10月17日，美国商务部工业和安全局（BIS）公布新的先进计算芯片、半导体制造设备出口管制规则，限制中国购买和制造高端芯片的能力。这是对2022年10月7日规则的修改和强化，不过规则提供了30天缓冲期。

该规则不仅限制英伟达等公司向中国出口先进的AI芯片，还可能会阻碍ASML、应用材料、泛林和KLA等公司向中国销售和出口半导体制造设备。

据了解，英伟达、英特尔、AMD等美国芯片厂商约50%的收入来自数据中心芯片市场，而中国是全球数据中心芯片最大市场之一。2022年，中国半导体采购额为1800亿美元，约占全球半导体采购总额5559亿美元的三分之一，是最大的全球单一市场。在英伟达2022年的营收构成中，中国市场更是高达约四成。

为了尽可能挽回损失，英伟达CEO黄仁勋一度尝试游说美国政府改变策略。今年7月份，黄仁勋连同英特尔CEO基辛格、高通CEO阿蒙与美国政府官员在华盛顿举行会谈，希望进一步评估“限制对华半导体出口”的影响。他们认为，出口管制将有损美国在半导体行业的领导地位，希望停止实施新的对华限制。

黄仁勋更是直言，“限制英伟达在华芯片销售，只会给其他品牌提供机会。”在黄仁勋看来，中国占据了美国科技产业约三分之一的市场，其作为半导体零部件来源地和产品终端市场的地位无可取代，退出中国市场不是一种可行选项。

尽管这场游说活动在某种程度上推迟了美国政府对华芯片出口新规的出台时间，但最终却未能彻底让美国政府改变心意。美国更是撤回了英伟达向中国大陆芯片出口30天豁免期，新规提前24天生效。

美国的算力霸权

无休止的打压和封锁。

如孟晚舟所说，算力大小决定着AI迭代与创新的速度，也影响着经济发展的速度。

放眼全球，美国占据高端芯片金字塔顶端，并利用国家强权对产业链进行把控，对台积电等企业进行拉拢，以达到孤立中国的目的。

美国之所以能够为所欲为，源于强大的科技实力。资料显示，ChatGPT-3的训练算力消耗极为庞大，达到了3640PF-days(每秒计算一千万亿次，需要计算3640天)，相当于6000枚英伟达A100芯片，若考虑互联损失的情况，需要储备一万张A100作为算力基础。

也就是说，中国AI企业要想跟上OpenAI的脚步，最起码要拥有一万张A100 打底。

而GPT-4大约要在25000个A100上训练90到100天；至于下一代模型GPT-5，按照马斯克的说法，可能需要30000-50000块H100。

别忘了，这还只是推向市场前的训练阶段，在运营阶段，以GPT-3为例，维持5000万的日活用户需要16255颗A100芯片。

因此，在轰轰烈烈的大模型运动中，中国企业对英伟达芯片的需求量暴增。英国《金融时报》此前报道，阿里、腾讯、字节跳动、百度等中国互联网大厂向英伟达送出了50亿美元的A800芯片订单，预计今明两年交付。但如今，这些希望都已破灭。

如今，AI世界的“入场券”牢牢掌控在英伟达等美国企业手中，英伟达目前占据全球数据中心 AI 加速市场82%的份额，Al 训练领域的市占率更是高达惊人的95%。这种优势可能比PC时代的“Wintel联盟”，移动时代的高通+谷歌（安卓），更加可怕。

高度寡头垄断助推英伟达成为AI战场的最大赢家，市值突破1万亿美元，是目前世界上市值最高的芯片企业，业绩更是大幅飙升，刷新历史新高。

一方面，英伟达、AMD和英特尔瓜分AI芯片市场；另一方面，考虑到芯片产业链处于全球化大分工的状态，尤其是代工必须仰仗台积电，为此，美国威逼利诱台积电赴美建厂。

同时，随意更改贸易准入许可，去年的规定要求算力超过600T的产品不能使用台积电代工。也就是说，国内AI芯片工艺被限制在7nm的阈值，但还可以通过Chiplet封装工艺将多个芯片高速互联，实现算力的提升。不过，刚刚生效的禁令，以性能密度为限制标准，就是要封堵住Chiplet的漏洞。

可以看出，美国正想尽各种办法，维系自己的科技霸主地位。一旦感受到自己的地位遭到挑战，便对其进行无休止的打压和封锁。

随着禁令出台，英伟达也颇为受伤，上述50亿美元的订单大概率基本泡汤。自17日新规发布后，股价至10月31日下跌了近12%。

要知道，英伟达约50%的收入来自数据中心芯片，中国贡献了21.4%的收入，大陆地区还长期是其除美国本土以外的最大市场。

自研芯片面临代工、人才等困难，“卡脖子”问题可能一夜间突破

吴晨提到，这次禁令虽然限制了人工智能技术的发展，但是也激发大厂去开发自己的芯片，不再单纯依赖英伟达。

戴老板认为，国内大厂自己做芯片是非常正常的商业逻辑，就像电解铝公司自己发电一样，成本会节省很多。但是在中国还有一个特殊的逻辑，那就是买不到，只能自己做。

大厂自研芯片是非常明显的趋势，明确的技术路径是做出一款芯片，用来适配自己的数据中心架构。海外大厂自主开发芯片难度相对较低，首先不需要考虑生态，其次技术人才非常好挖。但是国内自主做芯片，需要考虑代工和芯片人才紧缺问题。这反而也带来好处，就是“没有回头路”，不自己造就“完蛋”了，因为根本买不到。

杨永成认为情况还是比较乐观的，在他看来国内芯片产业总体进步是非常大的。国内对“卡脖子”的光刻机、光刻胶报道比较多，因为这两个是最难的。例如，用于刻蚀的设备，各种材料、腐蚀剂、镀膜、PVD设备、CVD设备国产化步伐相当快。“可能某一天就会完全突破，历史上很多事情都是一夜之间突破的，但必须要有定力。”他表示。

戴老板认为，7nm技术的突破是代工厂的成绩，同时也是材料厂、设备厂的成绩，虽然核心光刻机还是ASML的DUV光刻机，未来还会有更多惊喜。

吴晨补充，需要有十年的苦功，需要有产业不断的投资，才能有一些小的突破。未来不能因为短期成就而浮躁，而是要扎扎实实向前。

我国首颗自研AI芯片问世

最近，由中国科学院研发的世界首颗无需人工干预的CPU处理器引起了广泛关注。

AI技术在芯片设计中的应用旨在提高设计效率。中科院计算所与国内合作伙伴合力推出的国产AI设计CPU，被命名为“启蒙1号”，创造了一个里程碑。这款芯片的设计完全依赖AI技术，无需任何人工干预，达到了65nm工艺水平，300MHz的工作频率，能够支持Linux操作系统，整体性能与英特尔486系列媲美。若按传统方式设计，几乎没有公司能够与之竞争。当前市场上最主流的芯片工艺起码是28nm，而英特尔486系列处理器是1989年推出的，采用32位架构，虽然在当时颇具竞争力，但在今天看来已经过时。

然而，中科院的突破之所在不仅仅在于芯片性能，更在于其采用全自动AI技术完成了芯片设计。事实上，这款芯片的集成电路规模超出了通过国外的GPT-4人工智能工具设计的芯片4000多倍，而设计过程仅用了5个小时。这是一项巨大的突破。如果有一家初创公司能够在5个小时内使用AI技术设计一款工业级CPU，无需大量人力投入，这绝对会成为业内的黑马，甚至受到比华为更严格的美国限制。

AI技术已经为芯片设计领域带来了革命。AI生成芯片的优势在于，通过机器学习和自动化算法，计算机可以自动设计和生成芯片的指令。相较于传统的手动设计，这种方法节省了大量时间和人力资源。AI生成芯片能够通过分析大量数据和模型，自动推导出最佳设计方案，从而提高了设计效率和准确性。此外，AI技术还能挖掘出传统设计方法难以发现的优化方案，提高芯片的性能和能效。最重要的是，它降低了进入芯片设计领域的门槛，即使非专业人士也能掌握芯片设计技能。

虽然AI技术有望推动中国芯片产业，但要真正打破芯片设计的限制，还需要实际的产业链布局。AI技术虽然能够加速芯片设计，但它不能代替实体芯片的制造。因此，中国需要进一步投入资源来建设完整的芯片生态系统。在美国的限制下，中国正积极寻找突破之道，AI技术无疑将为中国芯片产业带来新的机遇。

文章来源： 巨潮WAVE，金融界，爱八卦的小飞