作者 | 赵芷姗

编辑 | 周伟鹏

这应该是华为第一次，对外公开半导体底层技术思考。

近日，华为Fellow、半导体首席科学家廖恒，罕见公开露面并接受了长达近5个小时的专访。

廖恒14岁时考入清华大学计算机系少年班，后来去普林斯顿大学做博士后，1997年进入加拿大知名存储芯片公司PMC-Sierra工作，开始芯片生涯。

2016年他加入华为海思，主导昇腾项目的启动和研发，是昇腾的核心奠基人。

访谈中，廖恒从全球芯片30年兴衰史聊起，复盘了华为遭遇至暗时刻的困境、昇腾逆势突围的底层逻辑，首次提出半导体产业链的18层宝塔。

他还大赞DeepSeek创始人梁文锋，称其提前主动选择了更高复杂性、更难的收敛算法，这是先行者的价值。

面试时直言自己太多失败经历

进华为后犯下3次误判

在刚加入华为时，其实廖恒心里是没底的。

他坦言，在海外工作太久，沾染了一种外国人常见的傲慢，总觉得某些高难度的事情只有他们能完成。

但之后，他的想法变了。

团队每年推进70颗新芯片投片，几乎没有芯片流片回来出现重大故障。放在全球半导体行业，这都是极其恐怖的成功率。

他慢慢意识到一件事：中国工程师不比任何人差，只要问题识别对了，解决问题能力远远超过对手。

早在PMC-Sierra工作时，廖恒就完整亲历过半导体行业一轮大周期。

他见过互联网泡沫里，公司市值一度冲到加拿大第二，风光无限；也见过2015年前后硅谷VC几乎集体不投芯片，整个半导体行业靠并购、裁员、压缩成本来续命。

这段经历，让他习惯用周期视角看待行业兴衰，从不盲目追捧赛道热度。

在加入海思时，他对面试官说：“我成功经历不多，太多失败经历，可以告诉你什么东西不行”。

这不是客套的谦虚，进华为之后他犯下三次方向性误判。

反对做鲲鹏ARM服务器CPU。理由很充分，x86生态太强，很难突围，结果ARM服务器正在数据中心持续抢占x86市场；

反对昇腾做训练卡。当时觉得训练市场太小，推理才是大生意。

第三次，低估了边缘设备之外的数据中心需求，没预料到云计算和AI会把算力需求炸到这个量级。

接连几次判断偏差，进一步强化了他谨慎务实的思维方式。见过行业起起落落，对他来说，遇到任何事，第一时间假设它会失败，比上来画大饼稳得多。

然而安稳的研发节奏，在2020年9月15日，彻底被打破。

廖恒直言：那段时间的感觉就是“未来几个月就彻底造不出芯片，整个商业闭环断路了”。

但站在工程师的视角，绝境同样催生全新的可能性。就像围棋手被逼到绝境，反而能下出神之一手。

放弃单芯片硬碰硬

华为自建18层产业宝塔

华为面临的问题其实很简单：单颗芯片的规格拼不过。

英伟达Blackwell有32倍的CUDA冗余算力，昇腾只有8倍。就像是有的家庭住大别墅，有的家庭挤在几十平的公寓，每一平都得精打细算。

按照常见的思路，一般都会想办法搞先进制程、堆参数，拼命追单卡性能。

廖恒和他的团队选了另一条路：用系统优势弥补硬件短板。

他把半导体产业链比作一座18层宝塔，黄仁勋只说五层蛋糕，廖恒觉得远远不够。

从最底层的矿石、沙子、化学品，到制造设备、晶圆工艺、芯片架构、互联通信、编译框架，再到最顶层的模型算法和应用。

华为从最底层的材料开始啃，一步步搭建属于自己的宝塔。

第4层的架构改一次，流片周期18个月，花费两到三亿。但第10到13层的软件栈，可以小时级迭代。

所以18层宝塔的运行法则是：底层少按按钮，上层快循环，用软件快速试错反向校准硬件方向。

在廖恒看来，横向专业的人不缺，真正缺的是，能纵向贯通多层的人。

因为这18层不是独立的，它们之间互相支撑，任何一层存在短板，整条产业链的上限都会被锁死。

比如第3层的晶体管结构改一下，能帮第7层的芯片架构降电容。第8到9层的编译器怎么切分算子，直接决定了第12层的稀疏化能不能在硬件上跑满。

华为的突破点，就在就在这种跨层协同上，单卡劣势用集群补回来。

访谈中，廖恒高度点赞了DeepSeek创始人梁文锋。

在大模型行业，所有人都盲从Scaling Law，疯狂堆叠参数、无脑堆算力，坚信规模就能碾压一切时，梁文锋主动放弃无脑全量参数堆叠，坚定选择稀疏激活架构，同时聚焦短窗口高价值算力，仅用512/1K Token完成精准Attention计算。

在廖恒眼里，这不是简单的算法微调、局部技术技巧，而是贯穿软硬件的顶层战略选择。

绝大多数研究者只会深耕宝塔某一层，而梁文锋是极少数能够跨层串联、打通硬件约束与模型创新的人。

这种能跨层协同的人才，就像一根线，把很多珍珠串成项链。

应用层越垄断

底层芯片越难熬

深耕半导体行业三十多年的廖恒，总结了一套残酷的行业规律：应用层巨头垄断程度越高，上游芯片厂商生存空间就越小。

谷歌、苹果这类终端大厂手握海量订单，牢牢把控技术标准与采购规则，不断压缩上游芯片企业的利润空间。

同时，行业还存在时间差，客户今天要的东西，芯片从定义到量产至少三年，等你交付出来，客户需求早变了。

放到当下火热的AI赛道，廖恒也依旧保持清醒。

他认为这一轮AI带动算力芯片需求暴涨，核心原因是大模型侧还没有固化。一旦模型层走向垄断，历史会再度重演。

判断一个行业是真繁荣还是虚假泡沫，不看融资额，看距离：离用户近的那层，有没有把离用户远的那层利润吸干。

这恰好能解释为什么巴菲特重仓苹果、可口可乐，段永平看好腾讯、茅台。

当下，摩尔定律增长红利放缓、全球供应链割裂、AI算力需求爆炸多重背景下，只比拼单颗芯片性能的时代已经过去，全产业链、软硬件一体化的系统竞争已经是未来主线。

想要完整打通算力产业，既要夯实矿产、设备、制造工艺的底层根基，完善编译器、大模型算法的中层链路，最终落地面向用户的AI产品。

虽然还有大量难题等待攻克，但国产芯片突围，本就是一场贯穿上下游、层层递进的漫长攀登。