當輝達（NVIDIA）執行長黃仁勳用「五層蛋糕」向全世界解釋AI產業時，華為的首席科學家廖恒，畫了一座18層的寶塔。
廖恒是華為Fellow、半導體首席科學家，14歲考進清華少年班，後來主導了華為昇騰晶片專案的啟動與研發。8月2日，他在資深科技媒體人張小珺的訪談節目《張小珺商業訪談錄》中罕見現身，花了近5個小時，首次系統性地攤開他對半導體產業的底層思考。
本文目錄
華為的「18層寶塔」，跟黃仁勳的五層蛋糕差在哪？
先把兩張圖擺在一起看。
黃仁勳的「五層蛋糕」，把AI產業由下往上疊成五層：能源、晶片、基礎設施、模型、應用。最底層是電力，因為每一次AI生成文字或影像都要耗電；往上是GPU、AI加速器與高頻寬記憶體構成的晶片層；再上去是被稱為「AI 工廠」的資料中心；最後是模型層與應用層——智慧醫療、自動駕駛、企業AI助理。
黃仁勳的「AI 五層蛋糕」
| 由上而下 | 類別 | 這一層是什麼 |
|---|---|---|
| 頂 | 應用 | 智慧醫療、藥物研發、自動駕駛、工業機器人、企業 AI 助理 |
| ↑ | 模型 | AI 模型開發，目前以美系科技廠商為主 |
| ↑ | 基礎設施 | 資料中心、散熱、網路與電力傳輸（被稱為「AI 工廠」） |
| ↑ | 晶片 | GPU、AI 加速器、高頻寬記憶體 |
| 底 | 能源 | 電力供應，AI 發展的最底層限制 |
廖恒則從另一個角度，把同一條產業鏈拆解成18個層次，同樣由下往上，分成底、中、頂三段。
廖恒的「半導體18層寶塔」
| 層區 | 各層（由下而上） |
|---|---|
| 頂層（模型・應用，6 層） | 訓練方法 → 基礎大模型 → 推理（KV Cache）→ Agent 框架 → 用戶產品能力 → 商業應用 |
| 中層（架構・軟體編譯，4 層） | 晶片架構 → 編譯器／運行時 → 算子切分 → 量化／低精度 |
| 底層（材料・設備・製造，8 層） | 基礎理論 → 能源 → 採礦與原料 → 矽與材料 → 電晶體設計 → 晶圓製造 → 光刻與設備 → 先進封裝 |
其實從表中可以發現，「AI五層蛋糕」與「18層寶塔」，是從不同角度描述AI產業鏈：黃仁勳的五層偏向從產業與投資脈絡理解AI；廖恒則將焦點放在不同層級之間的相互依存與限制關係——重點是哪一個環節可能成為整條產業鏈的瓶頸。
廖恒的核心判斷是：這18層不是各自獨立，而是彼此相互約束、深度聯動，任何一層有短板，都可能限制整條產業鏈的上限。舉例來說，底層把電晶體結構改一下，可以幫上層的晶片架構降低電容；而中段編譯器怎麼切分算子，會直接決定頂層的稀疏化能不能在硬體上跑滿。
這也延伸出他對人才培養的看法：單一領域的專才其實不缺，真正稀缺的，是能縱向貫通這18層、打通軟硬體邊界的複合型人才。
為什麼華為會提出這套框架？制裁經驗影響了觀察角度
2020年9月15日，美國對華為的晶片禁令收緊到位，華為要取得以美國技術製造的先進晶片變得極為困難。廖恒回憶，當時的感覺是「未來幾個月就徹底造不出晶片，整個商業閉環斷路了」。
廖恒認為，在外部限制之下，華為必須重新檢視從材料、製造到軟體等各個環節，也因此形成了這套較完整拆解產業鏈的分析框架。「每一層都得自己去啃，因為沒有別的選擇。」廖恒說。
若對照黃仁勳與廖恒的產業位置，或許更能理解這種差異：黃仁勳所代表的是全球AI晶片供應商，關注的是AI產業如何向上發展；華為則因受到出口管制，必須更全面檢視供應鏈各環節可能面臨的限制。
黃仁勳、廖恒的共識：摩爾定律已死
站在產業兩端的兩人，對摩爾定律卻給出了同一個判斷。
摩爾定律出自後來共同創辦英特爾的高登·摩爾，他在1965年《電子學》雜誌上提出預言；後來演變成業界共識：同尺寸晶片能容納的電晶體數量每18到24個月翻一倍，成本下降、效能提高。這條經驗法則主導了半導體業數十年。
在摩爾定律議題上，廖恒也提出自己的觀察。據他受訪表示，「自16nm、7nm製程起，單位電晶體成本不再隨製程推進而持續下降，摩爾定律的經濟效益已基本失效。」他進一步指出，摩爾定律現在只剩性能與能效兩個層面還在推進，最關鍵的「成本」這一維已經失靈；他並引用一張AMD圖表，指16nm之後晶片成本不降反漲。黃仁勳則多次公開放話：摩爾定律已死。（延伸參考｜製造頂級晶片越來越貴、建廠成本遠超百億美元，摩爾定律真的終結了？）
不過，台積電、英特爾、超微等業者的看法就沒這麼悲觀：他們認為，即使受到物理極限限制，只要靠先進封裝與新的晶片架構，微縮的紅利仍有延續空間，甚至還能再撐十年。所謂「已死」，指的是傳統製程微縮的成本與效能紅利明顯放緩，而不是電晶體已經無法繼續縮小。
廖恒的結論還是那句話：整條產業鏈由最短的那一層決定上限（白話解釋：一條產業鏈能走多遠，不是看最強的環節有多強，而是看最弱的環節有多弱），真正稀缺的，是能把這18層串起來的人。
他舉DeepSeek創辦人梁文鋒為例。在廖恒看來，當大模型業界盲從Scaling Law、拚命堆參數與算力時，梁文鋒選擇稀疏激活架構，把算力集中在少數短窗口、高價值的運算上——這不只是演算法的調整，而是涉及軟硬體協同設計的策略選擇。他形容：「這種能跨層協同的人才，就像一根線，把很多珍珠串成項鏈。」
延伸閱讀：
黃仁勳圖解「AI五層蛋糕」架構！概念股有哪些？台達電、台積電、廣達⋯名單一次收
華為戰輝達！興建深圳3大廠打造「AI晶片一條龍」：拉攏新凱來、昇维旭⋯能鬥倒台積電？
資料來源：電子工程專輯
本文初稿為AI編撰，整理．編輯／林育萱
