几nm不重要了！为什么我们根本不需要美国的高端芯片

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。