华为首席科学家：英伟达不是在领先，是在走向雪崩|gpu|海思|知名企业|英伟达|首席科学家

华为有一个人，外界几乎没见过他的照片。

他叫廖恒，是华为Fellow，也是半导体首席科学家，同时担任昇腾AI芯片的总架构师。他14岁考进了清华计算机系的少年班，之后在普林斯顿大学完成博士后研究，在海外做了接近20年的芯片设计工作。

2016年他选择加入华为海思，一手主导了昇腾910到昇腾950的架构演进过程。

在美国对华为实施芯片禁令的那些最黑暗的日子里，正是这个人以及他带领的团队，在深圳坂田的实验室里面，硬生生把昇腾从一张被卡住了脖子的白纸，变成了中国AI算力的重要底座。

过去长达八年的时间里，他没有接受过任何一次公开采访。

到了7月25日，他罕见地坐到了镜头前面，一聊就是四个多小时。

访谈的内容在8月初陆续被放了出来，立刻就在芯片圈和AI圈引发了很大的震动。

引发震动的倒不是他说了什么惊天秘密，昇腾的架构细节和性能数据外界早就有了大致的轮廓。

真正让人注意的是他说的那些话，字里行间透出了一个信号，华为在芯片这件事情上的叙事方式，正在发生根本性的变化。

核心内容梳理：

一场4小时访谈，炸了全球科技圈

他接受了一场长达四个小时的公开访谈。

不是发布会，不是新闻通稿，是坐下来，一个问题接一个问题，聊透。

聊到最后，他说了一句让全球科技媒体集体炸开的话。

「英伟达现在这条路，再撑一两个世代，最多三个。到第四个世代，难以为继。」

我跟你说，这话如果是一个分析师说的，没人当回事。

但廖恒是华为芯片的首席科学家。他手里有数据，他做过仿真，他知道那个墙在哪。

更关键的是，华为自己已经不走这条路了。

汉堡快撑不住了：芯片堆叠的物理死局

过去几十年，芯片行业的玩法特别单纯——晶体管做小一点，再小一点。

你做5纳米，我做3纳米，他做2纳米。谁在最前面，谁就通吃。

英伟达把这条路走到了极致。

他们的H100、B200、GB300，每一代都是更大的芯片面积、更多的晶体管、更多的HBM内存堆在旁边。像一个不断膨胀的巨无霸汉堡。

但廖恒说，这个汉堡快撑不住了。

他提到了一个词，叫「雪崩」。

他说的是物理极限。

当你把芯片面积越做越大、HBM内存越堆越多的时候，内部的信号传输距离也在变长。

功耗在涨，延迟在涨，良率在降。总有一天，再加一片HBM，整个系统就会崩掉。

不是性能不够，是物理规律不让你玩了。

100平米公寓 vs 400平米别墅

最有意思的是他打的比方。

他说中国AI创新像是在100平米的小公寓里，最大化利用每一寸空间。西方竞争对手住的是400平米大别墅。

住在别墅里的人，不会去想怎么把沙发折成床、怎么把餐桌收进墙里。他有的是空间。

但住小公寓的人，必须想。

华为的底牌：不缩小晶体管了，直接折叠电路

华为在2026年5月的IEEE上海会议上，正式提出了一个叫「韬定律」的东西。名字听起来很玄，逻辑其实很直接。

他们不跟你在晶体管尺寸上赛跑了。

他们换了一条路。叫LogicFolding，逻辑折叠。

想象一张纸平铺在桌子上，占地方很大。但如果你把这张纸折起来，同样的面积能塞进更多内容。

逻辑折叠就是这个思路——把电路像折纸一样垂直堆叠多层，缩短信号传输距离，用更低的功耗跑出更高的性能。

华为说，到2031年，他们用这个方法能实现相当于1.4纳米的晶体管密度。

而且不依赖ASML的极紫外光刻机。

你知道这意味着什么吗？

意味着如果这条路走通了，美国的芯片封锁就不再是一堵墙，而是一个逼着中国绕道的障碍物。绕过去了，就跟你没关系了。

廖恒点名表扬了一个人：梁文锋

这里顺便说一个人。

廖恒在访谈里，单独表扬了DeepSeek创始人梁文锋。

他说梁文锋2025年用极低的算力训练出顶级模型，不是靠运气，是靠模型架构的创新。

你拿着比别人少得多的硬件资源，反而逼着你把软件做到极致。

华为也是这个逻辑。他们搞了「芯片与模型协同设计」，让芯片工程师和模型工程师坐在一个屋子里，不是为了让你更快，是为了让你用更少的计算资源干同样的事。

两套体系：英伟达逻辑 vs 华为逻辑

这个思路跟英伟达完全相反。

英伟达的逻辑是——我有最强的芯片，你把模型往上面跑就行。模型越来越大的时候，你自然会来买我更新的芯片。

华为的逻辑是——我不一定给你最强的芯片，但我会让你的模型用更低的算力跑出同样的效果。

廖恒的原话是，用更高的设计复杂度换取更少的计算资源消耗。

用更高的设计复杂度，换取更少的计算资源消耗。翻译成人话就是：多动脑子，少烧显卡。

全球供应链正在裂成两个世界

然后他问了一个更深刻的问题。

全球半导体供应链正在裂成两套体系。

一边是美国主导，有台积电、ASML、英伟达。一边是中国主导，有华为、中芯国际、长江存储。

即使两国不打仗，各自的供应链也不会再回到以前那种「你中有我」的状态了。

什么意思呢？

意思就是，未来十年，这个世界上会出现两套互不兼容的AI底层系统。你选了一套，就很难切换到另一套。

廖恒说这句话的时候，没有任何得意。更像是在陈述一个他觉得挺遗憾的事实。

靠堆硬件赢的时代，结束了

说实话，我读完这场四个小时的访谈记录，最大的感受不是「华为好厉害」。

是「那个靠无限堆硬件就能赢的时代，结束了」。

接下来比的不是谁芯片更大，是谁更聪明。

用更少的资源，走更聪明的路。这件事，中国人被逼着练了很久了。

访谈开篇：接受采访三大初衷，

当下半导体人才危机与行业认知壁垒

张小珺：大家好，我是张小珺。今天访谈嘉宾是华为 Fellow、半导体首席科学家廖恒博士。这是2020年全球芯片管制之后，华为高层第一次完整复盘昇腾芯片从低谷突围的完整历程。本次对话一方面梳理昇腾发展与中国芯片自主选择的完整故事，另一方面站在从业者四十余年亲历视角，拆解全球半导体产业底层发展规律、时代脉络。今天我们会从个人从业心境切入，对比断供前后昇腾910与950两代芯片的研发环境、设计思路差异，逐层展开行业全貌。廖恒博士，先想问您，时隔多年愿意走出幕后接受长时间深度访谈，内心心境如何？断供前后研发芯片，心态发生了怎样的变化？

廖恒：如果要形容那段时期的心境，很难用简单的焦虑、压力概括。你可以尝试代入董存瑞炸碉堡、上甘岭前线战士的处境去理解，普通人没有办法真正共情那种绝境下的状态。我看过一段二战中国士兵采访，记者问战士打完仗最想要什么，士兵只说“我的父母都不在了，我不敢去想战后的生活”。我们当时的处境和这种心境有相似之处，没有多余精力纠结情绪，摆在眼前只有一件事：直面困难、解决困难，空想情绪没有实际意义。

张小珺：您本人一直刻意淡化个人，更希望把镜头、视角留给整个行业与工程师群体，但您完整见证全球半导体三四十年完整周期，能否先聊聊，是什么原因，最终下定决心接受这次长时间深度访谈？

廖恒：我本身长期配合海思对外低调的宣传节奏，极少参与公开深度访谈，最终同意这次对话，核心有三层原因，每一层都切实推动我下定决心。

第一层，希望完整记录一代国产芯片工程师的真实经历，给行业、后辈留下可参考的真实启示。过去十几年外界对海思、昇腾的认知大多碎片化，网络碎片化解读、碎片化新闻片段很难还原完整研发背景、产业困境与取舍逻辑，这次长时间对话，可以完整还原真实历程，去掉媒体加工的戏剧化滤镜，还原工程师最朴素的选择与挣扎。

第二层，源于我半年前在清华大学计算机系授课的强烈挫败感，也是我当下最焦虑的行业痛点。当时我配合陆游游老师讲授计算机组成原理，课程结束后我和授课教授深入交流，我们两人都感受到很深的无力感。现在高校学生普遍追逐AI大模型算法、模型微调、推理加速这类热门方向，计算机组成原理这门硬件核心基础课普遍被视作“鬼门关”。课程难度高，期末大作业要求独立设计完整CPU，投入大量时间却很难短期产出可视化成果，学生主观意愿极低，越来越少人愿意深耕底层处理器硬件。我内心十分震惊，同时产生强烈人才断层焦虑：如果新一代年轻人持续排斥底层硬件学习，十几年后国内芯片、处理器领域会出现严重人力缺口，顶层AI模型发展再繁荣，底层硬件根基无人承接，整个产业会出现结构性短板。我希望通过这次访谈，让学生、行业新人看懂底层硬件的长期价值，愿意沉下心深耕基础学科。

第三层，行业内部普遍存在认知盲区。哪怕是华为内部一线研发同事，每天埋头处理细分模块开发，却缺少完整全产业链宏观视角，看不清行业发展来龙去脉，很容易在长期高强度工作中迷茫、摇摆。本次对话会完整梳理三四十年产业纵向主线、横向周期规律，无论是同行、在校学生、企业研发人员，都能建立完整全局认知，跳出单一模块视角看懂行业全貌。

三层诉求叠加，最终促成这次5小时完整访谈。接下来我们可以完整拆解过去三四十年全球半导体完整发展脉络，我从自身求学、海外从业、回国深耕的完整经历，逐层拆解行业两条核心主线、三轮科技浪潮、繁荣与衰落的底层逻辑。

我1987年进入清华少年班本科，1996年赴美深造，1997年正式入职海外半导体企业，研究生、本科阶段研究课题全部围绕处理器架构设计，完整亲历行业完整起落。纵观三四十年行业发展，始终有两条主线相互交织，构成全球半导体全部发展底盘。

第一条主线：通用处理器CPU主线，从1984、1985年IBM PC问世正式起步。最开始CPU仅服务桌面办公终端，随后逐步渗透企业服务器，伴随全球数字化浪潮，成为数字世界底层基础设施。2005-2006年AI技术萌芽，这条主线衍生出全新分支，也就是AI专用计算芯片，这条脉络持续迭代至今，是整个半导体行业最核心的需求底盘。

第二条主线：通信驱动芯片主线，人类从孤立离线世界，逐步迈入全员、全设备互联时代。最早依靠电话线拨号Modem低速上网，随后光纤宽带普及，搭建城市、国家跨地域骨干传输网络，构成互联网有线基础设施；移动网络兴起后，无线通信成为互联网第二波浪潮，智能手机诞生，一度占据全球半导体消费60%-70%份额，是过去二十年半导体最大消费市场；后续卫星通信、星链等空间通信进一步拓展这条脉络边界。有线、无线两套通信基础设施，催生海量专用通信芯片，和CPU处理器主线并行发展，共同撑起整个半导体产业规模。

两条纵向主线之外，横向时间维度，半导体经历清晰的繁荣、长期萧条、再度爆发完整周期。早期行业高速狂热扩张，资本、人才全面涌入；2005年至2016年长达十余年，硅谷风险资本全面撤出芯片初创赛道，行业被普遍定义为夕阳产业，标志性商业模式就是博通并购重组模式：收购成熟盈利半导体企业，裁撤重复部门、砍掉低利润产品线，压缩运营成本收割存量利润，完全没有长期创新投入空间，是典型夕阳行业操作。直到2016年AlexNet推动深度学习爆发，AI第三波浪潮正式开启，资本、人才重新回流半导体，行业热度、资金体量、市场期待，全面超越早年互联网、移动互联网两轮浪潮。

很多人会产生疑问：互联网、移动互联网曾经带动行业高速增长，为何之后会出现长达十年的产业凋零？这个逻辑看似反直觉，但核心根源清晰，本质是互联网巨头垄断带来的行业抑制效应。

互联网巨头垄断如何压制底层芯片创新：

行业十年萧条底层逻辑

张小珺：您刚才提到应用层巨头垄断会导致底层芯片行业长期衰落，这个逻辑和大众固有认知完全相反，大家普遍认为上层应用繁荣会带动硬件需求同步增长，能否详细拆解背后底层逻辑？

廖恒：我们以过去数十年全球科技主导模式，也就是美国科技发展路径为基准拆解逻辑。美国头部科技企业一旦依靠一款产品、一套商业模式建立市场优势，短短三四年就能形成全方位垄断壁垒，覆盖技术、资本、用户、基础设施全维度：Windows垄断PC操作系统、谷歌垄断全球搜索、Meta垄断全球社交网络、苹果垄断高端智能手机赛道。这种垄断形成后，会从两个维度严重压制底层半导体创新，也是2005-2016年芯片行业持续萧条的核心原因。

第一，单一超大采购方掌握绝对定价权，挤压芯片厂商利润空间。全球绝大多数芯片订单集中到一家、两家长期巨头手中，采购体量占据细分市场70%-90%，芯片供应商完全丧失议价空间，产品毛利率被持续压缩，长期微薄利润没有多余资金投入长期架构研发、新工艺试错，只能维持成熟存量产品迭代，无力布局未来4-5年新技术路线。

第二，单一客户主导全部技术需求，会带来天然时间差滞后，彻底扼杀前瞻性创新。芯片完整研发周期存在硬性时间约束：芯片设计周期12-18个月、晶圆制造周期9-10个月，加上整机适配、全场景测试、量产验证，一款全新芯片从架构定义到终端落地使用，最少需要2.5-4年。客户基于当下业务需求定义硬件规格，但芯片交付、规模化使用时已经时隔数年，存在长达4年的时代鸿沟。如果芯片厂商完全跟随当下客户需求做产品定义，四年后产品落地会全面落后行业发展节奏。而垄断巨头只会基于自身短期业务提需求，不会为四年后的技术趋势预留迭代空间，厂商即便预判未来技术方向，也没有市场、订单支撑落地前瞻性芯片方案，创新空间被彻底锁死。

在2016年前，AI技术尚未全面爆发，全球算力需求单一，所有芯片厂商都受这套逻辑约束，行业长期缺乏新增创新空间，资本市场持续看空半导体，出现长达十余年的资本寒冬。

而当下AI行业和当年互联网时代有本质区别，至今没有任何一家企业形成绝对垄断格局。OpenAI、Anthropic、国内DeepSeek、一众本土大模型团队同步迭代，国内五道口、杭州大量青年研发团队持续产出全新算法优化思路，行业群星璀璨，不存在单一巨头锁死技术路线的情况。每天都有全新技术突破、轻量化模型、稀疏计算方案诞生，任何企业都无法凭借现有优势永久封锁赛道，市场持续存在多元需求，芯片厂商可以同步适配多元化技术路线，不会出现单一客户绑架全行业的局面。

张小珺：您所说的主导型企业，就是谷歌、Meta这类海外互联网大厂，国内是否也存在同类现象？

廖恒：国内逻辑完全一致，电商、短视频、社交领域同样诞生头部平台，手握海量用户、超大采购体量，同样具备极强需求主导能力，只是国内AI产业起步阶段赛道分散，暂时没有出现海外十年垄断压制硬件的局面。

同时成熟巨头普遍存在“创新者窘境”，企业依靠第一代核心产品建立垄断、稳定现金流后，很难彻底重构自身技术体系，很难从零布局全新底层赛道。企业现有组织架构、人才体系、盈利模式全部服务存量核心业务，内部资源倾斜、考核标准都会天然排斥高投入、长周期的底层硬件研发。谷歌核心收入至今仍来自搜索广告，即便手握海量算力需求，底层GPU、TPU研发投入、迭代节奏也会受广告业务短期盈利指标约束，很难不计成本长期深耕硬件底层创新。

很多人误以为头部企业资金充足，就能无限制投入硬件研发，但组织固有DNA会形成天然短板，过往优势赛道的资源倾斜，会成为全新赛道发展的阻碍。纵观全球科技企业，能够持续自我革新、跨底层软硬件实现突破的企业属于极少数。资金体量、企业规模，不代表能在全新底层赛道持续领跑，当下AI赛道充分印证这个规律。

清华少年班求学经历：

80年代国内硬件科研原生文化与时代差距

张小珺：我们切换到您个人求学经历，1987年您14岁进入清华少年班，当年计算机系教学、科研氛围和当下高校完全不同，当时校内学习、实践是什么状态？

廖恒：1987年我14岁考入清华少年班，入学时国内主流设备还是Apple II兼容机，IBM PC刚刚普及，软盘、硬盘都属于稀缺全新硬件设备，马斯克当时尚未开启创业。整个高校教学、科研氛围和现在存在天壤之别，核心分为两大差异。

第一，老一辈教师重实物原型、轻论文发表，科研落地导向极强。当年高校考核、毕业标准不以顶会论文为核心，毕业设计、课题核心要求做出完整可运行硬件原型，只发表论文无法通过答辩。两弹一星时代遗留的科研体系延续到80年代，国内企业完整研发体系尚未成型，工业界自研能力薄弱，高校、研究所承担现在企业研发中心的全部职能，国产早期计算机、工控硬件全部出自高校实验室。我入学时刚好处于科研文化过渡期，往后国内高校逐步全面对标欧美学术体系，论文发表、顶会成果成为核心考核指标，企业自研体系逐步成熟，高校不再承担工业产品开发职能，两种科研导向带来完全不同的人才培养路径。

第二，校内课外实践高度贴近市场需求，学生自主承接中小企业硬件开发需求。当年中关村已经形成早期创业氛围，课余我们长期在中关村对接小型厂商需求，开发各类消费电子硬件原型，我参与过激光打印机、老式影碟机、电子词典原型开发，大量项目最终以失败收尾，但完整积累软硬件协同开发经验。我本身是编程竞赛出身，软件开发能力较强，同班好友吴钊是硬件竞赛顶尖人才，精通PCB、FPGA板级设计。当时我内心一直存在强烈的探索欲：软件层逻辑我可以熟练掌握，但芯片底层晶体管、处理器内核的完整运行逻辑完全是黑箱，软件和硬件之间存在一层清晰壁垒，我迫切希望打通软硬件边界，看懂芯片底层完整架构。这份跨层探索欲，也奠定我后续数十年深耕半导体硬件的职业选择。

张小珺：当年少年班入学年龄普遍要求15周岁以下，您14岁入学，在校阶段更偏向软件方向，是什么契机彻底转向硬件底层研发？

廖恒：入学起点依靠编程竞赛，核心能力集中在软件代码开发，但长期和硬件方向同学合作开发硬件样机，持续产生探索底层芯片的欲望。软件开发半年就能落地面向千万用户的应用产品，见效快、可视化成果直观；硬件、芯片属于长跑赛道，投入数年才能看到完整落地成果，周期漫长、试错成本极高，但底层硬件是所有数字产品的根基，长期价值不可替代。我自身性格更适配长期深耕、持续攻坚的底层赛道，最终确定终身深耕半导体硬件领域。

张小珺：1987年刚好是台积电成立年份，张忠谋创办晶圆代工，彻底打破垂直整合IDM模式，设计、制造分离的fabless模式重塑全球芯片分工，您如何看待这套模式诞生的底层经济学根源？

廖恒：台积电诞生、fabless分工模式普及，核心驱动力只有一个：晶圆制造工厂极致高昂的资本投入，是纯粹的经济学选择。每一代先进制程建厂、设备采购成本指数级上涨，遵循近似摩尔定律的增长幅度：早年光刻机、工艺设备单价数十万美金，如今单台高端设备破亿美金；早期工艺掩膜版仅十余层，先进制程掩膜版突破百层。晶圆工厂属于重资产、长回报周期行业，ROI投资回报率极低，风险极高，对应产业链底层基础环节，单一芯片设计公司完全无力独立承担建厂成本。这套逻辑类比居民用电：普通人不会自建发电厂满足家庭用电，统一公共发电基础设施成本最优，张忠谋是全球第一个明确落地公共晶圆代工商业模式的人，让全球设计企业共享制造产能，彻底改写行业格局。没有fabless分工模式，谷歌TPU、各类企业自研AI芯片都不可能落地，任何企业单独搭建先进产线，三年建厂、三年工艺迭代、长期产线运维，成本、周期完全无法承受，单一企业订单规模也无法支撑先进工厂盈亏平衡。

早年AMD创始人Jerry Sanders提出“真正的企业要有自有晶圆厂”，但时代大前提发生根本性变化，这套理念不再适配当下全球产业环境。fabless模式成立的核心前提是全球自由贸易、全产业链无壁垒分工，企业可以全球采购最优设备、材料、工艺产能。但2019年后地缘环境彻底颠覆这套前提，全球自由分工体系破裂；同时市场需求极端波动时，分工模式存在巨大短板，比如前两年DRAM内存价格暴涨十余倍，上下游独立分工企业无法协同调配产能、缓冲价格波动，垂直整合模式抗风险能力更强，单一fabless分工不再是行业唯一最优解。

1996赴美深造：

普林斯顿求学冲击、90年代全球处理器黄金争霸时代

张小珺：1996年您前往美国普林斯顿大学做博士后，当年出国时国内芯片行业发展有限，当时海外科技圈、您个人对未来科技的整体想象是什么？

廖恒：当年出国内心存存在两层完全矛盾的心态。第一层是行业崇拜心态，1945年后美国长期占据全球科技顶端，全球顶尖处理器、半导体技术全部集中在美国高校、企业，国内科研、工业体系差距巨大，当时普遍存在一种固有认知：不去海外顶尖院校深造，职业生涯存在永久性短板，如今国内清华、顶尖高校学术水平大幅追赶，这种认知已经不复存在，但90年代是行业普遍共识。第二层是长期实践困惑，在校期间开发大量软硬件原型，但没有一款产品实现百万级规模化商用，我始终找不到问题根源，希望进入海外成熟工业体系，搞清楚产品规模化落地的完整标准。赴美工作一年半后，我彻底找到答案：学生实验室原型和面向大众量产产品，存在一套极其严苛、完整的标准化验证流程，这是当年国内校园完全缺失的环节。举最简单的例子，量产电水壶需要多重安全防护，干烧断电、漏电防护、高低温环境适配，每一项都要经过数万次可靠性测试；手机芯片、处理器量产前，需要覆盖零下数十度极寒、高温机房、持续多年稳定运行全场景验证，上万研发人员数年协同打磨，单一实验室原型完全达不到商用门槛。同时团队组织逻辑是另一层全新认知：规模化项目无法全部依靠天才研发人员，绝大多数岗位需要具备基础专业能力、责任心的普通工程师，一套成熟流程让不同能力的人高效协同。全员天才团队反而会因为思路分歧、协作矛盾无法落地大型项目，规模化工业研发需要分层、标准化人员分工，这套组织逻辑是国内80年代科研体系完全缺失的。

张小珺：1987年您第一次短暂到访美国，1996年长期赴普林斯顿，两次赴美观感差异巨大，当时在普林斯顿的真实感受？

廖恒：14岁第一次赴美参观加州商场，当时国内没有综合购物中心，密闭恒温玻璃商场给我造成认知偏差，误以为美国街道全部配备中央空调，本质是时代物资巨大差距带来的直观冲击。1996年以成年人身份进入普林斯顿，感受完全不同，第一感受是强烈的疏离感。普林斯顿是典型美国精英圈层学府，圈层壁垒清晰，我清晰感知自身不属于这套精英体系，没有长期深耕、求职教职的意愿，仅停留一年便选择离开工业界求职。第二重冲击是教职发展壁垒，当年海外学术体系对国内清华学历认可度极低，如果想要留校任职，需要重新完整攻读海外博士，内心产生混杂自卑与自负的复杂情绪。当年完全低估国内产业未来增长潜力，一度错误认为留在国内发展上限有限，如今回看这个认知存在巨大偏差。当年完全没有长期回国规划，后续数十年国内全产业链、人才体系高速增长，海外行业增长缓慢甚至停滞，回国深耕反而拥有更大发展空间，当年的判断过于短视。

张小珺：1997年半导体行业发生标志性事件，英伟达推出第三代NV3芯片站稳显卡赛道，当年行业核心主线并非GPU，能否聊聊90年代处理器领域史诗级竞争？

廖恒：1997年英伟达仍属于行业无名小企业，当年全球处理器领域真正的行业大戏，是DEC公司Alpha处理器赛道，也是处理器架构史上持续十年的路线大论战。当年普林斯顿同办公室全部处理器方向研究者，所有人的理想归宿都是DEC Alpha团队，DEC是仅次于IBM的小型机巨头，Alpha处理器代表90年代CPU设计全球最高水准，是当时全球架构师心中标杆项目。梳理处理器迭代脉络：早期单核单发射处理器执行效率极低，80年代精简指令集RISC架构诞生，Patterson、Hennessy两位教授奠定RISC基础；随后行业进入多发射处理器时代，单周期并行执行多条指令，诞生两条完全对立的技术路线，持续十年激烈论战。第一条路线VLIW超长指令集，依靠编译器提前编排全部并行指令，硬件逻辑简洁；第二条超标量Superscalar架构，处理器硬件动态调度指令并行，软件适配门槛更低。当年服务器赛道百花齐放，Sun、SGI、HP、IBM、DEC多家企业并行发展，Unix多操作系统并行，不存在单一厂商垄断，两条路线都拥有完整企业落地、长期迭代资源，如同春秋战国百家争鸣，两种架构都持续产出落地产品，大量工程师深度参与路线验证。这场论战深刻影响当下AI芯片架构，如今英伟达GPU、昇腾NPU全部底层沿用VLIW静态调度思路，当年十年论战沉淀的经验，至今仍是AI架构设计核心参考。这场史诗级竞争最终以DEC彻底落幕收尾，企业经营衰败后Alpha架构、全部资产被英特尔低价收购，同期DEC旗下AltaVista搜索引擎比谷歌早六年诞生，是全球初代搜索产品，但企业无法找到商业化变现路径，最终彻底退出历史舞台，这段历史给所有硬件、互联网从业者极强警示：技术领先不等于商业可持续。当年我在普林斯顿研究方向正是VLIW，但没有完整流片量产经验，仅停留在学术理论层面，对工业落地的复杂性没有认知，判断存在极强局限性。

海外十五年半导体夕阳期：

PMC-Sierra从业，看透行业萧条底层痛点

张小珺：离开普林斯顿博士后岗位后，您1997年入职PMC-Sierra，这家企业刚好经历并购重组，完整经历互联网泡沫、长达十余年半导体夕阳周期，在萧条行业从业十几年，身边从业者普遍焦虑裁员，您为何长期坚守？

廖恒：当年求职没有过多选择，企业录用便直接入职。PMC-Sierra巅峰员工不足2000人，如今华为单一部门人员规模远超当年企业整体，市值差距百倍以上，但企业刚好踩中第一波互联网光纤基建浪潮，主营城域网、骨干光传输芯片，2000年互联网泡沫巅峰阶段市值登顶加拿大全国前列，巅峰市值足以全额收购蒙特利尔银行。泡沫破灭速度极快，2000年互联网基建投资过热，全球大规模铺设光纤，但互联网用户、带宽需求增长跟不上基建投入，海量光纤资源长期闲置，企业营收、股价断崖式下跌，互联网硬件赛道从此一蹶不振，即便后续移动互联网、消费互联网爆发，骨干传输硬件企业再也没有重回巅峰。泡沫破裂后企业转型存储服务器芯片，服务HP、IBM、EMC、NetApp传统IT厂商，我借此完整吃透电信、IT两套产业链的商业模式差异，也亲眼见证传统IT厂商被超大规模互联网云厂商逐步挤压衰落。超大型云厂商诞生后，全球服务器采购70%-80%集中在少数几家互联网企业，采购体量、议价权彻底颠覆行业格局。传统IT厂商需要覆盖全球千万中小企业，线下服务网点、全规格产品布局拉高运营成本；而云厂商机房高度集中、采购量巨大，大幅压缩硬件采购价格，传统硬件厂商利润持续萎缩，行业加速走向整合并购，也就是博通式收割模式。2016年PMC-Sierra以25亿美金完成出售，标志海外传统通信半导体企业彻底落幕，那段十余年行业萧条周期，资本市场给半导体企业市盈率仅3-5倍，企业盈利再高，市值也难以增长，资本全面撤离，整个行业看不到新增增长空间，人人焦虑持续裁员。

长期坚守并非刻意选择，第一，完整经历行业泡沫、萧条完整周期，获得独一无二的全周期行业观察视角，大量企业倒闭、产品失败案例，让我精准识别项目、产品底层风险，能快速预判方案致命缺陷；第二，团队核心骨干多年共事，不愿在行业低谷丢下研发同事；第三，企业转型存储芯片阶段，持续接触IBM、EMC行业资深工程师，吸收大量工业级硬件研发、商业化落地经验，这些认知是顺周期行业无法获取的宝贵积累。

身处漫长夕阳周期，最大的日常感受是持续的裁员恐慌，午餐、工位闲聊永远围绕下一轮裁员名单，长期笼罩悲观情绪。但低谷期反而拥有充足时间沉淀思考，拆解产品商业化、技术路线、市场需求的匹配逻辑，积累海量失败案例经验，能快速识别项目先天缺陷，这段十几年海外低谷经历，是我2016年加入海思后最重要的经验储备。

张小珺：十几年萧条周期，您沉淀出三条最核心的失败预判经验，能否结合华为早期ARM服务器、初代昇腾规划案例详细拆解？

廖恒：十几年见过无数项目从立项到彻底失败，形成三套快速识别项目风险的判断逻辑，但也要客观承认，部分短期判断受海外夕阳思维局限，忽略国内宏观产业长期变量，出现判断偏差，三个典型案例完整复盘。

第一，早年判断ARM服务器芯片没有市场，短期逻辑完全成立，长期受国内自主需求、地缘环境影响判断失误。2016-2017年我们计划自研ARM架构服务器CPU，替代x86赛道，我当时给出核心判断：x86生态经过数十年沉淀，软件、运维、应用全配套成熟，想要替换需要性能三倍、成本三分之一的碾压级优势，当时ARM芯片完全达不到差距，海外云厂商没有切换动力，唯一潜在市场在美国微软、亚马逊云，我们立刻组建团队赴美对接合作。项目推进阶段全球芯片管制政策落地，海外合作渠道彻底中断，短期验证我的判断；拉长十年周期，国内关键基础设施自主可控硬性需求爆发，ARM服务器规模化落地，国内每年百万级部署，生态持续完善，性能差距持续缩小，宏观变量彻底改变市场格局。我的判断仅基于短期全球自由贸易市场，忽略国内产业链自主长期刚需，存在明显局限性。

第二，初代昇腾立项阶段，极度看重大边缘端市场，不看好数据中心训练芯片赛道，预判再次出现偏差。2016年全球大模型尚未爆发，AI算法研发、模型训练全部集中在美国企业，国内互联网企业没有大规模训练算力需求，我预判昇腾优先落地耳机、手机、工业视觉边缘小芯片，依靠海量终端硬件完成商业化闭环，大规模训练芯片投入高、订单稀缺，很难实现营收平衡。后续国内大模型行业全面爆发，数据中心训练、推理算力需求指数级增长，数据中心芯片营收、规模全面超越边缘端产品，短期市场预判忽略国内AI产业爆发速度，长期低估本土算法团队成长潜力。两段判断偏差根源一致：长期身处海外夕阳芯片行业，形成悲观预判思维，习惯优先识别项目短期市场短板，缺少大国产业自主、AI产业爆发的宏观视角，当年海思高层格局、长期视野远超我，更早预判国产算力长期刚需。

第三，所有软硬件协同项目，缺少算法团队深度绑定协同，产品落地必然失败。芯片架构设计周期长达四年，如果没有前沿算法团队同步参与架构定义，芯片规格会和四年后主流模型需求严重脱节，单纯依靠硬件团队闭门造车，无论工艺、算力规格多强，都会出现算力、内存带宽配比失衡，商用价值大幅缩水。海外萧条期大量芯片厂商只做硬件交付，不参与上层算法协同，最终产品滞销，这条规律至今完全成立。

2008回国、2016加入海思：

断供前后认知颠覆，昇腾910与950两代芯片底层差异

张小珺：您2008年便回国定居，2016年正式加入海思，回国初期对国内半导体产业能力持怀疑态度，是什么经历快速扭转认知？

廖恒：2008年回国核心原因是家人考量，不希望子女长期海外成长缺失本土身份认同，当年内心依旧受海外技术优越思维影响，主观认为国内高端芯片研发、完整产业链能力存在永久性短板，2016年入职海思后，现实研发数据快速颠覆固有偏见。核心转折点是海思芯片流片量产成功率：五年周期累计381款全新芯片完成流片量产，几乎不存在流片后大规模失效、无法商用的产品，极高量产成功率背后，是每一位模块研发工程师极致严谨、高度负责的工程素养。芯片流片单次投入数亿资金，一款芯片失效意味着数年研发、巨额资金全部沉没，381款芯片稳定量产证明国内工程师底层工程能力、可靠性设计水平达到全球第一梯队。过去海外从业经历形成的“只有海外能做高端芯片”的傲慢偏见，彻底被实际研发成果打破。同时国内青年工程师群体爆发力远超海外，行业从业者平均年龄比硅谷低二十岁，人才供给、学习意愿、加班攻坚的执行力全面领先海外同行，长期深耕后清晰意识到，只要明确正确技术路线，国内团队完全可以补齐全球产业链全部短板。

张小珺：2020芯片断供是华为半导体发展分水岭，昇腾910诞生于全球供应链自由时代，950诞生于全链路受限环境，两代芯片研发环境、架构定义、核心目标完全不同，分层拆解两代芯片的设计取舍。

廖恒：两代芯片最大差异，来自研发阶段外部供应链条件、行业AI发展成熟度双重变量，心境、研发目标、产品定位天差地别。

（一）昇腾910：供应链最优，但AI行业前景迷茫

昇腾910研发阶段，海思可以全球采购全球最先进制程工艺，当年华为终端、海思芯片采购体量全球前列，台积电最先进新工艺会优先开放给我们，硬件底层工艺、制造资源不存在任何约束，硬件规格上限极高。但2018-2019年全球AI行业发展方向模糊，大语言模型、万亿参数多模态模型尚未诞生，行业仅局限于计算机视觉、小型推理模型，我们无法预判四年后大规模训练、长文本推理海量算力需求。当时产品定义核心思路：全场景覆盖，芯片规格跨度覆盖耳机小型边缘芯片到大型训练集群芯片，覆盖8个数量级价格、算力区间，优先落地手机、可穿戴、工业视觉边缘终端，依靠海量终端硬件完成商业化变现；大规模数据中心训练芯片仅作为技术储备，没有营收预期。研发团队最大困惑：硬件工艺条件全球顶尖，但未来核心市场、主流算法需求完全无法预判，只能宽泛覆盖全场景，没有精准针对性优化方向，属于“硬件条件充足，但看不清行业未来”的研发状态。

（二）昇腾950：供应链全面受限，但国内AI需求清晰爆发

昇腾950研发阶段，全球先进制程、海外高端设备、部分原材料采购通道全面受限，硬件底层工艺、制造条件相比910大幅收紧，研发首要目标从“追求极致单卡算力”切换为“全链路自主可控前提下，满足国内爆发的算力刚需”，核心任务先保障产业稳定供给，活下去、服务国内客户。与此同时国内AI行业格局彻底清晰，海量本土大模型团队持续迭代，开源体系、各类稀疏化模型、多模态视频生成模型大量落地，海量真实训练、推理场景提供完整优化依据，我们可以基于上千款国产模型真实运行数据，精准配比算力、HBM内存带宽、片间互联带宽。研发阶段清晰区分两大算力需求赛道：

1. 大规模推理场景：解码阶段极度依赖高内存带宽，算力需求相对平缓，单独高带宽规格芯片适配互联网对话、AI服务场景；

2. 大模型训练场景：算力需求更高，带宽需求适中，经济型规格芯片满足长期模型训练需求。

同时初代910超节点互联架构暴露颗粒度偏大短板，芯片间小数据包传输效率低下，950重构片间互联灵衢总线，优化小包传输延迟，适配大模型KV Cache高频小数据交互场景。对比910盲猜式宽泛架构设计，950拥有海量国产模型真实场景数据做支撑，架构优化全部落地真实业务痛点，针对性大幅提升模型运行吞吐、降低推理延迟。

张小珺：断供事件发生时，海思内部团队第一反应、团队氛围变化，最难熬的谷底周期是什么阶段？

廖恒：断供消息落地，团队内部两种情绪同步爆发：第一是全员深度恐惧，长期依赖全球供应链，所有人担忧项目全面停滞、大规模裁员；第二是全体研发人员强烈好胜心，绝境下拆解全产业链所有短板，逐项攻坚补齐自主替代方案，工程师视角下，海量全新底层技术难题反而带来长期深耕的研究机遇。团队人员分层分化：仅5%-10%员工选择转行、更换赛道，90%以上核心骨干选择留守攻坚，越是外部环境严苛，核心团队凝聚力越强，所有人聚焦拆解具体技术难题，不再过度担忧长期行业前景。行业绝对谷底，是全球先进制程、关键设备、原材料同步切断，短期没有国产替代方案，所有人预判芯片量产链路随时断裂，商业闭环存在彻底中断风险。高层团队独自承担全部供应链、经营压力，将底层研发人员和外部市场风险隔离开，基层研发人员仅专注硬件架构、芯片开发，没有直面最极致的经营危机。谷底阶段最直观的成果：华为全品类单板硬件超五千款全部重新设计，所有海外元器件同步国产替代，全系列通信设备、算力硬件持续稳定供货，国内5G、算力基础设施建设进度完全没有延期，上万工程师日夜协同完成全链路替代，外界看不到中断、延期的平稳供给，背后是数年无间断重构开发。

摩尔定律放缓、姚定律：

微缩瓶颈与堆叠替代路线，国内外芯片能耗差距拆解

张小珺：行业普遍感知摩尔定律增速大幅放缓，从16nm、7nm节点开始失效，底层核心原因是什么？国内芯片和台积电先进工艺芯片核心差距集中在哪？

廖恒：摩尔定律包含三大核心价值维度：单位晶体管成本下降、运算性能提升、翻转能效降低，三大维度在先进制程节点分化明显。

1. 经济性维度：16nm之后彻底失效，先进制程掩膜、设备、制造成本持续上涨，单颗晶体管制造成本不降反升，电子产品“反通胀”优势消失；

2. 性能维度：7nm后提升幅度微乎其微，芯片运行速度很难依靠制程微缩持续提速；

3. 能效维度：唯一持续受益的维度，晶体管尺寸缩小，单次信号翻转消耗能量持续降低，也是当下先进制程唯一核心收益。

制程微缩速度放缓底层物理矛盾：芯片内部金属布线越细，线路电阻同步升高；晶体管栅极间距缩小，极板电容同步增大。两个变量互相抵消，缩小晶体管带来的速度提升被电阻、电容损耗抵消，单纯缩小尺寸无法提速，只有能效持续优化。国内芯片与全球顶尖先进工艺芯片，核心差距集中在芯片运行能耗，同等算力规模下国产芯片整体功耗更高，但这套差距存在宏观环境对冲，无需过度焦虑算力供给安全。

第一，国内整体电力储备充沛，电力供给总量约美国三倍，数据中心电价仅欧美、新加坡市场1/4-1/5，更高能耗带来的运营成本差距被极低电价抹平；

第二，国内完整算力供给不存在断供风险，即便单卡能耗更高，十万卡、百万卡级大规模算力集群完全可以自主搭建，不会出现海外算力卡封锁、断供危机；

摩尔定律单纯依靠纳米尺寸衡量的时代已经走向终点，未来芯片度量标准会切换为原子层数、运算延迟、单位算力能耗三大维度，单纯追求极小纳米节点不再是唯一发展路线，也就是我们提出的姚定律，依靠芯片堆叠、立体封装、架构优化替代单纯制程微缩。

单纯缩小晶体管存在物理终极上限，晶体管最小单元由固定数量原子构成，无法无限缩小；而堆叠、2.5D、3D封装不受单颗芯片光刻尺寸约束，通过多层芯片垂直堆叠提升整体算力、带宽，是国内产业弯道超车核心路线，先进封装领域国内外差距远小于先进逻辑制程。

十八层宝塔全产业链分层拆解：

中国产业链优势、薄弱环节清晰划分

张小珺：黄仁勋提出五层蛋糕产业链分层，您更倾向用中国应县木塔十八层宝塔模型拆解完整半导体产业链，能否逐层完整梳理，划分国内强弱环节？

廖恒：两种类比本质描述同一产业链分层逻辑，只是视角差异，西式蛋糕分层偏向软件上层应用，中式宝塔从底层矿产原材料到顶层终端应用完整贯通，覆盖全物理、数字链路，自上而下逐层梳理十八层完整链条：

顶层1-7层（软件、应用层，国内绝对优势区间）

1层终端应用：微信、支付宝、AI对话工具、大模型服务、工业软件终端，国内数字化渗透率全球第一，移动支付、本地生活、AI大众应用场景丰富，商业化、用户运营能力全球领先；

2层Agent、大模型应用框架：各类智能体、长文本框架、多模态开发套件，国内开源模型数量、算法研发人员规模全球领先，全球七成优质AI算法研发人员集中在中国，基础教育、升学竞争带来海量理工科人才储备；

3层模型压缩、稀疏计算、KV Cache优化：国内团队率先落地长序列稀疏、参数稀疏算法，依靠软件优化弥补硬件带宽短板，软硬件协同优化意识远超海外多数团队；

4层编译器、编程框架：昇腾CANN、自研Torch、各类国产AI编译栈，适配本土芯片架构，持续开源共建生态；

5层芯片编程接口、指令集：硬件与软件中间协同层，需要跨硬件、算法双向人才；

6层AI处理器、CPU架构设计：昇腾、鲲鹏、各类国产通用、专用芯片设计，国内流片量产成功率全球一流；

7层IP核、模块子系统设计：各类存储、计算、互联IP自研体系逐步完善。

底层8-18层（制造、材料、设备底层地下室，国内薄弱攻坚环节）

8层晶圆逻辑制程工艺：先进7nm及以下制程存在明显差距，成熟28/14nm制程完全自主稳定量产；

9层晶体管器件设计：FinFET、GAA环绕栅器件研发，国内持续追赶；

10层光刻、刻蚀、薄膜等半导体生产设备：高端EUV、部分沉积设备短板明显，国产设备逐步替代；

11层光刻胶、靶材、特种电子气体、晶圆材料：高端电子化学品存在进口依赖；

12层先进2.5D/3D封装堆叠工艺：国内追赶速度最快，差距极小，是核心突围赛道；

13层PCB高速载板、光模块硬件载体；

14层光芯片、高速互联硬件；

15层存储芯片(DRAM、NAND、HBM)：HBM高带宽内存仍存在短板，普通存储逐步自主；

16层稀有金属、特种化工原料提纯；

17层硅片、单晶硅棒基础基材；

18层矿产开采、基础工业原材料，基础重工业国内完全自给。

国内产业链强弱总结

优势板块：七层以上软件、算法、芯片设计、终端应用、人才储备、市场需求、数字化场景，完整形成正向商业闭环；

薄弱板块：七层以下底层制造设备、先进逻辑制程、高端电子材料、HBM高带宽内存，也是国内产业当下核心攻坚方向；

中间核心连接层（六七层芯片架构层）是整条宝塔的核心枢纽，向上承接算法软件需求，向下适配制造工艺物理约束，也是我长期深耕、跨层协同的核心领域。

跨层复合型人才是全行业稀缺资源：单一深耕软件、单一深耕硬件的专家数量充足，但能打通上下多层、协调算法与芯片架构协同的人员极其稀缺。DeepSeek梁文锋团队就是典型跨层协同代表，主动适配国产芯片算力配比，通过稀疏算法、长序列压缩弥补硬件带宽短板，主动增加软件计算复杂度，换取硬件运行效率提升，提前预判硬件带宽瓶颈，是软硬件协同标杆。

昇腾架构演进：SIMD与SIMT融合、mega kernel内核融合、CANN软件生态长期挑战

张小珺：2021年您提出计算架构从CPU/GPU/NPU异构，转向新型同构架构，异构、传统同构、新型同构三者区别是什么？昇腾910到950架构路线发生哪些调整？

廖恒：行业长期存在SIMD与SIMT架构路线之争，也是异构、同构划分核心依据。SIMT是GPU主流架构，单线程独立调度，线程颗粒度细小，适配多样化轻量化算子，CUDA生态全部基于SIMT构建，软件迁移门槛低，但硬件资源利用率存在冗余；SIMD是早期昇腾910B/C核心架构，大块数据并行运算，Tensor Cube算力单元配比，大块矩阵运算效率极高，但推荐系统、小型视觉算子颗粒度适配较差，灵活度不足。

传统异构架构：CPU、GPU、NPU内核架构完全独立，指令集、编程体系互不兼容，调度开销大，多芯片协同同步损耗高；

传统同构：全部计算单元统一采用单一SIMD或单一SIMT架构，要么灵活性不足，要么大矩阵算力浪费；

昇腾950落地新型融合同构架构，单芯片内核同时原生支持SIMD大块并行、SIMT细粒度线程调度，两种模式自由切换，兼顾大模型矩阵训练算力与轻量化推理算子灵活度，彻底解决早年单一架构适配短板，不再陷入路线宗教式争论。

当下架构核心矛盾不再是SIMD/SIMT路线，三大全新核心难题决定芯片长期竞争力：

1. 内存带宽与算力配比平衡，推理场景带宽优先，训练场景算力优先，双规格芯片分层匹配需求；

2. 超节点大规模片间互联小包传输效率，大模型KV Cache高频小数据交互是核心瓶颈；

3. Mega Kernel超大算子融合技术，把上百个独立算子融合为单一内核，消除算子调用启动延迟，实现一毫秒超低延迟推理、高token输出速度。

过去行业开发习惯拆分独立算子逐次调用，单次调用存在巨大调度、数据传输开销，追求毫秒级超低对话延迟，必须大规模内核融合，Flash Attention、DeepSeek开源算子全部基于Kernel融合思路开发，这套变革彻底重构芯片编译器、编程框架设计逻辑，也是昇腾CANN软件栈核心迭代方向。

张小珺：昇腾CANN整套软件运行栈，对标CUDA生态，追赶过程最大难点是什么？能否实现超越，纳米制程硬件攻坚和软件生态搭建，哪个难度更高？

廖恒：搭建媲美、超越CUDA的软件生态，难度远高于先进硬件、纳米制程攻坚。硬件研发绝大多数变量可控，70%核心技术、迭代节奏掌握在自身团队手中，仅受物理定律、设备材料客观约束，集中资源攻坚可稳步缩小制程、算力差距；软件生态本质是改变全球数百万算法工程师的开发习惯，CUDA经过十余年沉淀，形成完整工具链、开源库、教学资料、海量成熟项目，所有人形成固化开发思路。想要推动开发者切换全新编程体系，需要持续数年提供性能、成本、独特架构优势，持续产出配套工具、开源模型、教学资源，群体习惯扭转周期极长。

CANN软件栈两大发展方向并行推进：

1. 兼容存量生态：完整兼容PyTorch、VLLM主流开源框架，一对一对标CUDA全部基础能力，满足高校学生、中小研发团队轻量化开发需求，降低迁移门槛；

2. 前沿极致调优工具链：面向大规模商用大模型训练、推理集群，提供专属融合内核、稀疏计算加速套件，追求单卡token吞吐最大化，直接转化企业算力采购收益，服务头部大模型生产团队。

开源是突破生态壁垒核心策略，软件栈、编译器全部开放源代码，消除保密沟通壁垒，全球开发者可自主查阅底层逻辑，自主适配模型、开发算子，大幅降低软硬件协同沟通成本，同时AI代码大模型可基于开源代码训练专用昇腾开发辅助模型，加速生态迭代速度。

昇腾与英伟达路线分化：

单片芯片极限、机柜功耗、全光互联系统创新

张小珺：早年昇腾和英伟达架构设计存在相似点，如今两条路线越来越分化，核心设计理念差异体现在哪里？单片芯片是否可以无限做大、机柜算力密度是否无上限？

廖恒：微观算力单元层面双方持续互相借鉴，英伟达Tensor Core逐步加大并行粒度，昇腾优化细粒度线程调度，细节设计趋同；但顶层系统架构、规模化集群设计理念完全走向两条相反路线，核心分歧三点。

分歧一：单颗大芯片物理天花板认知

超大计算裸die存在天然数学矛盾：芯片算力与面积平方成正比，HBM内存、IO互联带宽仅和芯片四边周长成正比，算力增长速度远超带宽供给速度，芯片尺寸越大，算力与带宽缺口持续拉大，会出现严重内存带宽瓶颈。单颗芯片最多叠加4-8个光刻区域，超过该规模散热、供电、IO带宽会出现不可调和的物理矛盾，最多再迭代1-2代便会触及硬件天花板，英伟达持续追求超大单芯片路线，长期会遭遇带宽雪崩问题。

分歧二：单机柜极致密度取舍

英伟达设计路线持续拉高单机柜功耗，目标逐年翻倍机柜算力，未来四年机柜功耗有望突破兆瓦级别，兆瓦机柜散热需要数百平方米专属散热塔，机房散热配套建设成本、空间占用爆炸式增长；昇腾系统设计主动控制单机柜功耗，不追求极致高密度机柜，依托国内低廉机房空间成本，拆分算力单元，通过长距离高速光互联连接分散算力机箱，牺牲机柜集成密度，换取散热、供电、硬件维护更低难度，避免极致密度带来多重物理极限同步攻坚，降低产品量产、稳定交付风险。同步配套高带宽近封装光模块，光模块紧贴芯片封装侧边，缩短高速电传输线路，降低信号损耗，同时激光器内置双冗余设计，单光源故障不影响整机运行，规避外置光源大功率局部热点烧毁硬件的风险。

分歧三：互联架构设计思路

英伟达依托短距离高速电互联，机柜内部高密度线缆布线，高端PCB板材、高速线缆产能持续紧缺；昇腾自研灵衢总线，原生支持电互联、光纤光互联双模式，机箱之间依靠低成本光纤远距离组网，数千芯片大规模集群布线体积大幅缩小，硬件维护、扩容灵活度更高，超节点集群可拓展至数百、上千芯片协同，适配万亿参数超大模型超低延迟推理需求。

两套路线没有绝对优劣，只是基于各自产业链环境、资源禀赋做出取舍：海外机房空间成本高昂、高端PCB供应链充足，适合高密度机柜；国内机房空间充足、光通信产业链全球领先，松散式全光互联集群更适配本土产业环境。

国产算力真实规模、行业代差、未来960/970/980芯片迭代规划

张小珺：全球大模型企业普遍算力紧缺，国内真实算力储备、和美国算力总量代差如何？未来昇腾下一代950DT、960、970、980产品有哪些核心升级方向？

廖恒：从数据中心电力装机容量侧面估算算力规模，国内全年AI数据中心新增算力装机约1吉瓦，美国全年7-8吉瓦，整体算力总量大概是美国1/7至1/5，但结构性优势显著。高校学术算力国内全面反超，国内各大重点实验室万卡级算力集群数量众多，海外顶尖高校单一系仅数百、千张卡算力，在校学生、科研团队算力资源充足；企业商用算力总量存在差距，但本土自主算力供给持续高速增长，不会出现海外算力卡断供风险。

行业综合代差不能单纯看先进制程单一维度：AI芯片80%硬件成本集中在HBM高带宽内存，逻辑芯片仅占10%成本，算力核心瓶颈是内存带宽，而非单芯片制程尺寸。依靠堆叠封装、内存带宽优化、软硬件协同优化，可大幅缩小综合算力代差，单纯纳米制程差距无法等同于整体算力差距。

未来三代昇腾芯片保持每年算力翻倍迭代节奏，两大核心研发方向同步落地：

1. 芯片单体迭代：平衡SIMD/SIMT算力配比，持续提升片上HBM带宽，优化小包片间互联延迟，完善双模式融合同构架构；

2. 系统模块化重构：摒弃固化一体式Pod机柜，开发标准化小型算力积木单元，依靠灵衢全光互联自由拼接组合，适配未来超大模型动态资源配比需求，模型参数、KV Cache部署方式迭代速度极快，固化高密度机柜两年后会出现资源配比失衡，模块化松散集群适配长期技术迭代。

芯片人才培养、硬件工程师核心素养、行业年轻人选择建议

张小珺：当下大量年轻人涌入AI算法赛道，底层硬件芯片人才缺口巨大，一名合格芯片架构工程师必须具备哪些经历？不看名校履历，招聘核心评判标准是什么？天价抢人模式是否适配芯片团队？

廖恒：单纯名校博士、竞赛天才无法直接胜任芯片架构设计，芯片研发超长周期决定人才必须经过完整流片迭代历练，完整模块、子系统开发周期最少18-20个月，一款芯片流片投入数亿资金，无法像软件代码十分钟编译调试，微小时序、布线错误会导致整片芯片完全失效，硬件对严谨性、物理细节要求远超软件。

硬件工程师三大不可替代核心素养：

第一，跨层好奇心，主动打通18层产业链上下游，既要理解顶层大模型算法需求，也要吃透底层制造、封装物理约束，能和算法、工艺工程师双向对齐需求，单一模块埋头深耕会形成视野盲区；

第二，长期耐心，愿意接受数年长周期研发，容忍长期无可视化成果，拒绝短期热门赛道浮躁心态；

第三，极致工程责任心，芯片流片没有试错机会，每一条逻辑、布线、时序设计都要覆盖全场景可靠性验证，不能依靠后期补丁修复缺陷。

招聘筛选优先级：三观、长期奋斗匹配度>名校履历、竞赛奖项。如果年轻人仅追求短期高薪、两年内跳槽更换赛道，再顶尖的技术天赋也无法完成芯片长期项目迭代，团队磨合、项目沉淀会全部浪费。华为奋斗者文化不靠军事化管理，核心搭建自驱动研发环境，基层员工可以直接和高层架构师争论技术路线，鼓励底层员工提出全新优化思路，依靠内在使命感驱动创新，而非强制管控。

行业人才不需要天价高薪内卷抢夺，底层硬件赛道依靠长期价值吸引从业者，短期高薪泡沫会导致人才浮躁，不利于底层技术长期沉淀。针对年轻人海外、国内发展选择：海外企业算力资源优势仅存在工业界，国内高校学术算力全面领先，本土AI、芯片产业持续高速增长，产业链完整度逐年提升，长期深耕国内赛道成长上限更高，海外巨头组织固化、创新壁垒持续抬高，青年从业者上升空间逐步收窄。

全球芯片产业十年格局预判、AI垄断风险、中国芯片自主道路

张小珺：如果未来十年地缘环境持续紧张，全球芯片产业会形成两套独立产业链吗？当下AI行业百花齐放，未来是否会复刻早年互联网巨头垄断，再次让底层芯片进入萧条周期？

廖恒：芯片已经等同于现代社会水、空气级刚需，长期全球分工壁垒持续存在，全球必然分化出两套完整独立产业链，欧美一套、以中国为核心的亚洲自主一套，各自覆盖矿产、材料、设备、制造、设计、软件全链路，互不依赖，保障各自数字基础设施安全。

短期5-10年内AI行业很难形成单一巨头垄断，三大核心制衡因素持续存在：

1. AI技术仍处于高速上升周期，性能、模型能力持续指数级提升，技术天花板尚未到来，每隔数月就会诞生全新算法、轻量化路线，领先企业无法永久锁死技术路线；

2. 全球海量青年算法研发人才，国内五道口、杭州等科创区域持续输出全新优化方案，开源模型持续打破企业技术壁垒，单一企业无法独占最优算法路线；

3. 物理世界机器人、具身智能赛道尚未爆发，实体硬件天然具备多元化需求，如同汽车行业百年仍多品牌共存，物理AI很难形成数字软件式垄断。

即便未来上层应用逐步形成头部企业，国内完整自主芯片产业链、开源软硬件体系会持续提供多元化硬件选择，不会复刻2005-2016年海外单一巨头压制芯片创新的萧条周期。

长远看中国已经走出差异化半导体发展道路，不再复刻欧美单先进制程突进路线，采用“成熟制程打底、先进封装弯道、软硬件协同优化、全光分布式算力”复合路线，产业链各环节企业持续实现正向经营盈利，财务可持续，不靠长期补贴输血，整条产业增长曲线长期向上，具备独立完整自我循环能力。

推荐行业书籍、工程师长期价值、个人行业使命总结

张小珺：结合您四十余年行业从业经历，推荐适合芯片、AI行业从业者阅读的书籍，以及您个人深耕半导体数十年的核心使命。

廖恒：四本核心书籍，覆盖产业历史、组织创新、工程师文化、工程实践四大维度：