10月17日，美國商務部工業和安全局（BIS）公布新的先進計算芯片、半導體制造設備出口管制規則，限制中國購買和制造高端芯片的能力。這是對2022年10月7日規則的修改和強化，不過規則提供了30天緩沖期。

該規則不僅限制英偉達等公司向中國出口先進的AI芯片，還可能會阻礙ASML、應用材料、泛林和KLA等公司向中國銷售和出口半導體制造設備。

據了解，英偉達、英特爾、AMD等美國芯片廠商約50%的收入來自數據中心芯片市場，而中國是全球數據中心芯片最大市場之一。2022年，中國半導體采購額為1800億美元，約占全球半導體采購總額5559億美元的三分之一，是最大的全球單一市場。在英偉達2022年的營收構成中，中國市場更是高達約四成。

為了盡可能挽回損失，英偉達CEO黃仁勛一度嘗試游說美國政府改變策略。今年7月份，黃仁勛連同英特爾CEO基辛格、高通CEO阿蒙與美國政府官員在華盛頓舉行會談，希望進一步評估“限制對華半導體出口”的影響。他們認為，出口管制將有損美國在半導體行業的領導地位，希望停止實施新的對華限制。

黃仁勛更是直言，“限制英偉達在華芯片銷售，只會給其他品牌提供機會。”在黃仁勛看來，中國占據了美國科技產業約三分之一的市場，其作為半導體零部件來源地和產品終端市場的地位無可取代，退出中國市場不是一種可行選項。

盡管這場游說活動在某種程度上推遲了美國政府對華芯片出口新規的出臺時間，但最終卻未能徹底讓美國政府改變心意。美國更是撤回了英偉達向中國大陸芯片出口30天豁免期，新規提前24天生效。


美國的算力霸權

無休止的打壓和封鎖。

如孟晚舟所說，算力大小決定著AI迭代與創新的速度，也影響著經濟發展的速度。

放眼全球，美國占據高端芯片金字塔頂端，并利用國家強權對產業鏈進行把控，對臺積電等企業進行拉攏，以達到孤立中國的目的。

美國之所以能夠為所欲為，源于強大的科技實力。資料顯示，ChatGPT-3的訓練算力消耗極為龐大，達到了3640PF-days(每秒計算一千萬億次，需要計算3640天)，相當于6000枚英偉達A100芯片，若考慮互聯損失的情況，需要儲備一萬張A100作為算力基礎。

也就是說，中國AI企業要想跟上OpenAI的腳步，最起碼要擁有一萬張A100 打底。

而GPT-4大約要在25000個A100上訓練90到100天；至于下一代模型GPT-5，按照馬斯克的說法，可能需要30000-50000塊H100。

別忘了，這還只是推向市場前的訓練階段，在運營階段，以GPT-3為例，維持5000萬的日活用戶需要16255顆A100芯片。

因此，在轟轟烈烈的大模型運動中，中國企業對英偉達芯片的需求量暴增。英國《金融時報》此前報道，阿里、騰訊、字節跳動、百度等中國互聯網大廠向英偉達送出了50億美元的A800芯片訂單，預計今明兩年交付。但如今，這些希望都已破滅。

如今，AI世界的“入場券”牢牢掌控在英偉達等美國企業手中，英偉達目前占據全球數據中心 AI 加速市場82%的份額，Al 訓練領域的市占率更是高達驚人的95%。這種優勢可能比PC時代的“Wintel聯盟”，移動時代的高通+谷歌（安卓），更加可怕。

高度寡頭壟斷助推英偉達成為AI戰場的最大贏家，市值突破1萬億美元，是目前世界上市值最高的芯片企業，業績更是大幅飆升，刷新歷史新高。

一方面，英偉達、AMD和英特爾瓜分AI芯片市場；另一方面，考慮到芯片產業鏈處于全球化大分工的狀態，尤其是代工必須仰仗臺積電，為此，美國威逼利誘臺積電赴美建廠。

同時，隨意更改貿易準入許可，去年的規定要求算力超過600T的產品不能使用臺積電代工。也就是說，國內AI芯片工藝被限制在7nm的閾值，但還可以通過Chiplet封裝工藝將多個芯片高速互聯，實現算力的提升。不過，剛剛生效的禁令，以性能密度為限制標準，就是要封堵住Chiplet的漏洞。

可以看出，美國正想盡各種辦法，維系自己的科技霸主地位。一旦感受到自己的地位遭到挑戰，便對其進行無休止的打壓和封鎖。

隨著禁令出臺，英偉達也頗為受傷，上述50億美元的訂單大概率基本泡湯。自17日新規發布后，股價至10月31日下跌了近12%。

要知道，英偉達約50%的收入來自數據中心芯片，中國貢獻了21.4%的收入，大陸地區還長期是其除美國本土以外的最大市場。


自研芯片面臨代工、人才等困難，“卡脖子”問題可能一夜間突破

吳晨提到，這次禁令雖然限制了人工智能技術的發展，但是也激發大廠去開發自己的芯片，不再單純依賴英偉達。

戴老板認為，國內大廠自己做芯片是非常正常的商業邏輯，就像電解鋁公司自己發電一樣，成本會節省很多。但是在中國還有一個特殊的邏輯，那就是買不到，只能自己做。

大廠自研芯片是非常明顯的趨勢，明確的技術路徑是做出一款芯片，用來適配自己的數據中心架構。海外大廠自主開發芯片難度相對較低，首先不需要考慮生態，其次技術人才非常好挖。但是國內自主做芯片，需要考慮代工和芯片人才緊缺問題。這反而也帶來好處，就是“沒有回頭路”，不自己造就“完蛋”了，因為根本買不到。

楊永成認為情況還是比較樂觀的，在他看來國內芯片產業總體進步是非常大的。國內對“卡脖子”的光刻機、光刻膠報道比較多，因為這兩個是最難的。例如，用于刻蝕的設備，各種材料、腐蝕劑、鍍膜、PVD設備、CVD設備國產化步伐相當快。“可能某一天就會完全突破，歷史上很多事情都是一夜之間突破的，但必須要有定力。”他表示。

戴老板認為，7nm技術的突破是代工廠的成績，同時也是材料廠、設備廠的成績，雖然核心光刻機還是ASML的DUV光刻機，未來還會有更多驚喜。

吳晨補充，需要有十年的苦功，需要有產業不斷的投資，才能有一些小的突破。未來不能因為短期成就而浮躁，而是要扎扎實實向前。


我國首顆自研AI芯片問世

最近，由中國科學院研發的世界首顆無需人工干預的CPU處理器引起了廣泛關注。

AI技術在芯片設計中的應用旨在提高設計效率。中科院計算所與國內合作伙伴合力推出的國產AI設計CPU，被命名為“啟蒙1號”，創造了一個里程碑。這款芯片的設計完全依賴AI技術，無需任何人工干預，達到了65nm工藝水平，300MHz的工作頻率，能夠支持Linux操作系統，整體性能與英特爾486系列媲美。若按傳統方式設計，幾乎沒有公司能夠與之競爭。當前市場上最主流的芯片工藝起碼是28nm，而英特爾486系列處理器是1989年推出的，采用32位架構，雖然在當時頗具競爭力，但在今天看來已經過時。

然而，中科院的突破之所在不僅僅在于芯片性能，更在于其采用全自動AI技術完成了芯片設計。事實上，這款芯片的集成電路規模超出了通過國外的GPT-4人工智能工具設計的芯片4000多倍，而設計過程僅用了5個小時。這是一項巨大的突破。如果有一家初創公司能夠在5個小時內使用AI技術設計一款工業級CPU，無需大量人力投入，這絕對會成為業內的黑馬，甚至受到比華為更嚴格的美國限制。

AI技術已經為芯片設計領域帶來了革命。AI生成芯片的優勢在于，通過機器學習和自動化算法，計算機可以自動設計和生成芯片的指令。相較于傳統的手動設計，這種方法節省了大量時間和人力資源。AI生成芯片能夠通過分析大量數據和模型，自動推導出最佳設計方案，從而提高了設計效率和準確性。此外，AI技術還能挖掘出傳統設計方法難以發現的優化方案，提高芯片的性能和能效。最重要的是，它降低了進入芯片設計領域的門檻，即使非專業人士也能掌握芯片設計技能。

雖然AI技術有望推動中國芯片產業，但要真正打破芯片設計的限制，還需要實際的產業鏈布局。AI技術雖然能夠加速芯片設計，但它不能代替實體芯片的制造。因此，中國需要進一步投入資源來建設完整的芯片生態系統。在美國的限制下，中國正積極尋找突破之道，AI技術無疑將為中國芯片產業帶來新的機遇。