本文来自微信公众号：地球知识局（ID：diqiuzhishiju），原标题《中国现在，算力卡脖子有多严重？》，作者：小贝，编辑：果栗乘，题图来源：视觉中国
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。
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。
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，离不开训练时灌入的海量的数据，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。
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，同样地，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、对某一部位的精细运动进行控制，要实现这些看似简单的功能，消耗的算力其实很大。
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。
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。
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。
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。
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。
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。
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。
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。
本文来自微信公众号：地球知识局（ID：diqiuzhishiju），作者：小贝，编辑：果栗乘