣言背后的底氣，正是華為在集群計算、算法優(yōu)化和生態(tài)協(xié)作等方面的深厚技術(shù)積累，以及其對人才和教育的長期戰(zhàn)略性投入。當(dāng)硬件發(fā)展受限時，系統(tǒng)創(chuàng)新和生態(tài)協(xié)作便成為破局的關(guān)鍵力量。

本文系觀察者網(wǎng)獨(dú)家稿件，文章內(nèi)容純屬作者個人觀點(diǎn)，不代表平臺觀點(diǎn)，未經(jīng)授權(quán)，不得轉(zhuǎn)載，否則將追究法律責(zé)任。關(guān)注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。