张小珺对华为海思半导体首席科学家廖恒的采访，很值得一看。海思过去极少出现在媒体面前。廖恒回答接受采访有三个原因：

第一，希望给世界留下一点启示。"工程师的故事代代相传，也许能给其他人一点启发。"

第二，在清华讲课后感到深深的焦虑。他在清华计算机系讲了一节"计算机组成原理"，发现年轻学生都追逐 AI 算法、模型训练这些热点，没人愿意学这种"鬼门关"的课——大作业要设计一个完整 CPU。"如果大家都不愿意学了，今后会不会出现人力的断档？"

第三，即使是自己的下属和同事，每天辛苦工作，也缺乏完整的行业视角，容易迷茫或摇摆。"如果有机会展示一个几十年的视角和行业规律，这是个很不错的机会。"

-关于芯片产业的横向全景，黄仁勋说有5层蛋糕：

第1层：能源第2层：芯片第3层：基础设施（Infra）第4层：模型第5层：应用

廖恒认为是18层宝塔：

最1层：采矿：沙子+稀有金属第2层：晶圆制造第3层：器件设计第4层：光刻机、数百种、甚至上千种制造设备第5层：工艺制程第6层：堆叠/散热/供电第7层：芯片架构设计第8-9层：编译器、编程语言、并行切分方式第10层：强化学习、训练方法第11-16层：KV Cach、模型、Agent、框架等等顶层：应用，豆包、微信、支付宝等等

你能看出：廖恒的逻辑是真的把一粒粒沙子，变成最终的芯片，并完成整个系统级的搭建，这18层似乎就是华为海思的落地路径，是全链路，最终实现量产的逻辑。

从昇腾910到950，廖恒形容是磨难，但是一种有期待的磨难。

910时代（断供前），海思拥有最先进的逻辑工艺，但不知道AI最大的变现机会在哪，当时想到边缘端（耳机、手机），数据中心只用于训练，完全没想象到大语言模型推理、AI Coding 这些东西。

950时代（断供后），条件变得极度苛刻，廖恒说：让我记忆最深刻的感受，是激发了我极大的好胜心。第一个我要知道碰到了什么问题。我要把这些问题一个一个拆解出来，一个一个去解决。

当时的海思团队，只有5-10%的人选择了离开，80-90%，尤其是骨干能力最强的同事留了下来，激发了解决问题的斗志。

-大环境的三个变化，给了海思思路：

1、开源模型（DeepSeek、千问）提供了"裸体"解剖级的设计参照，加上自动驾驶、手机等业务闭环的反馈。2、DeepSeek R1（2025 春节后）催生了之前没意想到的推理市场。部署一个月就发现：推理的核心瓶颈不是算力，是内存带宽——算力与带宽的比例需要重新设计。3、超节点被验证：把多个芯片紧密耦合协同工作的能力，是 910C/950 "能够存活的重要原因"

-Co-Design：DeepSeek 的启示：

廖恒用一个精妙的比喻来解释昇腾和 Blackwell 的架构差异："昇腾的 vector 算力和 cube 算力比例是 8:1，Blackwell 是 32:1。就像你从 100 平米的公寓搬到 400 平米的别墅——还是住一家四口，但你开始堆垃圾了。8:1 意味着空间稀缺，必须精打细算。"

别人相信 Scaling Law 需要算全部参数， DeepSeek 证明：只激活32/1的参数参与运算。节省 32 倍算力，32 倍访存。

1M token 的序列不需要 256 倍的 Attention 计算，挑选其中 512 或 1K 来计算，节省了巨大的算力。

廖恒说："我必须给梁文峰热烈鼓掌。他有意识地、主动地选择了更高的复杂性、更难的收敛算法。因为他有一个提前的感知——并不是等到 5 年后穷途末路时才想办法。他已经先知先觉地选择去解决一个他预期到的问题。这就是先行者的价值。"

-AI 芯片与人才的本质：

"当大家在采购 GPU 或 NPU 的时候，实际上是在采购内存。按今天的成本计算，80% 是 HBM 的钱，只有 10% 左右花在先进逻辑晶片上。"核心竞争不在于逻辑晶片多先进，而在于逻辑晶片 + 匹配的内存有多先进。

芯片工程师的不可替代性："一个天才博士做不了芯片。必须从模块级到系统级，经历 18-20 个月的流片周期——不止一次，好多次。因为你设计芯片 18 个月才能按一次按钮，一次花 2-3 亿。你完全没有试错的机会。不像软件——写 10 分钟代码就可以编译跑一下。"

-中国的人才优势

中国半导体从业者比硅谷年轻 20 岁廖恒在硅谷算是年轻的，在中国算"即将应该被淘汰的年龄"年轻人的爆发力更足，有更长的从业时段"全世界 70% 的优秀算法人才是中国人

以上内容，根据张小珺对廖恒的视频采访进行了文字整理，感兴趣的朋友可以看这期5个小时的采访内容。