華為首席科學家廖恆罕見露面  讚梁文鋒超前預判並解決算力瓶頸

撰文:盧詩文
出版:更新:

華為Fellow、半導體首席科學家廖恆近日罕見接受長達近5小時深度專訪,首次對外完整公開華為對半導體底層技術的系統性思考。在訪談中,他從全球晶片產業30年興衰史講起,復盤華為遭遇斷供「至暗時刻」的困境、昇騰逆勢突圍的底層邏輯,並首次提出半導體產業鏈「18層寶塔」架構。

談及人才及算力,他亦公開讚揚DeepSeek創始人梁文鋒,當全行業盲從Scaling Law、瘋狂堆疊參數與算力時,梁文鋒主動選擇更高複雜性、更難收斂的算法路線,提前解決預期中的問題。

華為Fellow、半導體首席科學家廖恆近日罕見接受長達近5小時深度專訪,首次對外完整公開華為對半導體底層技術的系統性思考。(Bilibili截圖)

大讚梁文鋒用更多複雜性換更小算力

公開資料顯示,廖恆14歲考入清華大學計算機系少年班,其後赴普林斯頓大學從事博士後研究;1997年進入加拿大存儲晶片公司PMC-Sierra,2016年加入華為海思,主導昇騰項目啟動與研發,是昇騰的核心奠基人。

廖恆在訪談中指出,DeepSeek做出了一個「非常有意思、非常conscious的選擇」。他表示,Scaling Law讓業界相信更多參數帶來更強能力,但不是每個參數都得暴力算一遍,而是只算三十二分之一,即可節約32倍算力與緩存;一兆的序列亦不需付出256倍的計算代價,僅挑選其中1K或512個來計算。

廖恆稱,梁文峰有意識地、主動地選擇了更高的複雜性、更難收斂的算法。(騰訊科技)

廖恆說:「我必須給梁文鋒熱烈鼓掌。他有意識地、主動地選擇了更高的複雜性、更難收斂的算法。他努力克服各種問題,因為他有一個提前的感知——並不是等到五年後窮途末路、完全沒有算力的時候,他已經先知先覺地選擇提前解決預期到的問題。這就是先行者的價值:他引領了,別人也會在這條路上繼續努力。」

他估計,全球或有10萬名AI算法研究者,但「只有梁文鋒一個人深刻認知到,要用更多的複雜性換取更小的算力」。他強調,跨層是co-design的核心,當一個人能跨越這些層,就會像一根線,把許多珍珠串成項鍊。他透露,華為的晶片規格僅為Blackwell的四分之一,但「跑DeepSeek的時候,好像也還可以」。

半導體產業鏈的「18層寶塔」架構

廖恆在訪談中首次提出半導體產業鏈的「18層寶塔」架構。他指出,黃仁勳以「五層蛋糕」比喻晶片產業,但他作為中國人,首先想到的是「應縣木塔」,最頂層是應用(豆包、微信、支付寶),直接變現;最底層是礦石、採礦,半導體本質是一堆沙子加稀有金屬;往上依次為器件設計、晶圓製造、光刻機等數百種設備、工藝製程、堆疊散熱供電;第七層是晶片架構;之上是編譯器、編程語言、並行切分、強化學習、KV cache、稀疏化等。

半導體產業鏈的「18層寶塔」架構。(微信公眾號@財經會議圈)

他解釋「8:1和32:1」的現實差距,Blackwell的vector/cube算力比是32:1,昇騰是8:1,單卡硬碰硬沒有優勢。他以居住空間作比喻,「一家四口,年輕時買100平米的房子,後來換了400平米別墅,空間富裕就隨便浪費;突然回到100平米,空間稀缺就必須精打細算。」

寶塔的運行法則在於,底層(第4層,晶片架構)改動一次,流片週期18個月、耗資兩至三億;但上層(第10至13層,軟件棧)可以小時級迭代。廖恆表示,華為的策略是「底層少按按鈕,上層快循環,用軟件快速試錯反向校準硬件方向」,以系統戰彌補單卡劣勢,用集群補回來。

從「千萬別做」到「中國工程師不輸任何人」

廖恆在訪談中坦率回顧了自身判斷失誤的經歷。他回憶面試時對領導說:「我沒有太多成功的經歷,我有太多失敗的經歷,所以我可以告訴你什麼東西不行。」他承認,當年反對做ARM伺服器取代x86的判斷「完全錯了」,今天ARM伺服器已在數據中心持續搶佔x86市場,中國每年部署上百萬級。這個過程又花了十年,但人的一生一共有幾個十年?

2019年,華為發布聲稱是業界最高性能伺服器晶片「鯤鵬920」,其採用7nm的製造工藝,支援64核心,基於ARM架構授權,由華為自主設計完成。(資料圖片)

第二次錯誤判斷是2016年,領導要求昇騰做一個能訓練、能構成大集群的旗艦產品,他當時認為「賣不出去」,試圖說服領導不要做。事實證明,數據中心從收入、利潤、規模上遠大於邊緣側,「我還是錯了」。

他形容從「不信」到「信」的轉變很迅速,華為海思每年新tape-out上百顆晶片,五年做了381顆,平均每年70顆,他從未聽過一顆晶片回來冒煙、測試不通過、無法量產。「中國工程師不比任何人差,只要問題識別對了,解決問題的能力遠遠超過對手。」

2026年中國家電及消費電子博覽會上,海思的展位。(Getty)

押注「Betting on China」

廖恆判斷,客戶佔採購量絕大部分即有極大定價權,讓供應商無利可圖。晶片從定義到落地至少三年,他比喻「我生活在2030年,客戶生活在2026年,完全聽客戶就會滯後四年」,主導方必然抑制創新。他認為,這一輪AI算力暴漲的核心原因是大模型層尚未固化,一旦模型層走向壟斷,歷史將再度重演。

關於中國半導體與台積電的差距,他認為主要在能源成本,「你要我提供10萬個GPU的算力,我輕鬆可以提供,只是能耗大一點,但我們電力供應可能是美國的三倍,數據中心電費是其四分之一,保底這件事不需要過於擔心。」

2025年4月18日,台灣新竹,圖為台積電在新竹科學園總部的辦公大樓一景。(Getty)

他回憶斷供發生時的內部反應:「最谷底是大家覺得未來幾個月就徹底造不出晶片,商業閉環斷路。」但這激發了極大的好勝心「把問題一個一個拆解出來、一個一個解決,這對工程師是天賜良機。」他透露,5%至10%的人迅速尋找新出路,80%至90%的骨幹留了下來;五千至一萬個單板全部重新做過,5G建設從未斷供。

他最後表示,技術未觸及飽和點之前,壟斷難以輕易形成,開源模型「像一根尖針,不斷刺破壟斷的氣球」。他押注的下一個超級應用,是解決「個人上下文」的入口,AI什麼都能做,唯獨缺少用戶的生活與工作場景。他相信物理世界的多樣性天然抗拒壟斷,「正如汽車工業百年之後依然品牌林立」。他的最終押注,是「Betting on China」。