华为的创始人任正非在最近的一次访谈中坚定地表示，关于芯片的问题，大家无需过度忧虑。他强调，通过采用“叠加”和“集群”等先进技术，华为在计算领域的实力已经达到了可以与全球最顶尖水平相媲美的程度。
在全球半导体行业竞争激烈、技术封锁不断加大的形势下，这样的言论宛如一针强心剂。面对芯片制造工艺的差距，华为的信心究竟源自何处？
任正非所阐述的“叠加与集群”概念，其核心在于通过系统层面的创新来弥补单一芯片性能的局限。此方法通过将多片性能略逊的芯片，通过高效的网络进行连接，实现协同处理复杂任务，从而构建出强大的整体计算能力。华为推出的昇腾910B芯片便是这一理念的生动体现。昇腾芯片虽然在制造工艺上略逊于国际先进水平的3纳米芯片，然而凭借自主研发的CCE通信协议，成功搭建了高效的集群系统，为盘古大模型的训练提供了有力支持，其整体计算能力甚至可以与一些顶尖的GPU相媲美。
在实施“以数量弥补质量”的策略上，科技企业持续寻求突破。谷歌的TPU集群便是一例明证。尽管谷歌的TPU v4芯片在单片性能上略低于英伟达的A100，然而，谷歌依靠Cloud TPU集群的强大协同效应，成功培育出了拥有5400亿参数的PaLM模型。这充分显示出，在人工智能等擅长并行处理的领域，集群计算在规模上的优势能够显著地抵消单芯片性能上的不足。
华为在算法优化领域同样有着卓越的表现。任正非所倡导的“以数学弥补物理”的指导思想，在华为得到了具体实施，表现为公司运用了诸如稀疏计算、模型量化和剪枝等先进技术，显著减少了对于硬件性能的依赖。此外，华为的MindSpore框架通过动态图优化和低精度计算，成功将AI训练的计算需求降低了30%以上。非但如此，DeepSeek 模型通过运用高效的模型压缩技术，成功在普通服务器上实现了流畅运行，并向传统高性能硬件的领先地位发起了挑战。这种软硬件协同优化的策略，使得华为即便在制程技术相对有限的情况下，依然能够实现高效的计算性能。
2021年，天津港无人化码头的运营实况充分展现了这一优势。由数百颗昇腾芯片构成的计算集群，在天津港的无人化码头中扮演着“超级大脑”的核心角色。它实时处理着海量传感器数据，并精确调度无人驾驶集卡与智能吊机。AI集群的问世不仅显著提高了工作效率并减少了能源消耗，而且使得码头工人无需再忍受风吹日晒之苦，免于进行繁重的手动调度工作，从而从高强度体力劳动中得到了解脱。
华为的自信不仅仅建立在技术实力之上，更源自其宽广的开放战略视野。任正非始终秉持“借鉴他人之长”的理念，这一思想推动华为在全球技术生态中主动出击、随机应变。即便遭遇制裁的挑战，华为依然依靠与开源社区及国际合作伙伴的紧密协作，有效地汇聚了各类资源。昇腾芯片能够与PyTorch等主流开源框架实现无缝对接，这大大减少了开发者进行迁移时的成本；同时，Atlas平台通过软硬件的深度融合，打造出了其独特的竞争优势。
AMD的发展历程对华为具有宝贵的启示意义。进入2000年代，AMD一度遭受英特尔的压制，然而，在CEO Lisa Su的领导下，该公司团队采纳了模块化设计（Chiplet）以及高效的互联技术，成功推出了Zen架构处理器。他们更注重架构和生态系统的构建，而非仅仅追求单一制程的进步。行业报告显示，2020年AMD的EPYC处理器在全球服务器市场中占据了大约15%的比重，成为一股不可忽视的力量。其取得的成就，与华为专注于5G基站、AI计算等特定领域，并通过针对这些领域的优化来提升效率，从而超越通用芯片的集群策略，在本质上有着相似的巧妙之处。
芯粒技术生动展现了任正非的战略理念在工程领域的具体应用。这一技术通过架构的创新和系统层面的优化，有效地缩小了单芯片制造工艺上的代际差异，并实现了整体性能的实用化重大突破。
传统的“摩尔定律”通过缩小制程来增强性能，然而，在先进制程（例如3nm/5nm）面临物理边界的同时，还遭受了外部限制。Chiplet技术突破了对单一制程的依赖，将庞大而复杂的芯片分解成多个功能清晰的小芯粒。这些芯片可根据其功能需求，通过不同的工艺节点进行生产；在核心计算单元方面，我们追求采用先进的制程技术；而对于I/O、模拟、存储等模块，则可以选择成熟、稳定且成本相对较低的制程。借助2.5D/3D封装等前沿技术，将不同构型的芯片颗粒以高密度、高效能的方式整合，使得系统整体性能在某种程度上可与顶尖制程的单芯片相匹敌，甚至更胜一筹，巧妙地解决了单一芯片全面追赶上顶尖制程的难题。
然而，Chiplet 架构在实现芯粒间的高速、低功耗以及高带宽互连方面遭遇了难题，这要求我们依赖精确的数学模型和信号完整性分析。华为在高速SerDes技术、高阶封装的互连线路设计、信号与电源完整性仿真领域投入了大量的资源，同时致力于开发低延迟、高带宽的互连协议。公司通过运用复杂的算法优化数据传输路径，减少噪声干扰，并提高能效比，有效克服了物理距离和封装寄生效应引起的信号衰减及延迟等物理限制，确保了多个芯粒能够像单一芯片一样实现高效协同运作。
Chiplet技术凸显了华为在“系统级创新”方面的策略优势，有效应对了“单点短板”的挑战。它并未急于在单一芯片制造工艺上与竞争对手并驾齐驱，转而采取“非摩尔”的异构集成策略，依靠“数学”驱动的互联技术以及系统优化能力，并结合“群计算”的分布式架构，在芯片系统（SoIC/SiP）领域实现了功能、性能和能效的实用化，甚至达到了领先地位。这一事实充分表明，在高科技领域的竞争中，创新性的系统构建与工程实力，完全可以作为填补基础物理技术差距、实现超越式发展和特色化竞争的关键推动力。
张忠谋，台积电的创始人，曾明确指出，芯片技术的发展离不开人才的持续积累，虽然技术可以追赶，但人才的沉淀却是关键。对于华为而言，对人才的长期培养和对教育的持续投入是其强大的根基。华为拥有大约11.4万名研发人员，在过去十年中，其研发投入累计超过了1.2万亿元。此外，华为的“天才少年”计划也吸引了众多优秀人才的加入。
华为深知，稀疏计算等革命性技术的突破，与杰出人才的深度投入密不可分。因此，华为打造了一套完善的人才培育与吸纳机制，借助“天才少年”项目、与世界一流高校的合作，以及内部类似“黄埔军校”的高强度研发实战，集结并培育了一大批既懂稀疏计算理论又精通工程实践的顶尖人才。这些人才在昇腾AI芯片的架构设计方面发挥了重要作用，他们确保了硬件能够原生高效地支持稀疏特性，比如零值跳过和结构化稀疏加速单元等。通过这种方式，他们实现了算法创新与芯片设计的紧密结合。正是这样一支高水平的团队，成功地将前沿的稀疏计算理念转化为芯片的实际算力提升，从而为华为在算力底层创新领域奠定了核心竞争力。
尽管面临诸多挑战，问题依然存在。集群计算在能耗、成本和通信限制等方面仍需克服障碍。而且，在那些对单线程性能有极高要求的科学计算领域，集群的优势难以完全展现。如果华为能在芯片制造技术、供应链稳定以及全球战略布局上不断进步，便有可能在全球范围内与行业巨头展开竞争。
华为任正非关于“芯片无需担忧”的声明所蕴含的信心，源自其在集群计算技术、算法改进以及生态合作领域的丰富技术底蕴，还有公司对人才培养和教育的持续战略性投资。在硬件发展遭遇瓶颈之际，系统创新与生态合作成为了突破困境的关键驱动力。
