華為創始人任正非近日在接受採訪時擲地有聲：晶片問題無需過分擔憂，憑藉 「疊加和集群」 等方法，華為的計算能力已能與全球頂尖水準比肩。

在全球半導體競爭白熱化、技術封鎖步步緊逼的背景下，這番表態如同一劑強心針。面對晶片製程的差距，華為的底氣究竟從何而來？

任正非提到的 「疊加和集群」，本質是透過系統級創新彌補單晶片性能的不足。集群計算將多塊性能稍遜的晶片透過高效網路連接，協同完成複雜任務，形成強大的整體算力。華為的昇騰 910B 晶片便是例證。昇騰晶片雖在製程上不及國際領先的 3nm 晶片，但透過自研的 CCE 通信協定，構建起高效集群，支援了盤古大模型的訓練，整體算力可媲美部分頂級 GPU。

在這種 「以量補質」 的策略運用方面，科技企業不斷探索創新。google的 TPU 集群就是一個典型案例。google的 TPU v4 晶片單片性能雖略遜於NVIDIA A100，但google憑藉 Cloud TPU 集群的強大合力，成功訓練出 5400 億參數的 PaLM 模型。這充分證明，在人工智能等擅長並行處理的任務領域，集群計算的規模效應能夠有效彌補單晶片性能上的差距。

華為在演算法優化方面同樣表現出色。任正非提出的 「用數學補物理」 理念，具體體現在華為採用稀疏計算、模型量化和剪枝等前沿技術手段，降低硬件性能的依賴程度。華為的 MindSpore 框架透過動態圖優化和低精度計算，使 AI 訓練的計算需求降低了 30% 以上。無獨有偶，Meta AI 在 2023 年發布的 LLaMA 模型，借助高效的模型壓縮技術，實現了在普通伺服器上的良好運行，對傳統高性能硬件的優勢地位發起挑戰。這種軟件與硬件協同優化的模式，助力華為在製程相對較低的情況下，依然能達成高效的計算效果。

2021 年天津港的無人化碼頭運營情況，便是對這一優勢的生動詮釋。數百塊昇騰晶片組成的計算集群，在天津港無人化碼頭中發揮著 「超級大腦」 的關鍵作用。其即時處理海量感測器資料，精準指揮無人駕駛集卡和智能吊機。AI 集群的出現，不僅提升效率，降低能耗，也讓碼頭工人不用頂著風吹日曬進行手動調度，從高強度的體力勞動中解放出來。」

華為的底氣不僅源於技術，更得益於其開放包容的戰略眼光。任正非一直強調 「利用別人先進成果」，這一理念促使華為在全球技術生態中積極作為、靈活應變。即便面臨制裁困境，華為依然透過與開源社區以及國際夥伴的深度合作，成功整合各方資源。例如，昇騰晶片與 PyTorch 等主流開源框架實現相容，有效降低了開發者的遷移成本；Atlas 平台則憑藉軟硬件的深度協同，構建起獨特的競爭力。

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帶領團隊採用模組化設計（Chiplet）和高效互聯技術，推出Zen架構處理器，強調架構和生態而非單一製程。據行業報告，AMD的EPYC處理器在2020年佔據全球伺服器市場約15%的份額，成為重要力量。這一成功經驗與華為聚焦5G基站和AI計算等特定場景，透過針對性優化使效率遠超通用晶片的集群策略有著異曲同工之妙。

Chiplet（芯粒）技術是任正非戰略思想在工程實踐中的生動體現。該技術借助架構革新和系統級優化，成功彌補了單晶片製程上的代際差距，實現了整體性能的實用化突破。

傳統 「摩爾定律」 依賴製程微縮來提升性能，但先進製程（如 3nm/5nm）在面臨物理極限的同時還遭遇外部封鎖。Chiplet 技術則跳出單一製程的限制，將複雜的大晶片拆解為多個功能明確的小芯粒。這些芯粒可根據功能需求採用不同工藝節點製造：核心計算單元追求先進製程，而 I/O、類比、存儲等模組則可選用成熟、可靠且成本更低的製程。透過 2.5D/3D 集成等先進封裝技術，將這些異構芯粒高密度、高性能地集成在一起，從而在系統層面實現媲美甚至超越單一先進製程大晶片的性能和功能，巧妙繞過了單晶片全面追趕頂尖製程的難題。

然而，Chiplet 架構也面臨著芯粒間高速、低功耗、高頻寬互連的挑戰，這需要依靠精密的數學建模和信號完整性分析。華為在高速 SerDes、先進封裝中的互連線設計、信號 / 電源完整性模擬，以及低延遲高頻寬的互連協議等方面投入巨大，透過複雜的演算法優化數據傳輸路徑、降低雜訊干擾、提升能效比，最大程度克服物理距離、封裝寄生效應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晶片般高效協同工作。

Chiplet 技術充分展現了華為 「系統級創新」 對抗 「單點短板」 的策略優勢。它不執著於在單晶片製程上立即追平對手，而是透過 「非摩爾」 的異構集成路徑、「數學」 驅動的互連與系統優化能力、以及 「群計算」 的分散式架構，在晶片系統（SoIC/SiP）層面實現了功能、性能和能效的實用化甚至領先水準。這有力證明，在尖端科技競爭中，突破性的架構設計和系統工程能力，完全能夠成為彌補底層物理技術代差、實現彎道超車和差異化競爭的核心驅動力。

正如台積電創始人張忠謀所強調的，晶片技術依賴人才的長期積累，技術可追趕，但人才需沉澱。人才與教育的長期投入是華為底氣的根源。華為擁有約11.4萬名研發人員，過去十年研發投入超過1.2萬億元。其「天才少年」計劃吸引了眾多頂尖人才。

華為深刻認識到稀疏計算等顛覆性技術革命的成功，離不開頂尖人才的深度參與。為此，華為構建了強大的人才培養與引進體系，透過「天才少年」計畫、全球頂尖高校合作、以及內部「黃埔軍校」式的高強度研發實戰，彙聚並培養了一批精通稀疏計算理論與工程實踐的頂尖人才。這些人才深入參與昇騰AI晶片的架構設計，確保硬件原生高效支援稀疏特性（如零值跳過、結構化稀疏加速單元），實現了演算法創新與晶片設計的深度協同。正是這支高水準團隊，將前沿的稀疏計算理念轉化為晶片中的實際算力飛躍，奠定了華為在算力底層創新的核心競爭力。

儘管如此，挑戰依然存在。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，在對單執行緒性能要求極高的部分科學計算場景中，集群優勢難以充分發揮。若華為能在晶片製造、供應鏈穩定性和全球化布局上持續精進，便能在更廣泛的領域與國際巨頭一較高下。

任正非 「晶片無需擔憂」 宣言背後的底氣，正是華為在集群計算、演算法優化和生態協作等方面的深厚技術積累，以及其對人才和教育的長期戰略性投入。當硬件發展受限時，系統創新和生態協作便成為破局的關鍵力量。

本文獲《觀察者網》授權刊載。