英伟达CEO黄仁勋近日对任正非的讲话表达了他的观点。他表示，“（虽然）我们的技术比他们领先一代，但重要的是要记住，技术层面的人工智能是一个并行问题。如果每台计算机的性能不够强，那就用更多的计算机。他所说的是，中国有充足的能源，他们会使用更多的芯片。所以在很多方面，他是在说中国的技术对中国来说已经足够好了。如果美国不想参与中国（的市场），华为能覆盖中国市场的需求，也能覆盖其他所有地区。” 时值中美经贸磋商机制首次会议在伦敦举行，中国科技企业华为创始人任正非发声谈及美国封锁下中国高科技的发展，引发外媒高度关注。 “美国是夸大了华为的成绩，华为还没有这么厉害。要努力做才能达到他们的评价。”《人民日报》6月10日刊发一篇题为“国家越开放，会促使我们更加进步”的报道。当被问及昇腾芯片被“警告”使用风险，对华为有什么影响时，任正非表示，“我们单芯片还是落后美国一代，我们用数学补物理、非摩尔补摩尔，用群计算补单芯片，在结果上也能达到实用状况。” 任正非说，“中国在中低端芯片上是可以有机会的，中国数十、上百家芯片公司都很努力。特别是化合物半导体机会更大……软件是卡不住脖子的，那是数学的图形符号、代码，一些尖端的算子、算法垒起来的，没有阻拦索。困难在我们的教育培养、人才梯队的建设。中国将来会有数百、数千种操作系统，支持中国工业、农业、医疗等的进步。” 路透社报道称，这篇文章发表在《人民日报》头版，正值中美高层官员在伦敦重启贸易谈判的第二天，预计谈判将涉及美国对中国的高科技出口管制等议题。报道回顾称，自2019年以来，美国出台一系列出口限制措施，旨在遏制中国科技和军事发展，这些措施限制了华为等中国公司从国外获取高端芯片及生产芯片所需的设备。上述内容是任正非本人和华为首次就先进芯片制造话题对外发声。 美国彭博社认为，自特朗普政府首次将华为列入所谓“实体清单”以来，任正非已成为中国科技领域最具影响力的声音之一。报道称，这篇位置显要的文章似乎特意与中美第二天的敏感谈判同步发布，两国正试图缓解在技术出口和稀土问题上的紧张关系。美国商务部长卢特尼克参与此次谈判，凸显了出口管制在此次磋商中的重要性。卢特尼克曾称，中国无法大规模生产先进半导体，暗示美国的出口管制正在限制其发展。 中关村信息消费联盟理事长项立刚告诉《环球时报》，任正非的表态务实、谦逊，客观陈述了中国芯片技术的现状，又展示出所达到的应用水平，表达出在美国的技术封锁下，中国能够做的就是“不去想困难，干就完了，一步一步往前走”。 项立刚说，任正非清晰表达出中国的技术发展并不单纯追求高性能，而是以应用为标尺，来满足用户和各行业的需求。他的观点也向外传达一个声音，中国最优秀的企业正踏踏实实致力于基础理论研究，假以时日定能实现技术突破，因此任何技术封锁和打压都是徒劳的。只有在开放的环境中，才能实现共同的进步。 华为创始人任正非近日在接受采访时掷地有声：芯片问题无需过分担忧，凭借 “叠加和集群” 等方法，华为的计算能力已能与全球顶尖水平比肩。 在全球半导体竞争白热化、技术封锁步步紧逼的背景下，这番表态如同一剂强心针。面对芯片制程的差距，华为的底气究竟从何而来？ 任正非提到的 “叠加和集群”，本质是通过系统级创新弥补单芯片性能的不足。集群计算将多块性能稍逊的芯片通过高效网络连接，协同完成复杂任务，形成强大的整体算力。华为的昇腾910B 芯片便是例证。昇腾芯片虽在制程上不及国际领先的3nm 芯片，但通过自研的 CCE 通信协议，构建起高效集群，支持了盘古大模型的训练，整体算力可媲美部分顶级 GPU。 在这种 “以量补质” 的策略运用方面，科技企业不断探索创新。谷歌的 TPU 集群就是一个典型案例。谷歌的 TPU v4芯片单片性能虽略逊于英伟达 A100，但谷歌凭借 Cloud TPU 集群的强大合力，成功训练出5400亿参数的 PaLM 模型。这充分证明，在人工智能等擅长并行处理的任务领域，集群计算的规模效应能够有效弥补单芯片性能上的差距。 华为在算法优化方面同样表现出色。任正非提出的 “用数学补物理” 理念，具体体现在华为采用稀疏计算、模型量化和剪枝等前沿技术手段，降低硬件性能的依赖程度。华为的 MindSpore 框架通过动态图优化和低精度计算，使 AI 训练的计算需求降低了30% 以上。无独有偶，Meta AI 在2023年发布的 LLaMA 模型，借助高效的模型压缩技术，实现了在普通服务器上的良好运行，对传统高性能硬件的优势地位发起挑战。这种软件与硬件协同优化的模式，助力华为在制程相对较低的情况下，依然能达成高效的计算效果。 2021年天津港的无人化码头运营情况，便是对这一优势的生动诠释。数百块昇腾芯片组成的计算集群，在天津港无人化码头中发挥着 “超级大脑” 的关键作用。其实时处理海量传感器数据，精准指挥无人驾驶集卡和智能吊机。AI 集群的出现，不仅提升效率，降低能耗，也让码头工人不用顶着风吹日晒进行手动调度，从高强度的体力劳动中解放出来。” 华为的底气不仅源于技术，更得益于其开放包容的战略眼光。任正非一直强调 “利用别人先进成果”，这一理念促使华为在全球技术生态中积极作为、灵活应变。即便面临制裁困境，华为依然通过与开源社区以及国际伙伴的深度合作，成功整合各方资源。例如，昇腾芯片与 PyTorch 等主流开源框架实现兼容，有效降低了开发者的迁移成本；Atlas 平台则凭借软硬件的深度协同，构建起独特的竞争力。 AMD 的崛起历程为华为提供了有益借鉴。在2000年代，AMD曾被英特尔压制，但CEO Lisa Su带领团队采用模块化设计（Chiplet）和高效互联技术，推出Zen架构处理器，强调架构和生态而非单一制程。据行业报告，AMD的EPYC处理器在2020年占据全球服务器市场约15%的份额，成为重要力量。这一成功经验与华为聚焦5G基站和AI计算等特定场景，通过针对性优化使效率远超通用芯片的集群策略有着异曲同工之妙。 Chiplet（芯粒）技术是任正非战略思想在工程实践中的生动体现。该技术借助架构革新和系统级优化，成功弥补了单芯片制程上的代际差距，实现了整体性能的实用化突破。 传统 “摩尔定律” 依赖制程微缩来提升性能，但先进制程（如3nm/5nm）在面临物理极限的同时还遭遇外部封锁。Chiplet 技术则跳出单一制程的限制，将复杂的大芯片拆解为多个功能明确的小芯粒。这些芯粒可根据功能需求采用不同工艺节点制造：核心计算单元追求先进制程，而 I/O、模拟、存储等模块则可选用成熟、可靠且成本更低的制程。通过2.5D/3D 集成等先进封装技术，将这些异构芯粒高密度、高性能地集成在一起，从而在系统层面实现媲美甚至超越单一先进制程大芯片的性能和功能，巧妙绕过了单芯片全面追赶顶尖制程的难题。 然而，Chiplet 架构也面临着芯粒间高速、低功耗、高带宽互连的挑战，这需要依靠精密的数学建模和信号完整性分析。华为在高速 SerDes、先进封装中的互连线设计、信号 / 电源完整性仿真，以及低延迟高带宽的互连协议等方面投入巨大，通过复杂的算法优化数据传输路径、降低噪声干扰、提升能效比，最大程度克服物理距离、封装寄生效应带来的信号衰减和延迟等 “物理” 限制，确保多个芯粒能像单一芯片般高效协同工作。 Chiplet 技术充分展现了华为 “系统级创新” 对抗 “单点短板” 的策略优势。它不执着于在单芯片制程上立即追平对手，而是通过 “非摩尔” 的异构集成路径、“数学” 驱动的互连与系统优化能力、以及 “群计算” 的分布式架构，在芯片系统（SoIC/SiP）层面实现了功能、性能和能效的实用化甚至领先水平。这有力证明，在尖端科技竞争中，突破性的架构设计和系统工程能力，完全能够成为弥补底层物理技术代差、实现弯道超车和差异化竞争的核心驱动力。 正如台积电创始人张忠谋所强调的，芯片技术依赖人才的长期积累，技术可追赶，但人才需沉淀。人才与教育的长期投入是华为底气的根源。华为拥有约11.4万名研发人员，过去十年研发投入超过1.2万亿元。其“天才少年”计划吸引了众多顶尖人才。 华为深刻认识到稀疏计算等颠覆性技术革命的成功，离不开顶尖人才的深度参与。为此，华为构建了强大的人才培养与引进体系，通过“天才少年”计划、全球顶尖高校合作、以及内部“黄埔军校”式的高强度研发实战，汇聚并培养了一批精通稀疏计算理论与工程实践的顶尖人才。这些人才深入参与昇腾AI芯片的架构设计，确保硬件原生高效支持稀疏特性（如零值跳过、结构化稀疏加速单元），实现了算法创新与芯片设计的深度协同。正是这支高水平团队，将前沿的稀疏计算理念转化为芯片中的实际算力飞跃，奠定了华为在算力底层创新的核心竞争力。 尽管如此，挑战依然存在。集群计算在能耗、成本以及通信瓶颈等方面仍有待突破。此外，在对单线程性能要求极高的部分科学计算场景中，集群优势难以充分发挥。若华为能在芯片制造、供应链稳定性和全球化布局上持续精进，便能在更广泛的领域与国际巨头一较高下。 任正非 “芯片无需担忧” 宣言背后的底气，正是华为在集群计算、算法优化和生态协作等方面的深厚技术积累，以及其对人才和教育的长期战略性投入。当硬件发展受限时，系统创新和生态协作便成为破局的关键力量。
