从一张AI绘画作品渲染到交付，背后需要历经从矿石提纯到模型推理的数十层技术栈。当您用AI绘画工具生成一张赛博朋克风格的城市夜景时，支撑它的不仅是算法，更是一条由18层技术环节构成的产业链。近日，华为Fellow（院士）、半导体首席科学家廖恒罕见接受专访，首次系统阐述了半导体产业的“18层宝塔”理论，并深度复盘了昇腾AI芯片从低谷中突围的历程。这场近5小时的对话，揭示了AI绘画等最新科技应用背后的算力博弈，也让我们看到国产芯片在系统化竞争中的破局路径。
从少年班到华为院士：一位芯片架构师的30年征途
廖恒的履历几乎是中国半导体行业发展的缩影。14岁考入清华大学计算机系少年班，本硕博连读，1996年获得博士学位后赴普林斯顿大学从事博士后研究。1997年加入加拿大知名存储芯片公司PMC-Sierra，历任高级架构师、公司Fellow、研发副总裁，在海外深耕芯片设计近20年。2016年，他加入华为海思，出任昇腾总架构师，主导了昇腾910、昇腾950等系列芯片的架构演进，并搭建了从芯片架构、CANN底层软件到集群互联的完整软硬件技术底座，是昇腾AI芯片的核心奠基人。
此次罕见受访，廖恒坦言有三点考量：一是希望留下一些启示，回顾工程师的故事；二是担忧芯片硬件人才断档——他直言“现在很难吸引到学生对计算机处理器的硬件产生兴趣”，感到“极度的惊讶”和“焦虑”；三是希望通过展示几十年的行业视角，帮助同行和学生建立对半导体产业更完整的认知。在AI工具导航中，你或许能找到各种降低硬件开发门槛的利器，但廖恒提醒，真正稀缺的是能贯通软硬件的人才。
“18层宝塔”理论：半导体产业链的完整拼图
在访谈中，廖恒首次提出了半导体产业链的“18层宝塔”理论。他认为半导体产业从最底层的矿石、材料、设备、制造工艺，到中层的芯片架构、编译器、编程语言，再到顶层的模型算法和应用服务，构成了至少18层的完整体系。产业链的整体上限由最短的短板层级决定，各层级相互约束、深度联动。
这一理论解释了为什么AI绘画体验的流畅度不只取决于模型参数规模。当你在AI画图工具中输入提示词，生成的图像质量背后，从7nm制程的良率到CANN算子库的优化，再到集群互联的带宽，任何一个环节的短板都会成为瓶颈。廖恒指出，横向的专业人才并不稀缺，真正稀缺的是能纵向贯通多层、打通软硬件约束的复合型人才。华为的突破点正在于跨层协同——用系统集群优势弥补单芯片的硬件短板。这种视角对理解最新科技产品的演进逻辑至关重要。
为何盛赞梁文锋？稀疏架构背后的先验者思维
廖恒对DeepSeek创始人梁文锋给予了高度评价。他指出，当行业普遍盲从Scaling Law、疯狂堆叠参数时，梁文锋主动选择了难度更高的稀疏激活架构。在廖恒看来，这不是简单的算法微调，而是贯穿软硬件的顶层战略选择。“他已经先知先觉地提前去解决一个他预期到的问题。这就是先验者的价值。”
稀疏激活架构意味着在推理时只激活部分参数，大幅降低计算量和内存占用。这对于AI绘画等实时交互场景意义重大——用户无需等待数分钟，就能获得高分辨率图像。文生图工具之所以能快速普及，正是得益于这种软硬件协同创新。廖恒的点评揭示了DeepSeek成功的底层逻辑：不是跟风堆算力，而是用系统思维重新定义问题。这种思路与AI工具导航上那些优化用户体验的产品异曲同工。
摩尔定律并未失效，只是换了游戏规则
关于摩尔定律，廖恒认为在16nm甚至7nm制程阶段，其经济性已经停滞。但他同时指出，“韬定律只是换了一种方式”——无论是摩尔定律还是韬定律，本质都是工程师用爱迪生式思路解决技术问题，核心是先精准定义问题，再寻找有效解决方案。
传统上，摩尔定律靠制程微缩驱动，每18个月性能翻倍。但如今物理极限逼近，单芯片的晶体管密度提升越来越难。廖恒强调，未来算力增长将来自系统级创新：比如Chiplet（芯粒）技术、先进封装、以及软硬件协同设计。大模型训练所需的海量算力，不再依赖单一芯片的“暴力升级”，而是通过集群互联和分布式架构实现。AI绘画等最新科技产品，正是这种系统化竞争红利的受益者。
三次方向性误判：从“失败假设”中长出的谨慎
廖恒分享了自己加入华为后曾犯下的三次方向性误判：反对做鲲鹏ARM服务器CPU、反对昇腾做训练卡、低估了数据中心未来爆发式的算力需求。这段经历让他形成了极致的谨慎与务实——遇到任何新项目，第一反应总是“假设它会失败”，从底线向上推演。
这种“失败假设”思维在芯片创新中尤为珍贵。一颗芯片从定义到量产至少三年，客户需求早已变化。廖恒总结了一条残酷的行业规律：应用层越垄断，底层芯片越难熬。当谷歌、苹果等终端大厂成为芯片公司唯一的客户时，定价权和技术方向就会被主导。他提醒，当前AI算力的繁荣背后，如果模型层形成寡头垄断，历史会再度重演。对于科技产品开发者而言，这意味着底层硬件生态的多样化至关重要。您可以尝试AI图片生成工具，感受不同模型架构带来的差异。
未来算力竞争：全链路系统化攻坚战
廖恒指出，在摩尔定律红利放缓、全球供应链割裂的背景下，单纯比拼单芯片性能的时代已经过去。未来算力产业的竞争，是贯通材料、制造、软件、算法、应用的全链路系统化竞争。国产芯片突围是一场长期的全产业链攻坚工程。
这一判断对AI绘画等应用场景具有直接指导意义。当前AI绘画工具的质量已接近专业水准，但若想实现实时交互、4K超分、多模态融合，仍需底层硬件的持续突破。廖恒强调，系统化竞争意味着不能只关注芯片本身，还要在编译器、算子库、通信协议、散热方案等环节协同创新。企业数字化转型浪潮中，越来越多的企业开始用AI工具导航寻找系统化解决方案，这正是产业升级的缩影。
从廖恒的讲述中，我们看到的不仅是一位科学家的技术洞察，更是一种对产业规律的敬畏。当AI绘画让创意变得触手可及，当最新科技产品不断刷新体验边界，我们应当记住：每一张惊艳的图像背后，都矗立着一座18层宝塔，而塔基的每一块砖，都来自工程师们数十年的默默筑基。