中国当前，计算能力的瓶颈有多严重？

近日，中国的算力卡问题再次引起了人们的关注。这个问题是指中国以往凭借低廉的电费和便宜的劳动力而成为全球比特币挖矿的重要地区，然而最近几年，不断升高的能源成本和政府对于能源消耗的关注，使得比特币矿工面临了严重的挑战。 据了解，比特币挖矿的过程需要大量的电力供应和强大的算力卡支持。然而，在中国，由于政府对于电力行业的调整和整治，电力成本大幅上涨，使得比特币挖矿的利润空间被大幅压缩。同时，政府对于环境保护的要求也增加了对于挖矿产能的限制。 此外，算力卡供应不足也成为了中国比特币挖矿面临的问题之一。近年来，由于全球范围内的供应紧张以及行业发展的不稳定性，算力卡的价格一直处于高位，难以获取。这导致很多矿工无法更新设备或新进入这个市场，造成了整个行业的竞争力下降。 然而，中国政府对于此问题并没有大规模的行动。一方面，政府仍然理解挖矿产业对于电力行业和就业的贡献，因此暂时没有完全禁止挖矿活动。另一方面，政府也意识到挖矿产业对于资源的浪费和环境的破坏，因此正在鼓励矿工进行绿色能源的使用，以及提升整个行业的技术水平和竞争力。 综上所述，中国的算力卡脖子问题确实严重，但政府对此的态度尚未明确。对于比特币挖矿行业和电力行业来说，解决此问题需要政府的完善政策和市场的积极调整，以平衡资源的利用和环境的保护。

( ⊙ _ ⊙ )

每天一篇全球人文与地理

微信公众号：地球知识局

芯片领域卡脖子了

作者：小贝

校稿：朝乾 / 编辑：果栗乘

去年，ChatGPT 横空出世，一上来就技惊四座，写代码、撸作业、定计划、码文案、以及陪聊，可谓吹拉弹唱样样精通，诗书医卜无所不能。

如此多功能，你用过没？

（图：shutterstock）▼

人们在震惊之余，很快反应过来，中国可不能在人工智能这条新赛道上落后了。

有危机意识的人多，有系统性危机意识的少，想要站在人工智能的前沿领域，还要打破一层又一层连环嵌套的 " 卡脖子 "。今年，芯片 ETF 的规模在二级市场芝麻开花节节高。甚至，二级市场还推出了半导体设备材料 ETF，都是为了助力解决 " 卡脖子 "。

人工智能，被算力卡脖子

ChatGPT 问世后，很多人都有这样的疑问，" 中国企业能做出 ChatGPT 这样的大模型吗？"

中国互联网企业在人工智能领域是有一定技术积累的，在 ChatGPT 引发大模型风潮后，很多互联网大厂纷纷推出了自家对标 "ChatGPT" 的大模型产品，比如百度的 " 文心一言 "、阿里的 " 通义千问 "、讯飞的 " 讯飞星火 " 等。

各大模型产品如雨后春笋

（魔性作画 图：壹图网）▼

这其中，算法可能不是差距最大的环节，真正卡脖子的，是很多人想不到的算力。

算力对于训练大模型可是太重要了。

大模型想要包罗万象有问必答，就得动辄千亿级别的参数，这些参数需要在训练过程中不断更新和调整。没有足够的算力，就无法快速更新这些参数。

大模型时代算力需求快速增长

（图：Sevilla et al, 2022.）▼

大模型见多识广还反应灵敏，离不开训练时灌入海量的数据，这些数据需要在短时间内被处理和分析。没有足够的算力，就无法快速地处理这些数据。

训练大型模型还需要复杂的数学计算，才能表现得足够聪明伶俐，这同样要消耗大量的算力。

不仅要算对，还要算得又好又快

（图：shutterstock）▼

要赶训练进度，大模型往往还要用分布式训练来加速训练。这种方法需要将模型分布在多个计算节点上进行训练，每个节点都需要足够的算力来完成自己的任务。

可以说，大模型是一个算力黑洞，多多益善。

人多力量大，同样的，节点多了计算更快

（图：learn.microsoft）▼

以 ChatGPT 为例，训练它所耗费的算力大概是 3640PetaFLOPs/ 天，相当于用每秒运算 1000 万亿次的算力对模型进行训练，需要 3640 天才能完成。

训练 ChatGPT 的超级计算机

拥有 285000 个 CPU、10000 个 GPU

每个显卡服务器的连接速度为每秒 400GB

（图：zahere.com）▼

不仅仅是大模型，实际上在人工智能的各种相关领域，算力都是命脉。

比如物联网，应用到人工智能时，需要进行大量的设备数据处理、预测分析等任务，这也离不开算力。

再深一步，控制机器人进行各项操作，同样以算力为前提。通过传感器感知识别外部环境变化、某一部位的精细运动控制，要实现这些看似简单的功能，消耗的算力其实很大。

操控机器人，不仅有看得见的硬件设备

还有看不见的精密计算与算力

（图：图虫创意）▼

更复杂的场景是公路上的自动驾驶，操控车辆就要用到人工智能，此时传感器返回的信息需要大量的计算资源进行数据处理，还需要马上做出判断、规划相应路径等操作，这些都需要算力支撑。

未来想要普及自动驾驶汽车，离不开算力

可以说，人工智能，一天也离不开海量的算力。这是卡人工智能脖子的第一关。

算力，也被卡脖子了

那很多人想，缺啥补啥。咱们玩命扩算力就行了。然而，在人工智能领域，提升算力可不容易。

训练和运行人工智能，可不是随便找个芯片就能干的，目前的主力芯片是单片价值 1 万美元的 A100 芯片，它占据了数据中心 GPU 市场 90% 以上的份额。英伟达还开发了另一款更先进的芯片 H100，这款芯片也被 ChatGPT 的母公司 OpenAI 用于训练人工智能模型。

网友评价 H100 为 " 核弹级 GPU"

（图：Nvidia）▼

为了满足当前服务器的需求，OpenAI 已使用了约 2.5 万个英伟达的 GPU，粗略估算光是先进芯片的成本就要 2.5 亿美元。

可见训练和运行人工智能，被算力卡脖子，而算力，又被先进芯片卡脖子。

小小芯片，对于训练和运行人工智能而言极为关键

你还别嫌这训练人工智能的先进芯片贵，有时候拿钱还买不到呢。

2022 年 8 月，英伟达收到美国通知，要求其停止向中国出口 A100 和 H100 芯片。

考虑到 2022 年底 ChatGPT 的横空出世，提前几个月限制向中国出口先进芯片，真的是招招朝着脖子卡。

可真是早就想好怎么防着中国了

（图：Reuters）▼

美国不卖给中国先进芯片了，那中国能自己造吗？

我能想到的，美国肯定也能想到。

2022 年 10 月 7 日，美国商务部工业和安全局宣布扩大对中国芯片及设备的出口限制，其中包括：

高端芯片及包含高端芯片的计算机禁止出口给中国，并管制用于生产 16nm 及以下逻辑芯片、18nm 及以下 DRAM 芯片、128 层及以上 NAND 芯片的设备。

美国商务部工业和安全局发布的管制文件

（图：BIS）▼

不仅如此，今年初美国还拉上日本、荷兰，就限制向中国出口一些先进的半导体制造设备达成协议，将把美国于 2022 年 10 月采取的一些出口管制措施，进一步扩大到荷兰阿斯麦、日本东京电子和尼康等公司。荷兰 ASML、日本尼康和佳能是全球光刻机领域主要生产商，此举进一步限制了中国生产先进芯片的能力。

今年 5 月 23 日，日本经济产业省公布外汇法法令修正案，将先进半导体制造设备等 23 个品类追加列入出口管理的管制对象。

光刻机是制造芯片的核心设备

这些管制措施，瞄准的正是中国半导体产业的要害环节。

半导体产业链可以大致分为上游的材料设备、中游的设计和制造，以及下游的封装测试。

半导体制造和封测有十多个细分环节▼

中国在下游的封装测试上基本是世界第一梯队，中游的设计环节也基本上能够实现国产替代。

而上游的材料设备和中游的制造，则是中国半导体产业链的薄弱环节，其中上游材料设备的瓶颈还拖累了中游的制造环节。所以解决上游卡脖子的问题迫在眉睫。

2021 年，在上图这些环节所需的核心设备中，光刻机几乎全部依赖进口，清洗设备国产化率不超过 35%，抛光设备国产化率不超过 25%，刻蚀机、沉积设备国产化率不高于 20%，还有一些环节设备国产化率更低。

国产半导体设备还得努力升级创新▼

而且设备是离不开材料的，以上环节涉及的材料里，截至 2021 年，全球抛光垫市场主要被美国陶氏化学垄断，市场份额接近 80%。电子气体中硅族气体、含氟气体、电子工业用同位素气体均落后于发达国家，处于短缺状态。2020 年光刻胶对外依存度 80% 以上。掩模板除晶圆厂自制外，28nm 产品尚无法量产。

中国半导体设备和材料如此依赖国外厂商，断供自然影响巨大。国外的制裁，正是瞄准了这一弱点。

中国需要啥，国外就制裁啥

（图：壹图网）▼

从人工智能的前沿领域，到算力卡脖子，到先进芯片卡脖子，再到制造先进芯片的设备和材料卡脖子，这个源头上的问题必须解决。

中国半导体，正在发力

半导体设备材料被卡脖子的问题如此严峻，自主可控势在必得，但我们也有信心克服困难。

政策面上，近年来扶持半导体产业的顶层设计纷纷出台。

▼

不仅如此，在外国对高端半导体设备管控升级后，中国也出手反制。

7 月 3 日，商务部和海关总署对镓、锗相关物项实施出口管制。锗、镓，都是战略性的基础原料，也是半导体制造的核心材料。镓的中国供给占比 97%、原生锗的供给占比为 70% 以上。

锗、镓在芯片制造、通信设备和国防等领域有着广泛的用途

例如大多数卫星都是用锗基太阳能电池供电的▼

这是中国反向卡国外半导体生产的脖子，吹响了半导体产业反击的号角。也释放了坚定的信号，举国体制催化下，半导体设备材料国产化一定会得到大力扶持。

资金方面，国家集成电路产业投资基金（大基金）二期于 2019 年底成立，注册资本 2041.5 亿元，将加大对半导体上游设备和材料的投入力度。从已上市的半导体设备材料 ETF来看，资本市场也在积极响应自主可控战略重心。

半导体设备材料国产化的黄金发展期即将到来▼

国产化需求极为迫切，政策扶持下国产化进程大大加快。2022 年 1-7 月份，5 家晶圆厂完成招标设备中，薄膜沉积设备国产化率高达 36%，化学机械抛光设备国产化率高达 45%，刻蚀设备国产化率高达 50%。

这些国内半导体设备和材料厂商，不仅市场占有率提高了，而且技术上不断升级，逐步打破国外厂商在高端产品上的技术垄断。

比如半导体设备材料 ETF 重仓的中微公司，以介质刻蚀为主，已经成功生产出 5nm 的刻蚀机，并开始获得台积电及长江存储等公司的刻蚀设备订单。

3nm 刻蚀设备的研发也已经在路上了

（晶圆蚀刻系统 图：壹图网）▼

另一家重仓的北方华创，在 PVD 领域实现了国产高端薄膜制备设备零的突破。

CMP 设备方面，华海清科的产品就能够覆盖 12 寸及 8 寸产线，最高工艺节点可支持到 28nm，并已切入中芯国际、长江存储、华虹集团等国内头部企业。

用咱们国产的设备就是香▼

越来越多国内厂商切入半导体设备和材料先进工艺赛道，意味着它们不仅能填补低端市场空缺，还能不断迭代升级，破解技术卡脖子。

对它们更为有利的是，国外的管制措施，相当于将国内巨大且不断增长的半导体设备材料市场拱手相让。

2022 年中国大陆销售额高达 282.7 亿美元，占全球比例 26.3%，近两年内均为全球第一大半导体设备市场。2022-2026 年中国大陆预期再新增 25 座晶圆厂，这些新厂生产需要引入大量半导体设备和材料，市场规模还会继续增长。

中国半导体设备市场还有很大的发展空间▼

国内厂商正在占领国内大市场的路上狂飙突进，营收增速超过 50%。这意味着会有更多资本投入先进工艺的半导体设备和材料研发，进一步推动技术进步，吃下更多市场份额，形成滚雪球趋势。

整体来看，国内半导体设备国产化率已经从 2021 年的 21% 提升至 2022 年的 35%。尽管这个增幅很大，但前方等待着的依然是星辰大海。

中国半导体设备国产化率逐年增长

预计未来国产化的脚步会越来越快▼

正是基于这样的历史性机遇，国内首只半导体设备材料 ETF（159516）近期已经上市，瞅准的就是算力需求爆发下，半导体设备材料自主可控、国产替代的高度确定性和成长性。

人工智能将极大解放人类的脑力，本质上靠的是算力的极大提升。算力想不被卡脖子，就需要先进芯片；想要制造先进芯片，就不能被半导体设备和材料卡脖子。

这一轮人工智能技术革命，中国一定不会落后，所以归结到根源的半导体设备和材料，也一定会解决卡脖子问题，市场在我们这边，强大的国家意志正在推动整个产业发展，我们在人工智能时代的决心是：必胜。