过去两年，伴随芯片的短缺、对华禁令等一系列重大事件，光刻机从一种不为人知的先进制造设备，一跃成为了大众的新闻热点。在这当中，荷兰光刻机厂商 ASML 几乎是绕不开的存在。

原因并不复杂，因为 ASML 是全球唯一一家有能力制造先进 EUV 光刻机的公司，台积电、三星、英特尔想要苹果、高通等芯片设计公司制造先进制程工艺的芯片，就必须使用该公司的 EUV 光刻机。而在实际情况中，EUV 光刻机的结构之复杂、精密度之高，都让它的量产极低，常年供不应求，即便在过去两年不断提高产量，ASML 还是没有满足芯片行业的需求。

去年 10 月我们在文章中写道：

（6 月）三星电子副董事长李在镕开启了自己的访欧之旅，最关键的还是荷兰，不仅与多名 ASML 高层举行了会谈，转头还向荷兰总理要起支持：千万确保 ASML 稳定供应 EUV 光刻机。

但消费电子市场的寒气从去年年初开始，最终还是传到了「永远缺货不够卖」的 ASML 身上。4 月 17 日，接近供应链的媒体 DigiTimes 报道称，台积电、三星和英特尔疯抢 EUV 光刻机的热度已经降温，其中最大客户台积电开始砍掉部分 ASML 的 EUV 光刻机订单，传言比例达到了 40%。

台积电，图/Flickr

这件事可以说是情理之中，意料之外。首先从智能手机、PC 市场全面疲软开始，需求的萎缩就会不断向上游供应链传递，只不过半导体行业的周期和供应链都很长，传递的速度相对较慢。ASML 全球高级副总裁、中国区总裁沈波在去年的一次媒体开放日也说过：

相比产业链里其他供应商，半导体设备的一个特点是供货周期相对偏长。需求往下走的时候，我们差不多是最后一个感受到；需求往上走，我们则是第一个感受。

其次，发生在 ASML 身上的砍单消息，代表了代工厂也没有看到行业复苏、需求恢复增长的拐点，故而选择削减关键设备订单这种偏保守的做法，以应对大环境的不确定性。换言之，全球芯片需求的衰退，大概率还要继续一段时间。

但以上的前提还是基于之前的市场现状，未来一年仍然存在不少潜在的变局。

「不可理喻」的英特尔

4 月 13 日，英特尔宣布旗下代工服务部门（IFS）将与 ARM 进行合作，基于 18A（1.8nm）工艺制造用于移动设备的 SoC。两家公司计划，先期重点放在移动设备上，之后会扩大到汽车、物联网、数据中心等领域，明显看中了台积电占有优势的市场。

考虑到英特尔的路线图，18A 工艺的量产计划在 2025 年，与 ARM 合作的收获期至少要到那之后，但英特尔对 EUV 光刻机的需求，又该加上一笔。

不同于台积电和三星，自从帕特·基辛格（Pat Gelsinger）上任 CEO 以来推行 IDM 2.0，英特尔在制程工艺上的推进就越发激进。相应的，英特尔对 EUV 光刻机的需求也越来越大，相对另外两家也更加迫切。

帕特·基辛格，图/英特尔

此外，由于台积电最先进工艺的产能通常比较紧张、价格以及芯片行业的逆全球化进程等因素，英特尔先进工艺的需求也在推进，包括 Intel 3、20A 都拿到了客户订单。而在三家中，英特尔由于代工业务的起点低，也一直在争取更多的客户订单，变数反而最大。

当然，另一方面也是因为英特尔过去曾经在 EUV 光刻机上判断失误。基辛格在接受采访时就说过，英特尔曾是 EUV 技术研发的重要推手，包括 ASML 研发 EUV 光刻机也得到了英特尔的不少帮助，但是在 10nm 节点上英特尔并没有选择 EUV 光刻路线，而是尝试了 SAQP 四重曝光技术生产先进工艺。

之后的故事后来我们都知道了——英特尔在 14nm 节点上「优化」了好几代，迟迟没有实现 10nm，最终也选择了 EUV 光刻路线。但就 EUV 光刻机的数量而言，时间决定了英特尔没有多少「储备」。

EUV 光刻机，图/ASML

储备少、需求大，所以尽管大家都在面对下游的需求萎靡，但英特尔还是选择加大购买力度，包括去年抢了 ASML 新光刻机 High-NA EUV 的首发订单，也是为了保证 18A 节点的顺利推进。（High-NA 即高数值孔径，从当前的 0.33 提升到 0.55，从而允许更小的工艺制程和更高的生产效率。）

而按照 ASML CEO Peter Wennink 的说法，单台 High-NA EUV 的价格在 3 亿到 3.5 亿欧元（约合人民币 22.6 亿元到 26.4 亿元）之间。

AI 战争，开启军备竞赛

与英特尔不同，ChatGPT 的爆火出乎所有人的意料，如果说去年年末推出第一波热潮还存在质疑，到今年已经在全球范围内掀起了一场 AI 战争。

从国外的 OpenAI（和微软）、谷歌、亚马逊、Facebook、X.AI（马斯克刚成立）等，到国内的百度、阿里、腾讯、商汤、光年之外（美团联合创始人王慧文成立）等，都在进入 AI 大模型的战场。而在主流视野之外，还有更多尚不知名的大模型，比如开源的 BLOOM、复旦的 MOSS、斯坦福的 Alpaca。

Office 365 Copilot，图/微软

不仅如此，大量基于大模型的 AI 应用层出不穷，还有 Office、搜索引擎这些用户规模巨大的传统工具不断引入生成式 AI，这些都在快速增加算力的消耗，同时自然也需要庞大的算力进行「补充」。

无一例外，它们背后的硬件基座都是大量的高性能 GPU，基本以英伟达 A100、H100 GPU 为主，由台积电 7nm/4nm 工艺制造。尽管还没有到一季度财报公布的时间，但外界已经在猜测英伟达能「赢多少」了。与此同时，台积电来自英伟达的订单也在不断增长。

长期来看英伟达可能也难一家独大，AMD 和英特尔，谷歌以及一票自研 AI 芯片的互联网公司，还有可以期待一下的国产 GPU 厂商。谷歌在本月早些时候就宣布，旗下第四代 TPU 驱动的 AI 超级计算机胜过了英伟达上一代旗舰 GPU A100 驱动的超级计算机。但不管如何，最终这些芯片需求都要转换为代工厂的订单，从而影响到 EUV 光刻机的市场。

换言之，接下来生成式 AI 以及大模型的发展程度，也将很大程度上影响代工厂对 EUV 光刻机需求的紧迫性。

算力爆炸，需要技术进步

需求和市场，对半导体行业当然很关键，但生产和效率同样重要。就像指导了半导体行业半个世纪的「摩尔定律」，生产端以此推进半导体技术的进步；需求端以此作为依据，提前规划和开发更先进的产品。

而如果按照 OpenAI 的报告所述，全球头部 AI 模型训练算力需求每 3-4 个月翻一番，意味着陡然加快的算力消耗曲线，也意味着规模更庞大的芯片需求和更高的芯片技术要求。或者用更简单的说法——按照现有的技术，成本上无法支撑算力需求后续的暴增。

英伟达 CEO 黄仁勋在今年 GTC 开发者大会也说，「芯片需要新的技术，可能在算力上会有十倍的需求量。」

黄仁勋，图/英伟达

当然，这是一个长期的方向。一方面，半导体行业还在推进 2nm 及以下的工艺制程，台积电、三星和英特尔都规划在 2025 年前后实现 2nm 量产，英特尔甚至还有 18A(1.8nm）的量产规划。

另外，制造环节上的技术改进也在提高整体的生产效率，以英伟达联合 ASML、台积电研究出的「计算光刻」为例，通过计算激光的衍射效应，让越来越复杂的掩膜板制造变得更有效率。

而且相比起市场前景的不确定性，制造技术的进步，势必会提高已有需求产品的效率，也为未来的恢复乃至爆发做好准备。

题图来自 ASML