loading...
人工智慧（AI）研究機構Epoch AI上週六（9月5日）在社群平台X上發布針對華為能否追上輝達的分析，認為華為在2030年幾乎不可能趕上輝達；若華為無法取得海外記憶體，華為2028年的人工智慧（AI）運算能力僅為輝達的1%左右。
有關華為與輝達今年的差距，報告從兩方面比較：第一是單顆晶片性能，也就是一顆晶片能運轉多快；第二是晶片生產量，其中高頻寬記憶體（HBM）供應是限制華為產量的關鍵因素。華為在兩方面都落後於輝達，兩者疊加使華為整體能提供的AI運算能力遠低於輝達。
報告估計，華為今年AI運算能力不足輝達的4%，如華為無法取得海外HBM，到2028年會降至1%左右。即使華為透過走私獲取海外HBM，假設取得HBM是中國產供應量10倍，2028年華為計算量也大約只有輝達11%。
華為和輝達目前的差距
分析顯示，華為目前最新一代、性能最強AI晶片之一的昇騰950DT，以FP8（8位元浮點數）進行AI運算時，理論運算吞吐量約為輝達2022年所推出H100晶片的一半。
若單看晶片規格表上「理論最高運算能力」，輝達B300約是華為昇騰950DT的6.75倍。B300是輝達新一代Blackwell Ultra系列的資料中心AI加速晶片，主要用於大型AI模型的訓練與推理。
報告結論指出，華為目前晶片性能大約落後輝達4年，而到2030年，華為晶片性能仍落後3到4年。
華為策略不能解決所有問題
華為目前較具競爭力策略之一，是透過連接更多AI晶片（邏輯堆疊）、擴大系統規模，來彌補單顆晶片性能上的不足。報告認為，這種做法無法完全彌補華為與輝達在單晶片性能上的差距。
原因包括：當系統連接的晶片數量大幅增加後，晶片之間的通訊會變得更加複雜；不同晶片在網路中的位置也可能影響實際性能，因此需要更強軟體進行調度和優化。此外，大規模晶片互聯還會帶來額外通訊開銷、功耗、系統複雜度及可靠性問題。
目前華為最大瓶頸是「沒有足夠HBM」做晶片。中國目前主要依靠長鑫存儲和武漢新芯來生產HBM，而中國HBM技術與產能落後於輝達所採用、由SK海力士、三星、美光等廠商生產的HBM。
報告認為，到2028年，華為最大瓶頸會逐漸從「沒有足夠HBM」轉變成「單顆晶片性能不夠強」。
華為難追趕
晶片製程方面，華為主要依賴中芯國際。中芯目前量產的先進製程約為N+3、7奈米級，而台積電則已向3奈米、A16（約1.6奈米級）等更先進製程發展。
報告估計，台積電先進製程電晶體密度約為中芯兩倍。電晶體密度越高，運算能力越強，功耗越低，同樣性能的晶片可以做得更小。
因此，輝達在晶片設計和製造上擁有更大技術優勢——除了可以使用台積電更先進製程，還可以結合更大晶片面積、更多晶片裸片、更先進3D邏輯堆疊、更高性能HBM，以及更先進封裝技術，不斷疊加、提升單顆AI晶片的運算性能。
而華為受到先進製程、HBM供應及設備限制，即使可用大晶片和多晶片封裝來提高性能，仍然難以完全彌補與輝達在單晶片性能上的差距，並且隨著時間推移差距會更大。
華為寄希望於3D堆疊技術LogicFolding，希望透過將邏輯晶片垂直堆疊，在無法取得最先進製程情況下，提高單位面積的電晶體密度，從而提升昇騰AI晶片的性能。
但LogicFolding預計要到2030年才會首次應用於昇騰晶片（Ascend 990）。相較之下，輝達預計在2028年推出的Feynman就可能捷足先登，採用3D邏輯堆疊，而且是在更先進的台積電A16製程上進行堆疊。因此，報告質疑華為能否透過3D堆疊彌補先進製程不足、追趕上輝達。◇
