（文/ 吕栋）
。系统论

“芯片问题其实没必要忧虑，芯片用叠加和集群等办法，问题核算成果上与最先进水平是不必适当的
。”近期
，忧虑华为总裁任正非的使用一次揭露发声 ，增强了社会各界对我国AI开展的系统论决心。

咱们都知道 ，芯片我国现已形成了“百模千态”的问题大模型工业
，有多个大模型走在全球前列 。不必但不管AI工业怎么开展 ，忧虑算力都是使用驱动模型演进的底子动力 。跟着外部技能封闭步步紧逼 ，系统论国产算力能否担任大用 ？芯片是否只能做推理而不能做杂乱练习？很多人其实心里没底
 。

“咱们单芯片仍是问题落后美国一代 ，咱们用数学补物理，非摩尔补摩尔，用群核算补单芯片，在成果上也能到达有用情况 。”任正非的揭露发声，给国内AI工业吃下了一颗“定心丸” 。

带着对国产算力开展的关怀，与华为2012实验室的技能专家的做了一次交流，咱们了解到 ，昇腾算力不只完成推理功能全球抢先，一起体系稳定性也保持在高水平，能高效训出国际一流的万亿参数大模型 。特别是CloudMatrix 384超节点技能 ，以体系补单点，从堆芯片到拼架构
 ，中心目标比肩英伟达，成为我国AI开展的坚实算力底座。

芯片问题为何不必忧虑 ？

在外部制裁围堵下，芯片问题就像“达摩克里斯之剑”相同，一向悬在我国工业界头上
。特别跟着中美AI竞赛益发剧烈
，美国一方面极力遏止我国先进芯片制作的才能，另一方面又不断收紧对英伟达高端芯片的出口控制，企图让我国AI工业在“算力囚笼”中止步不前。

但危中也有机 。职业的开展趋势是，当Transformer这样的大型神经网络模型横空出世
，万亿参数模型开端呈现，对算力和显存的需求呈爆破式添加 
，单个GPU乃至单个服务器都难以招架，集群算力成为大势所趋，这也给我国用体系办法处理算力窘境带来要害。

说起“体系论”，老一辈我国人或许并不生疏 。钱学森的《论体系工程》，中心思维便是把研讨目标看做一个全体而不是孤立的点，经过全体优化补偿单点落后。

华为制裁中包围，正是遭到体系工程的启示。技能专家对表明
 ，算力根底设施是杂乱的体系 ，华为把各个部分打通了
，在内部组织了算力会战
，把华为云
、模型 、底座、芯片 、硬件工程 、根底软件的研制力气集结在一起，跨部门作战
，深度协同
。这样的环境和机制 ，能够发生协同效应和体系工程的整合，完成了“大杂烩”技能的有用使用和协同立异。

根据体系工程，华为构建了巨型算力根底设施CloudMatrix 384超节点 ，经过全对等高速互联架构，让384张昇腾卡能够像一台核算机相同作业。它的算力总规划达300Pflops
，是英伟达旗舰NVL72的1.7倍；网络互联总带宽达269TB/s
，比英伟达NVL72提高107%；内存总带宽达1229TB/s，比英伟达NVL72提高113% 。更要害的是 ，它还能扩展为包括数万卡的Atlas 900 SuperCluster超节点集群
，未来能够支撑更大规划的模型演进
。

“超节点是杂乱体系
，单卡的技能目标并不代表体系的效能 ，咱们‘体系工程’，要到达的是体系最佳，而不是单点最强 。处理这些超杂乱体系的问题需求懂理论 ，如体系论
，控制论
 ，信息论，核算数学等；一起  ，咱们经过数学的办法对核算体系进行建模 、仿真，想办法把每一部分都用起来 ，做到不糟蹋，各个部分完美合作 ，高效协同 。”华为技能专家表明。

咱们都知道 ，芯片制作遵从着“摩尔规律” 
，但条件是获取先进的设备资料。在制裁围堵下 ，华为经过杂乱体系优化 ，完成了“非摩尔补摩尔”的作用
，让单芯片短板不再是限制
。

华为技能专家指出，单芯片制程从7纳米到5纳米、3纳米 、2纳米，每代功能提高不超越20% ，总体能提高50%左右 。华为经过高效的超节点体系，提高了芯片算力使用率。“MoE大模型练习 ，咱们曾经MFU（模型算力使用率）是30%，业界也是差不多这个水平，咱们最新发布的数据提高到41%  ，实验室是45%多 。从30%提高到45%，使用率适当于提高了50%。在硬件什么也没有改动的情况下 ，经过体系工程的优化 ，资源的高效调度，必定程度补偿了芯片工艺的缺乏。”。

“西方不断打补丁 ，咱们从头界说架构”。

华为被制裁的这几年 ，算力工业其实也处在革新过程中。

跟着大模型Scaling Law（标准规律）的继续演进，整个AI职业发生了巨量算力需求。可是传统的核算集群现已呈现瓶颈，无限制的堆卡并不能带来算力的线性提高  ，反而会发生“内存墙”、“规划墙”和“通讯墙”的问题。这是由于在集群内部
 ，算力卡之间和服务器之间并不是独立作业 ，而是需求边核算边“交流” ，假如通讯才能跟不上，就会呈现算力搁置。

曩昔8年间，单卡硬件算力添加了40倍 ，但节点内总线带宽只添加了9倍，跨节点的网络带宽只添加了4倍，这使得集群网络通讯成为当时大模型练习和推理的最大应战。因而假如不能提高通讯功率 ，单纯把384张昇腾卡堆起来 ，核算作用并不必定就比72张英伟达卡更好 ，由于卡间和服务器间的通讯开支会抵消算力添加的收益 ，导致有用算力不升反降。

作为算力工业先行者，英伟达早早意识到这个问题 。黄仁勋的做法是，把之前消费级显卡上的NVLink技能移植到核算集群中 ，适当于给GPU之间建立一条“专用超宽车道”而且把多颗GPU、CPU、高带宽内存 、NVLink/NVSwitch等高度集成，打造了NVL72超节点
 。

但问题是，NVLink只能用于英伟达自家GPU之间的通讯  ，节点内的NPU 、FPGA等非GPU异构硬件，并不能走这条“超宽车道” ，仍是要经过功率较低的PCIe协议走CPU中转，一起节点之间经过以太网/InfiniBand等协议跨机互联
，在巨量核算中也存在带宽堵点。

不同于这种做法 ，华为CloudMatrix 384超节点对核算架构进行重构
，完全打破了传统以CPU为中心的冯诺依曼架构，立异提出了“全对等架构”。它经过3168根光纤和6912个400G光模块构建了高速互联总线
，并把总线从服务器内部扩展到整机柜、乃至跨机柜 ，最终将CPU 、NPU、DPU、存储和内存等资源悉数互联和池化，这样做就能去除掉了繁复的中转环节 ，然后完成真实的点对点互联，从而完成更大的算力密度和互联带宽
。

“西方是承继开展 ，任总形象地比喻为‘百纳衣’，便是衣服破了今后不断地打补丁，协议不同 ，互通要转化的，包头套包头，有用载荷就很小了
。咱们从头界说了对等的架构，一致了一切的通讯协议 ，互通就不需求转化 ，提高了有用载荷 。”华为技能专家对说道 。

“打铁还需本身硬 ，充沛满意国内需求”。

华为构建了这么强壮的昇腾算力
，实践使用作用怎么样？特别是在英伟达高端算力被封闭的情况下 ，昇腾算力究竟能不能给我国AI开展带来底气和决心 ？这是职业表里真实关怀的。