跳转至

Rene Haas

来源：No Priors 2026-09-03

  • 背景：Arm CEO，兼 SoftBank Group International 负责人（在 SoftBank 体系内负责 Ampere、Graphcore 与自动驾驶公司 Stack AV 的方向）；此前在 NVIDIA，2013 年加入 Arm。整个职业生涯在半导体行业。
  • 在本库中的位置：本库第一份来自 CPU / IP 侧的一手材料。他的位置很特殊——Arm 同时是"卖 IP 给所有人"（因此看得到全行业需求）和"刚开始自己卖芯片"（因此第一次自己去买晶圆和内存）。

立场与核心观点

  • ⚠️ CPU 在 AI 系统里的角色被严重低估了（[00:00:00]、[00:34:31]–[00:35:31]）。他复盘 ChatGPT 之后的行业心态是"不管问题是什么，答案都是加速器"，而 CPU 在加速器起飞时被忘掉了。他的重新定位是本库目前关于推理系统结构最好记的比喻：随着重心从训练移向推理、移向 token 的使用，系统里必须有东西做编排、仲裁、以及"这些 token 该去哪"的决策——⚠️ "token 工厂只管生产 token。那么把 token 运走、交给用户的那些卡车在哪？这就是 CPU 干的事。"
  • ⚠️ AI 在芯片设计里吃掉的不是设计，是验证（[00:07:11]–[00:08:12]）：一颗芯片 24 到 36 个月，而架构设计与 RTL 生成不是最耗时的——最耗时的是验证、确认、调试、文档，"AI 在这些事上非常擅长"。 采用率（自述）：Arm 内部约 80%–90% 的工程师每天都在用；关掉的后果他的类比是"像回到 1990 年代：你有互联网，但只能在下午两点到四点之间用"——"精灵已经出瓶了。"
  • ⚠️ 工具还不行的地方与原因（[00:08:12]–[00:09:12]）：RTL 生成、以及最高水准的物理设计与实现——"模型是在公开可得的东西上训练的，而这类信息里有很大一部分是高度专有的。"
  • ⚠️ 由此推出的"数据资产"论证，本库认为可以长期引用（[00:09:12]–[00:10:13]）：Arm 的优势不在 IP 本身，而在文档与 test bench。他讲了反例（"这套 IP 很值钱，拿去授权吧"，结果没有文档、谁都用不了），推论链非常干净：⚠️ "不可用且不可测 → 就是不可训练 → 而不可训练，对 AI 就是没用的。"
  • ⚠️ 他对"AI 设计芯片"的时间线比提问的预设保守（[00:10:13]–[00:11:13]）：两三年内不会；五年以上，"对某些比较直白的设计，从想法直接到 GDS2 文件是很有可能的"；⚠️ 但"给我设计一个比 Vera Rubin 快 10%、便宜 20%、效率高 30% 的东西"，按一个按钮是不会马上得到的。 整个行业的窗口他给五到十年。
  • ⚠️ "只要 transformer 还是 AI 训练与推理的能量单位，它在设计上就是算力密集且内存密集的。"（[00:12:15]）这是他判断供应紧张至少还有三到五年的前提句。
  • ⚠️ 下一个瓶颈不是晶圆也不是内存，是数据中心本身（[00:13:15]–[00:14:16]）："看今天在做的所有项目，没有多少是进度超前、用工少于预期的"，再叠上各地要求放慢或限制建设的声音。他有一个有意思的转折——这也许"反而还好"，因为如果基础设施不是逆风，那晶圆和内存产能就会是逆风；⚠️ "你会看到一堆不同的调速器（governor），不是州长那个 governor。"
  • ⚠️ 关于"AI 泡沫"他做了一个本库应当采用的区分（[00:14:16]）：估值泡沫是股市指数层面的事，另说；但若问供给是否已过剩于需求——"差得远呢，根本不接近"，因为这些模型的工作方式决定了需求贪得无厭。
  • Arm 自己的三步演化（[00:02:02]–[00:04:08]）：单个 IP 组件 → compute subsystem（"我们提供的是怎么把这些拼起来的蓝图"，乐高比喻，"需求疯了"）→ 物理产品。⚠️ Meta 是第一个例子：他们想要一颗通用的 agentic CPU，当时市面上没人能给。 生态反应比他预期好，因为只要外面有更多软件可用（专有或开源），整个生态和客户自己都受益；NVIDIA、Amazon、Microsoft、Google 都在做基于 Arm 的服务器芯片。
  • 资本是新门槛（[00:11:13]–[00:17:18]）：⚠️ "今天有很多很好的年轻 AI 芯片公司、拿到大量融资、设计有创新——但它们卖进的是一个资本需求极其巨大的行业，而且与内存、基板供应商的关系极端关键。" 他给创业者的建议是极早期就建立战略合作（供应链、私募、银行）；⚠️ "一方面半导体回来了……但能不能拿到资本，将是它们的闸门。" 他还提到 SoftBank Neo（neocloud 意图）可以成为这些公司的一个"家"，否则它们得自己去微软或谷歌拿 design win。
  • 机器人（[00:20:20]–[00:24:22]）：形态上人形与专用两者都会有；⚠️ "Arm 会无处不在"——指尖上的实时感知微处理器，以及"今天人形机器人里你看到的那些'大脑'，无论 NVIDIA 还是 Qualcomm 做的，今天都跑在 Arm 上"。⚠️ 但采用节奏他给了冷判断："还有点早，因为商业模式还没真正被想清楚"——机器人成本太高，让买方自己承担很难接受。最先自动化的是工厂自动化、配送与分发（"宽松地说，一辆自动驾驶卡车也是一种机器人"）。他明确不看好机器人体育联赛。
  • 保护主义与出口管制（[00:25:24]–[00:31:30]）：他以美国公民身份（Arm 不是美国公司，总部在英国）主张需要更多美国 fab，理由是国家安全与供应链多元化；历史类比是1980 年代日本在内存定价上的攻势与 Sematech，⚠️ "然后互联网来了、SaaS 成了风口，人们差不多忘了半导体是战略资产。" 对出口管制他称之为无限游戏、"这场竞赛不会有一个赢家"，⚠️ 真正担心的是"大量关键技术不在美国"。他最斩钉截铁的一句：⚠️ "当领导者没有任何坏处。会有你不喜欢的二阶、三阶效应，但当落后者，是整个剧本由别人来给你写。"
  • ⚠️ 数据中心反对声：他归因为恐惧，但承认恐惧底下的处境是真的（[00:28:27]–[00:31:30]）："人们看数据中心说'那就是个大 Costco 盒子，全自动运行，没有就业'。我说这是胡说——能源、液冷，那些都是可以在本地创造的工作。" 他接受电工工会明确说过"请不要禁数据中心，我们需要这些工作"，并说当电工"可能带着某种污名，但它是需要大量训练和认证的高技能工作"。⚠️ 同时："这波 AI 繁荣不管好坏，让很多人受益了，但也有很多人完全没有受益"——房贷不好还、工资没涨，"所以数据中心很不幸地成了 AI 所有可能不好之处的靶心"。
  • ⚠️ 边缘是他真正兴奋的那块（[00:35:31]–[00:36:31]）："随着 footprint 越来越小、而越来越多 AI 要在那里发生，那会是 Arm 的甜点区——因为 CPU 本来就是入场门票。" 那个画面："你没法在自己头上装一块 50 瓦的 GPU。"

与他人观点的呼应/分歧

  • ⚠️ 与 Stefano Ermon（同频道 09-18）最该一起读：Haas 的"transformer 在设计上算力与内存密集"是他全部供应链判断的前提；Ermon 攻击的正是这个"设计上"——若推理负载形状可改，这条约束的一部分可被软件拿掉。而 Ermon 举的 OpenCall 案例正是"从定制芯片换回 GPU"。
  • 与 Jensen Huang：两人都把系统而非单芯片当作对象，但 Haas 的落点是CPU 与能效，且他把 Arm 定位成"所有路都从这里过"的收费站而不是加速器竞争者。
  • 与 Lip-Bu Tan / Pat Gelsinger：在"美国需要更多 fab"上一致；但 Haas 是 fabless 且明确不打算建 fab，他的关切是买得到晶圆、内存与先进封装。
  • 与 Andrew Feldman：Cerebras 代表"用专用硬件换速度"，而 Haas 的判断是软硬增益相乘、且边缘那一侧没有 50 瓦预算。
  • 与 AI 与就业 页：他的电工论证是本库少见的"AI 基础设施创造的是高技能蓝领工作"这条线索。