今天小編分享的科技經驗：中國現在，算力卡脖子有多嚴重？，歡迎閱讀。
( ⊙ _ ⊙ )
每天一篇全球人文與地理
微信公眾号：地球知識局
芯片領網域卡脖子了
作者：小貝
校稿：朝乾 / 編輯：果栗乘
去年，ChatGPT 橫空出世，一上來就技驚四座，寫代碼、撸作業、定計劃、碼文案、以及陪聊，可謂吹拉彈唱樣樣精通，詩書醫卜無所不能。
如此多功能，你用過沒？
（圖：shutterstock）▼
人們在震驚之餘，很快反應過來，中國可不能在人工智能這條新賽道上落後了。
有危機意識的人多，有系統性危機意識的少，想要站在人工智能的前沿領網域，還要打破一層又一層連環嵌套的 " 卡脖子 "。今年，芯片 ETF 的規模在二級市場芝麻開花節節高。甚至，二級市場還推出了半導體設備材料 ETF，都是為了助力解決 " 卡脖子 "。
人工智能，被算力卡脖子
ChatGPT 問世後，很多人都有這樣的疑問，" 中國企業能做出 ChatGPT 這樣的大模型嗎？"
中國互聯網企業在人工智能領網域是有一定技術積累的，在 ChatGPT 引發大模型風潮後，很多互聯網大廠紛紛推出了自家對标 "ChatGPT" 的大模型產品，比如百度的 " 文心一言 "、阿裡的 " 通義千問 "、訊飛的 " 訊飛星火 " 等。
各大模型產品如雨後春筍
（魔性作畫 圖：壹圖網）▼
這其中，算法可能不是差距最大的環節，真正卡脖子的，是很多人想不到的算力。
算力對于訓練大模型可是太重要了。
大模型想要包羅萬象有問必答，就得動辄千億級别的參數，這些參數需要在訓練過程中不斷更新和調整。沒有足夠的算力，就無法快速更新這些參數。
大模型時代算力需求快速增長
（圖：Sevilla et al, 2022.）▼
大模型見多識廣還反應靈敏，離不開訓練時灌入海量的數據，這些數據需要在短時間内被處理和分析。沒有足夠的算力，就無法快速地處理這些數據。
訓練大型模型還需要復雜的數學計算，才能表現得足夠聰明伶俐，這同樣要消耗大量的算力。
不僅要算對，還要算得又好又快
（圖：shutterstock）▼
要趕訓練進度，大模型往往還要用分布式訓練來加速訓練。這種方法需要将模型分布在多個計算節點上進行訓練，每個節點都需要足夠的算力來完成自己的任務。
可以說，大模型是一個算力黑洞，多多益善。
人多力量大，同樣的，節點多了計算更快
（圖：learn.microsoft）▼
以 ChatGPT 為例，訓練它所耗費的算力大概是 3640PetaFLOPs/ 天，相當于用每秒運算 1000 萬億次的算力對模型進行訓練，需要 3640 天才能完成。
訓練 ChatGPT 的超級計算機
擁有 285000 個 CPU、10000 個 GPU
每個顯卡伺服器的連接速度為每秒 400GB
（圖：zahere.com）▼
不僅僅是大模型，實際上在人工智能的各種相關領網域，算力都是命脈。
比如物聯網，應用到人工智能時，需要進行大量的設備數據處理、預測分析等任務，這也離不開算力。
再深一步，控制機器人進行各項操作，同樣以算力為前提。通過傳感器感知識别外部環境變化、某一部位的精細運動控制，要實現這些看似簡單的功能，消耗的算力其實很大。
操控機器人，不僅有看得見的硬體設備
還有看不見的精密計算與算力
（圖：圖蟲創意）▼
更復雜的場景是公路上的自動駕駛，操控車輛就要用到人工智能，此時傳感器返回的信息需要大量的計算資源進行數據處理，還需要馬上做出判斷、規劃相應路徑等操作，這些都需要算力支撐。
未來想要普及自動駕駛汽車，離不開算力
可以說，人工智能，一天也離不開海量的算力。這是卡人工智能脖子的第一關。
算力，也被卡脖子了
那很多人想，缺啥補啥。咱們玩命擴算力就行了。然而，在人工智能領網域，提升算力可不容易。
訓練和運行人工智能，可不是随便找個芯片就能幹的，目前的主力芯片是單片價值 1 萬美元的 A100 芯片，它占據了數據中心 GPU 市場 90% 以上的份額。英偉達還開發了另一款更先進的芯片 H100，這款芯片也被 ChatGPT 的母公司 OpenAI 用于訓練人工智能模型。
網友評價 H100 為 " 核彈級 GPU"
（圖：Nvidia）▼
為了滿足當前伺服器的需求，OpenAI 已使用了約 2.5 萬個英偉達的 GPU，粗略估算光是先進芯片的成本就要 2.5 億美元。
可見訓練和運行人工智能，被算力卡脖子，而算力，又被先進芯片卡脖子。
小小芯片，對于訓練和運行人工智能而言極為關鍵
你還别嫌這訓練人工智能的先進芯片貴，有時候拿錢還買不到呢。
2022 年 8 月，英偉達收到美國通知，要求其停止向中國出口 A100 和 H100 芯片。
考慮到 2022 年底 ChatGPT 的橫空出世，提前幾個月限制向中國出口先進芯片，真的是招招朝着脖子卡。
可真是早就想好怎麼防着中國了
（圖：Reuters）▼
美國不賣給中國先進芯片了，那中國能自己造嗎？
我能想到的，美國肯定也能想到。
2022 年 10 月 7 日，美國商務部工業和安全局宣布擴大對中國芯片及設備的出口限制，其中包括：
高端芯片及包含高端芯片的計算機禁止出口給中國，并管制用于生產 16nm 及以下邏輯芯片、18nm 及以下 DRAM 芯片、128 層及以上 NAND 芯片的設備。
美國商務部工業和安全局發布的管制檔案
（圖：BIS）▼
不僅如此，今年初美國還拉上日本、荷蘭，就限制向中國出口一些先進的半導體制造設備達成協定，将把美國于 2022 年 10 月采取的一些出口管制措施，進一步擴大到荷蘭阿斯麥、日本東京電子和尼康等公司。荷蘭 ASML、日本尼康和佳能是全球光刻機領網域主要生產商，此舉進一步限制了中國生產先進芯片的能力。
今年 5 月 23 日，日本經濟產業省公布外匯法法令修正案，将先進半導體制造設備等 23 個品類追加列入出口管理的管制對象。
光刻機是制造芯片的核心設備
這些管制措施，瞄準的正是中國半導體產業的要害環節。
半導體產業鏈可以大致分為上遊的材料設備、中遊的設計和制造，以及下遊的封裝測試。
半導體制造和封測有十多個細分環節▼
中國在下遊的封裝測試上基本是世界第一梯隊，中遊的設計環節也基本上能夠實現國產替代。
而上遊的材料設備和中遊的制造，則是中國半導體產業鏈的薄弱環節，其中上遊材料設備的瓶頸還拖累了中遊的制造環節。所以解決上遊卡脖子的問題迫在眉睫。
2021 年，在上圖這些環節所需的核心設備中，光刻機幾乎全部依賴進口，清洗設備國產化率不超過 35%，抛光設備國產化率不超過 25%，刻蝕機、沉積設備國產化率不高于 20%，還有一些環節設備國產化率更低。
國產半導體設備還得努力更新創新▼
而且設備是離不開材料的，以上環節涉及的材料裡，截至 2021 年，全球抛光墊市場主要被美國陶氏化學壟斷，市場份額接近 80%。電子氣體中矽族氣體、含氟氣體、電子工業用同位素氣體均落後于發達國家，處于短缺狀态。2020 年光刻膠對外依存度 80% 以上。掩模板除晶圓廠自制外，28nm 產品尚無法量產。
中國半導體設備和材料如此依賴國外廠商，斷供自然影響巨大。國外的制裁，正是瞄準了這一弱點。
中國需要啥，國外就制裁啥
（圖：壹圖網）▼
從人工智能的前沿領網域，到算力卡脖子，到先進芯片卡脖子，再到制造先進芯片的設備和材料卡脖子，這個源頭上的問題必須解決。
中國半導體，正在發力
半導體設備材料被卡脖子的問題如此嚴峻，自主可控勢在必得，但我們也有信心克服困難。
政策面上，近年來扶持半導體產業的頂層設計紛紛出台。
▼
不僅如此，在外國對高端半導體設備管控更新後，中國也出手反制。
7 月 3 日，商務部和海關總署對镓、鍺相關物項實施出口管制。鍺、镓，都是戰略性的基礎原料，也是半導體制造的核心材料。镓的中國供給占比 97%、原生鍺的供給占比為 70% 以上。
鍺、镓在芯片制造、通信設備和國防等領網域有着廣泛的用途
例如大多數衛星都是用鍺基太陽能電池供電的▼
這是中國反向卡國外半導體生產的脖子，吹響了半導體產業反擊的号角。也釋放了堅定的信号，舉國體制催化下，半導體設備材料國產化一定會得到大力扶持。
資金方面，國家集成電路產業投資基金（大基金）二期于 2019 年底成立，注冊資本 2041.5 億元，将加大對半導體上遊設備和材料的投入力度。從已上市的半導體設備材料 ETF來看，資本市場也在積極響應自主可控戰略重心。
半導體設備材料國產化的黃金發展期即将到來▼
國產化需求極為迫切，政策扶持下國產化進程大大加快。2022 年 1-7 月份，5 家晶圓廠完成招标設備中，薄膜沉積設備國產化率高達 36%，化學機械抛光設備國產化率高達 45%，刻蝕設備國產化率高達 50%。
這些國内半導體設備和材料廠商，不僅市場占有率提高了，而且技術上不斷更新，逐步打破國外廠商在高端產品上的技術壟斷。
比如半導體設備材料 ETF 重倉的中微公司，以介質刻蝕為主，已經成功生產出 5nm 的刻蝕機，并開始獲得台積電及長江存儲等公司的刻蝕設備訂單。
3nm 刻蝕設備的研發也已經在路上了
（晶圓蝕刻系統 圖：壹圖網）▼
另一家重倉的北方華創，在 PVD 領網域實現了國產高端薄膜制備設備零的突破。
CMP 設備方面，華海清科的產品就能夠覆蓋 12 寸及 8 寸產線，最高工藝節點可支持到 28nm，并已切入中芯國際、長江存儲、華虹集團等國内頭部企業。
用咱們國產的設備就是香▼
越來越多國内廠商切入半導體設備和材料先進工藝賽道，意味着它們不僅能填補低端市場空缺，還能不斷迭代更新，破解技術卡脖子。
對它們更為有利的是，國外的管制措施，相當于将國内巨大且不斷增長的半導體設備材料市場拱手相讓。
2022 年中國大陸銷售額高達 282.7 億美元，占全球比例 26.3%，近兩年内均為全球第一大半導體設備市場。2022-2026 年中國大陸預期再新增 25 座晶圓廠，這些新廠生產需要引入大量半導體設備和材料，市場規模還會繼續增長。
中國半導體設備市場還有很大的發展空間▼
國内廠商正在占領國内大市場的路上狂飙突進，營收增速超過 50%。這意味着會有更多資本投入先進工藝的半導體設備和材料研發，進一步推動技術進步，吃下更多市場份額，形成滾雪球趨勢。
整體來看，國内半導體設備國產化率已經從 2021 年的 21% 提升至 2022 年的 35%。盡管這個增幅很大，但前方等待着的依然是星辰大海。
中國半導體設備國產化率逐年增長
預計未來國產化的腳步會越來越快▼
正是基于這樣的歷史性機遇，國内首只半導體設備材料 ETF（159516）近期已經上市，瞅準的就是算力需求爆發下，半導體設備材料自主可控、國產替代的高度确定性和成長性。
人工智能将極大解放人類的腦力，本質上靠的是算力的極大提升。算力想不被卡脖子，就需要先進芯片；想要制造先進芯片，就不能被半導體設備和材料卡脖子。
這一輪人工智能技術革命，中國一定不會落後，所以歸結到根源的半導體設備和材料，也一定會解決卡脖子問題，市場在我們這邊，強大的國家意志正在推動整個產業發展，我們在人工智能時代的決心是：必勝。
