产业史
垄断既提高效率，也会抽走创新氧气
当少数超大客户掌握大部分采购量，芯片供应商会同时失去利润和技术定义权。2000 年后的日落期，不只是泡沫破裂，也是产业权力结构改变的结果。
核心心法与宏观判断
先把这场 4 小时 38 分钟的芯片史与昇腾史压成四个可复述的判断。
1. 芯片竞争已经从“单点规格”变成“整座宝塔的协同”。 材料、器件、设备、制造、封装、芯片、互联、编译器、模型和应用彼此牵制；任何一层的约束，都可能迫使楼上楼下共同改写方案。
2. 昇腾的真正转折不是某一颗芯片，而是大前提变了。 910 时代拥有领先制造条件，却不知道 AI 如何变现；950 时代条件严苛，却从大模型、推理业务和超节点实践中得到了更清楚的设计依据。
3. 摩尔定律放缓以后，先进性要从“多少纳米”转向时间、能耗和系统。 当微缩不再持续降低成本、性能收益也变弱，堆叠、逻辑折叠、内存带宽、光互联和软件融合开始决定真实产出。
4. 最稀缺的人不是某一层的专家，而是能跨层定义正确问题的人。 一个看似不可能的目标，被拆成物理、化学、数学和工程子问题后才会变得可解；真正的领导力，是让团队把力气用在正确的题目上。
章节深度交互地图
左侧点选章节，中间看主线拆解，右侧切换术语工具箱。
关键概念卡片
每张卡对应访谈里的一个判断，可直接跳回音频。
摩尔定律
微缩仍在继续，但经济性已经先掉队
摩尔定律原本同时改善成本、性能和能效；先进节点以后，成本不再持续下降、性能收益趋弱，能效成为仍然相对明确的收益。
τ 定律
换一道考题：从空间尺度转向时间尺度
如果“多少纳米”不再是唯一答案，就可以用电路时间、能耗、三维结构和系统堆叠重新定义先进性。τ 定律在访谈中被当作一种新尺度，而不是一句营销口号。
18 层宝塔
芯片位于连接地下室与上层软件的中段
楼下是材料、设备、工艺和封装，楼上是编译器、模型和应用。每层都有专家，但真正能把限制和机会跨层传递的人更稀缺。
模型—芯片协同
资源受限会逼出更高复杂度的算法选择
DeepSeek 的稀疏激活与长序列压缩被用来说明：当算力不像“大别墅”那样充裕，模型会主动用选择、压缩和复杂性换取计算效率。
推理系统
AI 芯片越来越像在卖内存和互联
训练、Prefill 与 Decode 的算力—带宽比例不同。推理解码经常首先受限于内存带宽；超节点又把小颗粒通信、同步和网络延迟推到核心位置。
系统路线
不要让单芯片和单机柜无限变胖
算力随面积按平方增长，而供电、内存和 I/O 只能从周边进出；机柜功耗继续翻倍，又会把散热和可靠性推向灾难性边界。因此要靠模块化与光互联扩展系统。
软件生态
改变群体习惯，比突破一项物理技术更难
CANN 不只要兼容既有 PyTorch 和模型生态，还要支持融合算子、先进编译和模型研究。开源的价值，是把低带宽的人际沟通变成任何人都能直接阅读的代码。
工程师
芯片首先要求靠谱，然后才谈天才
软件可以分钟级试错，芯片可能十八个月后才第一次按下“运行”。多轮投片、严谨验证、责任心和跨层好奇心，是简历与聪明无法替代的训练。
优先必听精彩时刻
时间不够时，先听这些判断密度最高的位置。
- 半导体为什么会经历十多年日落： 应用巨头的垄断、超大客户的定价权与芯片公司失去未来定义权，是同一条因果链。
- CPU 黄金时代的路线之争： VLIW、超标量、Alpha 处理器与 DEC 的消失，为今天 AI 处理器重新打开软硬件界面提供历史镜鉴。
- 摩尔定律到底哪里放缓： 成本、性能、能效三种收益被拆开，不再用一句“摩尔定律失效”含混带过。
- 18 层宝塔的完整进入： 芯片被放回材料、制造、软件、模型与应用组成的系统，跨层协同成为主角。
- DeepSeek 与 8:1 / 32:1 的房子类比： 资源约束如何逼出稀疏激活、长序列压缩和更强的 Vector 计算需求。
- 从 910 到 950： 从条件好但不知道未来，到条件困难却看清训练、推理和超节点的真实需求。
- 昇腾架构如何从业务反馈里演进： 推理解码、内存带宽、小颗粒通信、同构计算与融合算子依次出现。
- 开源为什么能提高系统沟通带宽： 代码让开发者与 AI Agent 直接读取设计，减少文档、NDA 和问题单形成的人为瓶颈。
- N² 算力与 4N 边界： 为什么单颗芯片、HBM、供电和 I/O 不能无限向一个封装里堆。
- 不抄作业的系统代价： 失去现成生态，换取架构与互联可以独立演进的长期能力。
- 芯片人才如何成长： 十八个月才验证一次、一次错误耗资巨大，决定了“靠谱”和反复投片比天才履历更重要。
- 7.2T 光模块与跨层直觉： 从折射率、温度和激光器失效率，推到 NPO、冗余光源与可维修系统设计。
术语与人物索引
技术词、系统名和易错 ASR 词汇的速查表。
昇腾 910 / 950
910 代表可使用领先制造条件、但 AI 商业路径仍模糊的阶段；950 则在供应受限下，直接围绕训练、推理和超节点的真实业务设计。
18 层宝塔
从材料、设备、工艺到芯片、编译器、模型与应用的层级隐喻。访谈没有机械枚举十八项，重点是跨层协同。
τ 定律 / Logic Folding
把评价重心从平面几何微缩转向时间、能耗和多层电子系统，通过堆叠与结构变化继续提高系统有效性能。
CANN
昇腾的软件栈，覆盖运行时、编译器、算子库和模型适配；既要兼容大众生态，也要支持高性能融合与研究工作流。
Cube / Tensor Core
面向矩阵、张量运算的计算单元。访谈以 Cube 与 Vector 算力比例说明不同模型和硬件约束如何协同。
Prefill / Decode
大模型推理的预填充与逐 Token 解码阶段。前者更偏算力，后者往往更受内存带宽和容量制约。
灵衢 / 超节点
把多颗芯片以低延迟、高带宽方式紧密协同的系统互联。真实挑战包括小颗粒通信、同步、网络层级和全套设备可控。
Mega-kernel / Fusion
把几十到上百个算子融合成更大的执行单元，减少启动、同步和数据搬运开销，是追求低延迟高吞吐的关键路径。
HBM
高带宽内存。访谈把它视为 AI 芯片成本与能力的核心部分：很多时候购买 GPU/NPU，本质上是在购买可用带宽。
NPO / 7.2T 光模块
Near-Packaged Optics，把光模块放在封装附近而非封装内或面板远端，缩短高频电连接，并兼顾温度与可维护性。
VLIW / Superscalar
静态调度与动态超标量路线。廖恒借 CPU 历史说明：今天 AI 处理器的软硬件界面仍可能重新演进。
Fabless / Foundry
设计与制造分工模式，建立在全球化、专业化和共享巨额资本开支的前提上；地缘与供需剧变正在重写这些前提。
转写注意： 本页由 FunAudioLLM/SenseVoiceSmall 按 3 分钟切片转写，已按上下文统一为昇腾、海思、CANN、Cube、Tensor Core、VLIW、HBM、NPO、灵衢、DeepSeek、Prefill、Decode、Mega-kernel、τ 定律等写法。人名、书名和部分未公开产品表述仍可能存在误差；“原话”均为语义清理后的近义摘引，不视作逐字引语。时间按钮跳到对应切片附近。
十分钟切片精读（28 段覆盖全片 4 小时 38 分）
每段约 10 分钟：一段完整概述 + 本段全部讨论点 + 一句原话摘引。支持关键词过滤，点击时间戳可跳回音频复听。