日前美國批準銷售英偉達H200芯片引發熱議。面對這款算力猛獸，國內市場卻顯得“不急著買”。

據悉，美方硬要高達25%的抽成，并強制交貨時接受嚴苛審查。過去為了獲取先進算力，國內供應鏈屢受委屈。如今本土生態硬氣起來，企業在博弈中找回了主動權。

這不僅是做生意，更是供應鏈洗牌的真實寫照。當緊箍咒越念越緊，深耕核心技術成了唯一的路。

理清H200困局，需先看清天花板。

ASML制造著世界上最復雜的機器，也就是EUV光刻機。這些機器售價高達三四億美元。目前他們每年大概能生產70臺，明年產能可以達到80臺。就算供應鏈激進擴張，到這個十年結束，年產量也只能做到100臺多一點。

這意味著什么？到2030年，一年也就造100臺。現在是70臺，那這些產能要怎么換算成算力？

最近薩姆和供應鏈里很多人，都在反復提吉瓦算力。到底能增加多少吉瓦？埃隆·馬斯克說，一年要在太空搞出100吉瓦算力。這些數字面臨的挑戰，不是電力，也不是數據中心。真正的卡點，是芯片制造。

拿英偉達Rubin芯片舉例，這款芯片大概就是上線那周官宣發布的。想要造出一吉瓦容量的英偉達這款最新芯片，原材料需求非常夸張。需要大約5.5萬片3納米晶圓，6000片5納米晶圓，還要17萬片DM內存晶圓。這三類晶圓，需要的EUV曝光次數各不相同。

光刻機卡住了芯片產能，退回老舊制程也并非出路。

過去幾年，行業一直在爭論AI算力的增長上限。有人認為電網是瓶頸，就推出備用發電方案彌補缺口。很多人提出疑問：既然EUV緊缺，能不能退回7納米工藝？效仿中國，用DUV多重曝光技術生產7納米芯片，補充算力缺口？

單純從紙面數據看，A100到B100、B200，再到Rubin芯片，算力僅有三倍左右差距。部分人認為，復用7納米舊產線，哪怕單位面積算力減半，也能補充50至100吉瓦算力。

這種想法其實很天真。首先，芯片設計邏輯完全不同。A100時期，英偉達優化FP16、BF16數值格式；Hopper架構側重FP8；Rubin芯片主打FP4、FP6。

即便在7納米上重新設計芯片、適配新型數值格式，最終性能差距，也會遠大于紙面算力差值。舉個實際案例，月之暗面K2.5、深度求索兩款模型，在Hopper和Blackwell芯片上運行。同等優化條件下，模型推理性能差距達到20倍，絕非兩三倍的紙面差距。

核心原因不在于單芯片算力，而在于集群工作模式。現在的大模型，不會在單顆芯片運行，通常拆分到上百顆芯片協同作業。芯片內部數據傳輸速度，能達到每秒數百TB；同機架內芯片傳輸，速度下降一個量級；跨機架傳輸，速度再次降級。

只要數據跨越芯片邊界，就會產生延遲、功耗損耗。制程越先進，芯片內部通信、內存帶寬、協同效率優勢越明顯。哪怕優化架構，老舊制程也無法彌補集群協同帶來的性能鴻溝。

面對H200設卡，擺脫海外依賴已成關鍵。

綜合來看，2030年的半導體格局會出現明顯分化。西方國家掌握頂尖制程，但產能提升緩慢；中國屬于半導體生產大國，正在快速擴產。而且中國供應鏈全部本土化，不用依賴德國、荷蘭等海外供應商，長期算力生產潛力巨大。

目前中國還沒有完整的本土化半導體供應鏈，7納米、14納米產能，全部依靠ASML的DUV光刻機。現階段ASML的EUV收入，幾乎全部來自中國以外的地區，高端產能依舊集中在臺、美、日。中國正在自研DUV與EUV設備，進步速度、量產節奏很難精準預判，部分零部件仍依賴日本進口。

想要完全本土化，必須實現鏡頭、工作臺、光學器件全部自研。保守預估，中國自研DUV未來年產量可達100臺。

到2030年，中國能實現DUV完全本土化量產；EUV可以做到實驗室運行，但無法大規模商用投產。參考ASML發展歷程，EUV從實驗室落地到大規模量產，耗時5至7年。哪怕中國短期內突破技術，量產也要漫長等待。

拉長時間線到2035年，格局會徹底改變。如果AI迭代速度放緩，中國大概率能完成反超；如果AI持續高速進化，歐美優勢會不斷固化。過去三到六個月，中國AI模型競爭力處于高位。但OpenAI最新模型，已經拉開明顯差距。

未來AI任務會偏向自動化辦公、代碼編寫，模型隱藏思考流程，海外模型的邏輯優勢會持續放大，技術逆向蒸餾難度大幅提升。算力差距更加直白。OpenAI去年算力2吉瓦，Anthropic今年突破2吉瓦，明年兩家企業算力都會達到十幾吉瓦。中國AI實驗室算力擴張速度，遠遠落后于海外。

資本投入差距懸殊，亞馬遜投入2000億美元、谷歌投入1800億美元布局數據中心。今年美國數據中心資本開支，接近1萬億美元。

用H200加碼限制，反而突顯了中國供應鏈的潛力。

外界普遍猜測，谷歌計劃明年投入3000億美元用作資本支出，打算把自由現金流壓到近乎歸零，但這套布局或許本身就是錯誤的。不少華爾街看空人士和行業外行的觀點，反而有可能更貼近現實。美國大舉布局各類產能，最終卻未必能收獲理想回報。

反觀中國，有機會搭建起完整垂直的本土化供應鏈體系。不同于美、日、韓、東南亞、歐洲多國拼湊而成、垂直整合度偏低的供應鏈模式。從行業邏輯來看，AI能力落地的時間線，直接決定中美行業競爭格局。

時間線越短，美國越占優勢；時間線拉長，中國反而有實現超越的可能。即便不篤定AI會快速迭代落地，也能得出短時間線利于美國的結論。

扶持本土算力，遠比買H200更具長遠價值。

倘若華為能夠正常使用臺積電3納米先進工藝，完全有機會打造出比肩甚至超越行業頂尖水平的AI加速器產品。華為是全球首家推出7納米AI芯片、5納米移動芯片的企業，升騰AI芯片問世時間，早于谷歌TPU和英偉達A100。

華為具備全產業鏈核心優勢，擁有頂尖的軟件研發、網絡技術、AI科研人才儲備，除英偉達外，科研團隊實力位居行業前列。華為還自建晶圓廠布局產能，同時擁有自有終端應用市場，形成完整的產業閉環，在高端人才吸引力上也具備極強優勢。

中國在光學技術等領域具備深厚產業優勢，能為華為AI芯片的研發迭代提供有力支撐。如果2019年未遭遇外部發展限制，華為早已超越蘋果，成為臺積電最大客戶。同時還能持續擴大在網絡、計算、CPU等領域的市場份額，穩步成長為全球半導體產業鏈的核心龍頭。

H200管控背后，暴露了全球供應鏈致命隱患。

在芯片制造工具、工藝成為半導體行業終極瓶頸的當下，臺灣晶圓廠與專業工程師資源，牢牢把控著全球半導體供應鏈的核心命脈。即便緊急空運臺灣工藝工程師，同時炸毀本地晶圓廠，也只能帶走技術人才，無法復刻臺灣多年積累的產線產能與完整供應鏈體系。

半導體生產設備本身搭載大量臺灣制造的芯片，形成閉環依賴格局。沒有臺灣芯片就造不出高端生產設備，沒有高端設備也無法量產先進工藝芯片，供應鏈呈現出閉環牽制的特點。

失去臺灣半導體產能支撐后，中國大陸將擁有相對完整的供應鏈優勢，而全球其他地區需要從零開始，復刻臺積電數十年積累的產能體系。

臺積電多年沉淀的工藝技術、產線布局、產業鏈配套，短時間內根本無法復制，會直接拖累全美乃至全球GDP增長。

全球新增算力的邊際產能會近乎停滯，原本十年末每年數百吉瓦的新增容量，將縮減至每年10至20吉瓦，僅靠英特爾、三星完全難以支撐行業需求。

當前存量算力規模，對比未來AI行業的擴張節奏完全杯水車薪。臺灣半導體供應鏈若出現變局，會直接引發全球AI產業的連鎖動蕩，徹底重構全球算力與半導體行業格局。

這種脆弱的格局，注定了算力不可能永遠受制于人。

回看美國批準賣H200，高達25%的抽成與苛刻的交貨檢查無時無刻不在提醒所有人：買來的算力帶著沉重枷鎖。中國企業不急著買，正是因為丟掉了幻想。

下半場的底氣是本土供應鏈的完全自主可控。當本土生態徹底脫胎換骨，這些霸王條款終將淪為歷史笑料。