（文/ 呂棟）

“芯片問題其實沒必要擔心，系統論用疊加和集群等方法，芯片計算結果上與最先進水平是問題相當的。”近期，不用華為總裁任正非的擔心一次公開發聲，增強了社會各界對中國AI發展的華為何信心。

我們都知道，系統論中國已經形成了“百模千態”的芯片大模型產業，有多個大模型走在全球前列。問題但無論AI產業如何發展，不用算力都是擔心驅動模型演進的根本動力。隨著外部技術封鎖步步緊逼，華為何國產算力能否擔當大用？系統論是否只能做推理而不能做復雜訓練？很多人其實心里沒底。

“我們單芯片還是芯片落后美國一代，我們用數學補物理，問題非摩爾補摩爾，用群計算補單芯片，在結果上也能達到實用狀況。”任正非的公開發聲，給國內AI產業吃下了一顆“定心丸”。

帶著對國產算力發展的關心，與華為2012實驗室的技術專家的做了一次交流，我們了解到，昇騰算力不僅實現推理性能全球領先，同時系統穩定性也保持在高水平，能高效訓出世界一流的萬億參數大模型。尤其是CloudMatrix 384超節點技術，以系統補單點，從堆芯片到拼架構，核心指標比肩英偉達，成為中國AI發展的堅實算力底座。

芯片問題為何不用擔心？

在外部制裁圍堵下，芯片問題就像“達摩克里斯之劍”一樣，一直懸在中國產業界頭上。尤其隨著中美AI競爭愈發激烈，美國一方面竭力遏制中國先進芯片制造的能力，另一方面又不斷收緊對英偉達高端芯片的出口管制，試圖讓中國AI產業在“算力囚籠”中止步不前。

但危中也有機。行業的發展趨勢是，當Transformer這樣的大型神經網絡模型橫空出世，萬億參數模型開始涌現，對算力和顯存的需求呈爆炸式增長，單個GPU甚至單個服務器都難以招架，集群算力成為大勢所趨，這也給中國用系統方法解決算力困境帶來契機。

說起“系統論”，老一輩中國人可能并不陌生。錢學森的《論系統工程》，核心思想就是把研究對象看做一個整體而不是孤立的點，通過整體優化彌補單點落后。

華為制裁中突圍，正是受到系統工程的啟發。技術專家對表示，算力基礎設施是復雜的系統，華為把各個部分打通了，在內部組織了算力會戰，把華為云、模型、底座、芯片、硬件工程、基礎軟件的研發力量集結在一起，跨部門作戰，深度協同。這樣的環境和機制，能夠產生協同效應和系統工程的整合，實現了“大雜燴”技術的有效利用和協同創新。

基于系統工程，華為構建了巨型算力基礎設施CloudMatrix 384超節點，通過全對等高速互聯架構，讓384張昇騰卡可以像一臺計算機一樣工作。它的算力總規模達300Pflops，是英偉達旗艦NVL72的1.7倍；網絡互聯總帶寬達269TB/s，比英偉達NVL72提升107%；內存總帶寬達1229TB/s，比英偉達NVL72提升113%。更關鍵的是，它還能擴展為包含數萬卡的Atlas 900 SuperCluster超節點集群，未來可以支撐更大規模的模型演進。

“超節點是復雜系統，單卡的技術指標并不代表系統的效能，我們‘系統工程’，要達到的是系統最佳，而不是單點最強。解決這些超復雜系統的問題需要懂理論，如系統論，控制論，信息論，計算數學等；同時，我們通過數學的方法對計算系統進行建模、仿真，想辦法把每一部分都用起來，做到不浪費，各個部分完美配合，高效協同。”華為技術專家表示。

我們都知道，芯片制造遵循著“摩爾定律”，但前提是獲取先進的設備材料。在制裁圍堵下，華為通過復雜系統優化，實現了“非摩爾補摩爾”的效果，讓單芯片短板不再是制約。

華為技術專家指出，單芯片制程從7納米到5納米、3納米、2納米，每代性能提升不超過20%，總體能提升50%左右。華為通過高效的超節點系統，提升了芯片算力利用率。“MoE大模型訓練，我們以前MFU（模型算力利用率）是30%，業界也是差不多這個水平，我們最新公布的數據提升到41%，實驗室是45%多。從30%提升到45%，利用率相當于提升了50%。在硬件什么也沒有改變的情況下，通過系統工程的優化，資源的高效調度，一定程度彌補了芯片工藝的不足。”

“西方不斷打補丁，我們重新定義架構”

華為被制裁的這幾年，算力產業其實也處在變革過程中。

隨著大模型Scaling Law（尺度定律）的持續演進，整個AI行業產生了巨量算力需求。但是傳統的計算集群已經出現瓶頸，無限制的堆卡并不能帶來算力的線性提升，反而會產生“內存墻”、“規模墻”和“通信墻”的問題。這是因為在集群內部，算力卡之間和服務器之間并不是獨立工作，而是需要邊計算邊“溝通”，如果通信能力跟不上，就會出現算力閑置。

過去8年間，單卡硬件算力增長了40倍，但節點內總線帶寬只增長了9倍，跨節點的網絡帶寬只增長了4倍，這使得集群網絡通信成為當前大模型訓練和推理的最大挑戰。因此如果不能提升通信效率，單純把384張昇騰卡堆起來，計算效果并不一定就比72張英偉達卡更好，因為卡間和服務器間的通信開銷會抵消算力增加的收益，導致有效算力不升反降。

作為算力產業先行者，英偉達早早意識到這個問題。黃仁勛的做法是，把之前消費級顯卡上的NVLink技術移植到計算集群中，相當于給GPU之間搭建一條“專用超寬車道”并且把多顆GPU、CPU、高帶寬內存、NVLink/NVSwitch等高度集成，打造了NVL72超節點。

但問題是，NVLink只能用于英偉達自家GPU之間的通信，節點內的NPU、FPGA等非GPU異構硬件，并不能走這條“超寬車道”，還是要通過效率較低的PCIe協議走CPU中轉，同時節點之間通過以太網/InfiniBand等協議跨機互聯，在巨量計算中也存在帶寬堵點。

不同于這種做法，華為CloudMatrix 384超節點對計算架構進行重構，徹底打破了傳統以CPU為中心的馮諾依曼架構，創新提出了“全對等架構”。它通過3168根光纖和6912個400G光模塊構建了高速互聯總線，并把總線從服務器內部擴展到整機柜、甚至跨機柜，最終將CPU、NPU、DPU、存儲和內存等資源全部互聯和池化，這樣做就能去除掉了繁多的中轉環節，從而實現真正的點對點互聯，進而實現更大的算力密度和互聯帶寬。

“西方是繼承發展，任總形象地比喻為‘百納衣’，就是衣服破了以后不斷地打補丁，協議不同，互通要轉換的，包頭套包頭，有效載荷就很小了。我們重新定義了對等的架構，統一了所有的通信協議，互通就不需要轉換，提升了有效載荷。”華為技術專家對說道。

“打鐵還需自身硬，充分滿足國內需要”

華為構建了這么強大的昇騰算力，實際應用效果怎么樣？尤其是在英偉達高端算力被封鎖的情況下，昇騰算力到底能不能給中國AI發展帶來底氣和信心？這是行業內外真正關心的。