华为创始人任正非在接受采访时表达了对芯片问题的信心，他表示凭借“叠加和集群”等方法，华为的计算能力已能与全球顶尖水平比肩。在全球半导体竞争激烈、技术封锁加剧的情况下，这番表态令人振奋。
面对芯片制程的差距，华为通过系统级创新弥补单芯片性能不足。集群计算将多块性能稍逊的芯片通过高效网络连接，协同完成复杂任务，形成强大的整体算力。华为的昇腾910B芯片就是一个例子，虽然在制程上不及国际领先的3nm芯片，但通过自研的CCE通信协议构建高效集群，支持了盘古大模型的训练，整体算力可媲美部分顶级GPU。
科技企业在“以量补质”策略方面不断探索。谷歌的TPU集群是一个典型案例。尽管谷歌的TPU v4芯片单片性能略逊于英伟达A100，但谷歌通过Cloud TPU集群成功训练出5400亿参数的PaLM模型。这证明在人工智能等擅长并行处理的任务领域，集群计算的规模效应能够有效弥补单芯片性能上的差距。
华为在算法优化方面同样表现出色。任正非提出的“用数学补物理”理念体现在采用稀疏计算、模型量化和剪枝等前沿技术手段，降低硬件性能依赖。华为的MindSpore框架通过动态图优化和低精度计算，使AI训练的计算需求降低了30%以上。DeepSeek模型借助高效的模型压缩技术，在普通服务器上良好运行，挑战传统高性能硬件的优势地位。这种软硬件协同优化模式帮助华为在制程相对较低的情况下依然实现高效计算。
