荷兰科技记者：中国追上ASML最先进的EUV技术，至少需要10年。

半导体皇冠上的明珠这个词听得人耳朵起茧。当重达百吨的EUV光刻机运转时，挑战的是人类制造极限。据荷兰科技记者观察，中国追上ASML最先进的EUV技术至少需要10年。这听起来有些泄气，但这恰恰是一场背水一战的技术突围。

美国的出口管制意外给本土企业让出了庞大的商业空间。当海外供应商被迫离场，国内产业链只能去建立属于自己的生态。追赶前方的车尾灯确实难，但黑夜里的高速公路不会永远让人迷路。回看去年，即便到年末，美国大部分 GDP 增长都来自 AI 基础设施相关领域。

今年上线的新增算力里，大约三分之一都供给了 OpenAI 和 Anthropic 这类头部实验室。这些算力很多并不是实验室自建，而是由第三方企业建好之后租赁给他们，但作为终端使用者，算力的消费主体就是这两家公司。

算力的整体规模正在急剧膨胀，今年全球算力相关资本支出已经略高于一万亿美元，到 2028 年，这个数字会突破两万亿美元，而 AI 实验室在算力消耗里的占比还会持续走高。这会催生一个非常特殊的局面。

过去 AI 实验室每年只能投入几百亿美元用于算力，而未来这个数字会攀升到数千亿美元，等到这十年结束，年度算力投入甚至会达到数万亿美元。这个预判，来自他们已经和合作方签署的各类长期合同。

算力投入规模的爆发，也意味着实验室的财务状况会迎来根本性重塑。很长一段时间里，OpenAI 和 Anthropic 都属于持续亏损的创业公司。

Anthropic 在今年第二季度实现盈利，市场普遍预计 OpenAI 会在第三季度进入盈利区间。哪怕是在 GPT-5.6、Codex 这类产品快速增长的背景下，仅仅一年之前，两家公司所有的运营资金，都来自风险投资，整体处于亏损状态。

就算到今年年初，企业依旧依靠外部风投输血维持运营。现在两家企业已经成功扭亏为盈，拥有了经营性收入，但这不代表他们会停止吸纳新资金，外部资本依旧会持续涌入，用来支撑业务高速扩张。

不过业务结构已经发生质变，营收在资金来源里的占比持续提升，不再单纯依靠外部注资。过去一年半时间，两家企业的利润率出现暴涨。

我们把时间线拉长来看，这种疯狂的算力规模扩张背后，最大的产能卡点依然是荷兰科技记者笔下那台极难被复制的EUV设备。建设一吉瓦算力对应的硬件产能，每年设备成本大约在三十亿到四十亿美元。

如果把洁净厂房、晶圆厂配套设施全部计入，建设一吉瓦算力对应的晶圆厂资本开支大约六十亿美元。而这一吉瓦算力，每年能够创造一千亿美元的终端 AI 营收。

六十亿美元的晶圆厂资本开支，每年稳定产出一吉瓦算力，这一吉瓦算力每年持续产生一千亿美元营收。五年周期内，第一期投产的吉瓦算力可以连续五年创造营收，第二批投产的算力产生四年营收，以此类推。

晶圆厂六十亿美元的投入，最终能够撬动超过一万亿美元的终端 AI 营收。当然，这部分营收当中，需要扣除运营成本、数据中心、电力开销，还要支付 OpenAI 这类模型企业的研发费用，产业链上多个环节都需要分润。

即便把一半收益分给产业链中间商，晶圆厂资本开支和最终 AI 终端营收之间，依旧存在百倍级别的差距，这还是非常保守的估算。巨大的收益空间，会驱动资本不断投入扩产，这是资本运行的底层逻辑。

资本会想尽办法扩大芯片产能，但硬件供应链的扩张需要漫长周期，信号传导就像鞭子一样，末端反应总是滞后。市场上已经出现各类套利行为，有人收购燃气轮机这类数据中心配套设备进行转售，因为电力配套已经成为数据中心建设的关键卡点。

理论上，如果有企业手握四亿美元，并且可以说服阿斯麦出售一台 EUV 光刻机，购入之后等待一段时间，就可以十亿美元以上的价格转手卖出。套利机会真实存在，但供应链整体扩产速度很难快速拉升。

蔡司作为 EUV 光刻机核心光学部件供应商，在早些时候，还没有计划每年生产足够配套一百台 EUV 设备的反射镜。

现在基于市场需求，他们规划到二十年代末实现每年配套一百台 EUV 设备的产能，但按照当下 AI 产业的经济效益，市场实际需要的产能还要更高。只是扩产周期太长，短期内无法落地。

当时很多人认为，高昂的造价和出口管制会彻底锁死追赶者，但现实是，中国不仅没有停滞，反而借着外部压力加速构建属于本土的算力生态。把视野放到全球范围，中美算力格局会成为影响未来 AI 竞争的关键变量。

2022 年，美国贡献全球百分之四十五到百分之五十的新增 AI 算力，中国占比大约百分之三十到百分之三十五，其余算力由世界其他地区提供。2022 年后，针对中国芯片相关出口管制政策落地，美国本土算力建设大规模提速。

当前全球 AI 数据中心算力部署的电力消耗，百分之七十集中在美国，中国在 AI 算力电力消耗当中占比不足百分之十。短期之内这个比例很难快速提升。

本土芯片产能有限，从英伟达采购芯片的规模受到限制，部分流入国内的芯片还会分流到马来西亚等其他地区。到 2028 年，中国 AI 总算力大概率维持在三十吉瓦甚至更低水平。但 2028 年会成为本土算力发展的拐点。

2026 年国内算力建设，很大程度依靠走私芯片、台积电、三星给相关企业代工的 HBM。2027 年国内晶圆厂逐步落地，2028 年中芯国际、长鑫存储这类本土晶圆厂进入量产阶段，本土芯片年产量可以达到数百万颗。2028 年，依靠国产芯片就可以新增五到十几吉瓦算力。

国产芯片的硬件性能，会落后于同期英伟达、谷歌、OpenAI 自研芯片。同样吉瓦数值的国产算力，实际运算能力存在折算系数。

等到本土芯片大批量出货之后，中国算力增长曲线会迎来曲棍球棒式拉升。中国制造业具备快速扩产的能力，后续也会通过各类渠道缩小和海外高端芯片之间的差距。

按照推演，2029 年中国新增算力达到五十吉瓦是合理预期。不过这五十吉瓦当中，如果大部分是国产芯片，折算成美国同规格算力，实际等效规模大约二十吉瓦。

这就意味着，如果美国头部实验室算力扩张节奏不被打断，到 2028 年，OpenAI 与 Anthropic 两家企业掌握的算力，按有效算力折算之后，甚至会超过中国在 2029、2030 年全国 AI 总算力。

出口管制已经发挥出明显效果，算力存量差距被持续拉大。等到自动化编程工具、AI 研究员模型落地的时候，中国在算力存量上会处于明显劣势。

但也要客观看待，造成差距的不只是出口管制，金融体系的差异同样起到作用。美国金融市场愿意为 AI 初创企业承担高风险押注，而中国金融体系一旦选定重点产业，补贴力度会更强。

如果 AI 起飞节奏慢于预期，国内半导体产业会持续追赶，逐步转化为算力增量。在过往的偏见里，许多声音笃定这种算力存量的封锁足以致命，但如今再看，中国不仅在设备上咬牙死磕，在软件研究端也走出了截然不同的效率突围路线。

算力总量差距，不等于模型能力差距。目前国内头部 AI 实验室总算力大多维持在一两百兆瓦，字节跳动是特例，算力规模显著更高。Kimi 模型并没有在接近一吉瓦规模运行，而 Anthropic 到今年年底算力就会超过五吉瓦。但算力总量差距，现阶段没有完全转化为模型能力差距。

拆解实验室算力分配，传统结构是百分之六十用于训练，百分之四十用于推理。训练算力还可以细分，百分之五十用于前沿研究，百分之十用于模型开发，剩下百分之四十用于推理。

研究环节，研究员验证新架构、测试数据配比、调整超参数、验证新注意力机制，都会消耗算力。回看这段博弈的历史，中国要追赶最先进EUV技术的这10年，注定是一场充满残酷竞争洗牌的突围战。

说到底，中国追上ASML最先进的EUV技术，至少需要10年，这绝不是单纯的倒计时，而是一部从零重构高端制造生态的血泪史。光源、镜头每一关都是大山，但在高压下，这些障碍成了国产设备演进的磨刀石。

失去中国市场的西方企业，正见证本土化替代生态生根发芽。迎难而上，这场无休止的追逐战终将点亮自主科技的主导权。

#上头条 聊热点#