[数码讨论]几nm不重要了！为什么我们根本不需要美国的高端芯片[1P] [复制链接]

　　快科技6月12日消息，据多方报道，美国商务部长卢特尼克（Howard Lutnick）近日重申，美方不会把自家最好的芯片直接给中国，而是希望以飞机零件、乙烷做为谈判筹码，希望中国移除稀土出口管制。

　　而就在2天前，《人民日报》刊登了与华为创始人任正非的一段对话，背后意义不言而喻。

　　在采访中，任正非谈到，芯片问题其实没必要担心，用叠加和集群等方法，计算结果上与最先进水平是相当的。

　　他表示，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。

　　“硅基芯片，我们用数学补物理、非摩尔补摩尔，利用集群计算的原理，可以达到满足我们现在的需求。”他说。

　　众所周知，目前先进芯片主要有两个应用方向，一是智能手机、电脑等尖端科技设备，二是AI训练需求最大的高端GPU。

　　先说手机、电脑芯片。手机就不用多说了，华为自家的麒麟9020等芯片已经自给自足，包括华为鸿蒙电脑也使用了新一代麒麟芯片。华为MateBook Fold折叠电脑拆解显示，CPU、电源、Wi-Fi芯片全是海思自研。

　　高端GPU此前一直依赖NVIDIA，虽然现在受到了出口限制，但同样有替代品。

　　今年4月，国际知名半导体研究和咨询机构SemiAnalysis发布专题报道称，华为云最新推出的AI算力集群解决方案CloudMatrix 384凭借其颠覆性的系统架构设计与全栈技术创新，在多项关键指标上实现对NVIDIA旗舰产品GB200 NVL72的超越，标志着中国在人工智能基础设施领域实现里程碑式突破。

　　CloudMatrix 384基于384颗昇腾芯片构建，通过全互连拓扑架构实现芯片间高效协同，可提供高达300 PFLOPs的密集BF16算力，接近达到NVIDIA GB200 NVL72系统的两倍。

　　此外，CloudMatrix 384在内存容量和带宽方面同样占据优势，总内存容量超出NVIDIA方案3.6倍，内存带宽也达到2.1倍，为大规模AI训练和推理提供了更高效的硬件支持。

　　报道分析称，尽管单颗昇腾芯片性能约为NVIDIA Blackwell架构GPU的三分之一，但华为通过规模化系统设计，成功实现整体算力跃升，并在超大规模模型训练、实时推理等场景中展现更强竞争力。

　　SemiAnalysis也指出，华为的工程优势不仅体现在芯片层面，更在于系统级的创新，包括网络架构、光学互联和软件优化，使得CloudMatrix 384能够充分发挥集群算力，满足超大规模AI计算需求。

　　而软件是卡不住脖子的，借用任正非的话说——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。

　　当然，任正非也特别强调基础理论研究的重要性。他说，当我国拥有一定经济实力的时候，要重视理论特别是基础理论的研究。基础研究不止5至10年，一般要10年、20年或更长的时间。如果不搞基础研究，就没根。 即使叶茂，欣欣向荣，风一吹就会倒的。

　　他提到，华为一年投入人民币1800亿元在研发，其中约600亿元从事基础理论研究，不考核。 其余1,200亿元左右投入在产品研发，是要考核的。

　　“没有理论就没有突破，我们就赶不上美国。”任正非说。

　　

　　【本文结束】如需转载请务必注明出处：快科技

　　来源：快科技

几nm不重要了！为什么我们根本不需要美国的高端芯片
应对芯片差距的策略
任正非在采访中谈到，虽然中国单芯片落后美国一代，但可以通过多种方法弥补差距。例如用数学补物理、非摩尔补摩尔，用群计算补单芯片。利用集群计算的原理，在计算结果上能够与最先进水平相当，达到实用状况，硅基芯片利用这些方法可以满足当下需求。

手机、电脑芯片的自给情况
目前，华为在手机和电脑芯片方面已经实现了一定程度的自给自足。华为自家的麒麟 9020 等芯片可用于手机，华为鸿蒙电脑也使用了新一代麒麟芯片。华为 MateBook Fold 折叠电脑拆解显示，CPU、电源、Wi-Fi 芯片全是海思自研。

高端 GPU 的替代方案
高端 GPU 此前一直依赖 NVIDIA，现在受到出口限制，但也有了替代品。今年 4 月，国际知名半导体研究和咨询机构 SemiAnalysis 发布专题报道称，华为云最新推出的 AI 算力集群解决方案 CloudMatrix 384 凭借其颠覆性的系统架构设计与全栈技术创新，在多项关键指标上实现对 NVIDIA 旗舰产品 GB200 NVL72 的超越。CloudMatrix 384 基于 384 颗升腾芯片构建，通过全互连拓扑架构实现芯片间高效协同，可提供高达 300 PFLOPs 的密集 BF16 算力，接近达到 NVIDIA GB200 NVL72 系统的两倍。此外，在内存容量和带宽方面同样占据优势，总内存容量超出 NVIDIA 方案 3.6 倍，内存带宽也达到 2.1 倍，为大规模 AI 训练和推理提供了更高效的硬件支持。尽管单颗升腾芯片性能约为 NVIDIA Blackwell 架构 GPU 的三分之一，但华为通过规模化系统设计，成功实现整体算力跃升，并在超大规模模型训练、实时推理等场景中展现更强竞争力。

芯片应用场景的思考
传统芯片的重要性
在 2021 - 2022 年芯片紧缺中，问题主要出在 28nm 甚至 40nm 以上的“传统芯片”。高端芯片很多是专用的，传统芯片倒是有很多是通用的，高端芯片短缺影响一块，传统芯片短缺就可能影响一片。并且在疫期，产品数量对于使用芯片的行业来说至关重要，缺货就意味着没有售价。现在全世界的芯片投资大概只有 1/6 流向传统芯片，其中大部分都在中国。

中国传统芯片的发展
中国向美国大量出口传统芯片，用于美国的汽车工业。美国半导体工业协会（SIA）认为，中国 EDA 在传统芯片设计方面已经提供相当成熟的产品，预计几年内可以打通 28nm 的生产线。美国商务部长雷蒙多说到，在过去两年里，中国在部份传统芯片领域里占 80%的新增产能。

综上所述，通过技术策略上的弥补、部分芯片的自给自足、高端 GPU 有替代方案以及对芯片应用场景的全面认识，使得我们在一定程度上不需要依赖美国的高端芯片。同时，任正非也强调了基础理论研究的重要性，基础研究需要长期投入，当我国拥有一定经济实力时，要重视理论特别是基础理论的研究

　　根据快科技6月12日的消息，美国商务部长卢特尼克（Howard Lutnick）表示，美国不会直接将最好的芯片技术提供给中国，而是希望用飞机零件和乙烷作为谈判筹码，以换取中国移除稀土出口管制。与此同时，华为创始人任正非在接受《人民日报》采访时提到，尽管中国的单芯片技术落后于美国一代，但通过数学补充物理、非摩尔技术补充摩尔技术、群计算补充单芯片等方法，中国在计算结果上可以达到与最先进水平相当的性能。

　　任正非强调了基础理论研究的重要性，并指出华为每年投入1800亿元人民币用于研发，其中约600亿元专门用于基础理论研究。他强调，没有理论就没有突破，中国就无法赶上美国。此外，华为云推出的AI算力集群解决方案CloudMatrix 384在多项关键指标上超越了NVIDIA的旗舰产品GB200 NVL72，标志着中国在人工智能基础设施领域实现了里程碑式的突破。CloudMatrix 384基于384颗昇腾芯片构建，提供高达300 PFLOPs的密集BF16算力，接近NVIDIA系统的两倍，并在内存容量和带宽方面也具有优势。

　　这些信息表明，尽管面临外部限制和挑战，中国企业如华为正在通过自主创新和技术研发来提升自身的竞争力，并在某些领域取得了显著进展。同时，这也突显了基础理论研究对于技术突破和产业发展的重要性。