日前美国批准销售英伟达H200芯片引发热议。面对这款算力猛兽，国内市场却显得“不急着买”。
据悉，美方硬要高达25%的抽成，并强制交货时接受严苛审查。过去为了获取先进算力，国内供应链屡受委屈。如今本土生态硬气起来，企业在博弈中找回了主动权。
这不仅是做生意，更是供应链洗牌的真实写照。当紧箍咒越念越紧，深耕核心技术成了唯一的路。
理清H200困局，需先看清天花板。
ASML制造着世界上最复杂的机器，也就是EUV光刻机。这些机器售价高达三四亿美元。目前他们每年大概能生产70台，明年产能可以达到80台。就算供应链激进扩张，到这个十年结束，年产量也只能做到100台多一点。
这意味着什么？到2030年，一年也就造100台。现在是70台，那这些产能要怎么换算成算力？
最近萨姆和供应链里很多人，都在反复提吉瓦算力。到底能增加多少吉瓦？埃隆·马斯克说，一年要在太空搞出100吉瓦算力。这些数字面临的挑战，不是电力，也不是数据中心。真正的卡点，是芯片制造。
拿英伟达Rubin芯片举例，这款芯片大概就是上线那周官宣发布的。想要造出一吉瓦容量的英伟达这款最新芯片，原材料需求非常夸张。需要大约5.5万片3纳米晶圆，6000片5纳米晶圆，还要17万片DM内存晶圆。这三类晶圆，需要的EUV曝光次数各不相同。
光刻机卡住了芯片产能，退回老旧制程也并非出路。
过去几年，行业一直在争论AI算力的增长上限。有人认为电网是瓶颈，就推出备用发电方案弥补缺口。很多人提出疑问：既然EUV紧缺，能不能退回7纳米工艺？效仿中国，用DUV多重曝光技术生产7纳米芯片，补充算力缺口？
单纯从纸面数据看，A100到B100、B200，再到Rubin芯片，算力仅有三倍左右差距。部分人认为，复用7纳米旧产线，哪怕单位面积算力减半，也能补充50至100吉瓦算力。
这种想法其实很天真。首先，芯片设计逻辑完全不同。A100时期，英伟达优化FP16、BF16数值格式；Hopper架构侧重FP8；Rubin芯片主打FP4、FP6。
即便在7纳米上重新设计芯片、适配新型数值格式，最终性能差距，也会远大于纸面算力差值。举个实际案例，月之暗面K2.5、深度求索两款模型，在Hopper和Blackwell芯片上运行。同等优化条件下，模型推理性能差距达到20倍，绝非两三倍的纸面差距。
核心原因不在于单芯片算力，而在于集群工作模式。现在的大模型，不会在单颗芯片运行，通常拆分到上百颗芯片协同作业。芯片内部数据传输速度，能达到每秒数百TB；同机架内芯片传输，速度下降一个量级；跨机架传输，速度再次降级。
只要数据跨越芯片边界，就会产生延迟、功耗损耗。制程越先进，芯片内部通信、内存带宽、协同效率优势越明显。哪怕优化架构，老旧制程也无法弥补集群协同带来的性能鸿沟。
面对H200设卡，摆脱海外依赖已成关键。
综合来看，2030年的半导体格局会出现明显分化。西方国家掌握顶尖制程，但产能提升缓慢；中国属于半导体生产大国，正在快速扩产。而且中国供应链全部本土化，不用依赖德国、荷兰等海外供应商，长期算力生产潜力巨大。
目前中国还没有完整的本土化半导体供应链，7纳米、14纳米产能，全部依靠ASML的DUV光刻机。现阶段ASML的EUV收入，几乎全部来自中国以外的地区，高端产能依旧集中在台、美、日。中国正在自研DUV与EUV设备，进步速度、量产节奏很难精准预判，部分零部件仍依赖日本进口。
想要完全本土化，必须实现镜头、工作台、光学器件全部自研。保守预估，中国自研DUV未来年产量可达100台。
到2030年，中国能实现DUV完全本土化量产；EUV可以做到实验室运行，但无法大规模商用投产。参考ASML发展历程，EUV从实验室落地到大规模量产，耗时5至7年。哪怕中国短期内突破技术，量产也要漫长等待。
拉长时间线到2035年，格局会彻底改变。如果AI迭代速度放缓，中国大概率能完成反超；如果AI持续高速进化，欧美优势会不断固化。过去三到六个月，中国AI模型竞争力处于高位。但OpenAI最新模型，已经拉开明显差距。
未来AI任务会偏向自动化办公、代码编写，模型隐藏思考流程，海外模型的逻辑优势会持续放大，技术逆向蒸馏难度大幅提升。算力差距更加直白。OpenAI去年算力2吉瓦，Anthropic今年突破2吉瓦，明年两家企业算力都会达到十几吉瓦。中国AI实验室算力扩张速度，远远落后于海外。
资本投入差距悬殊，亚马逊投入2000亿美元、谷歌投入1800亿美元布局数据中心。今年美国数据中心资本开支，接近1万亿美元。
用H200加码限制，反而突显了中国供应链的潜力。
外界普遍猜测，谷歌计划明年投入3000亿美元用作资本支出，打算把自由现金流压到近乎归零，但这套布局或许本身就是错误的。不少华尔街看空人士和行业外行的观点，反而有可能更贴近现实。美国大举布局各类产能，最终却未必能收获理想回报。
反观中国，有机会搭建起完整垂直的本土化供应链体系。不同于美、日、韩、东南亚、欧洲多国拼凑而成、垂直整合度偏低的供应链模式。从行业逻辑来看，AI能力落地的时间线，直接决定中美行业竞争格局。
时间线越短，美国越占优势；时间线拉长，中国反而有实现超越的可能。即便不笃定AI会快速迭代落地，也能得出短时间线利于美国的结论。
扶持本土算力，远比买H200更具长远价值。
倘若华为能够正常使用台积电3纳米先进工艺，完全有机会打造出比肩甚至超越行业顶尖水平的AI加速器产品。华为是全球首家推出7纳米AI芯片、5纳米移动芯片的企业，升腾AI芯片问世时间，早于谷歌TPU和英伟达A100。
华为具备全产业链核心优势，拥有顶尖的软件研发、网络技术、AI科研人才储备，除英伟达外，科研团队实力位居行业前列。华为还自建晶圆厂布局产能，同时拥有自有终端应用市场，形成完整的产业闭环，在高端人才吸引力上也具备极强优势。
中国在光学技术等领域具备深厚产业优势，能为华为AI芯片的研发迭代提供有力支撑。如果2019年未遭遇外部发展限制，华为早已超越苹果，成为台积电最大客户。同时还能持续扩大在网络、计算、CPU等领域的市场份额，稳步成长为全球半导体产业链的核心龙头。
H200管控背后，暴露了全球供应链致命隐患。
在芯片制造工具、工艺成为半导体行业终极瓶颈的当下，台湾晶圆厂与专业工程师资源，牢牢把控着全球半导体供应链的核心命脉。即便紧急空运台湾工艺工程师，同时炸毁本地晶圆厂，也只能带走技术人才，无法复刻台湾多年积累的产线产能与完整供应链体系。
半导体生产设备本身搭载大量台湾制造的芯片，形成闭环依赖格局。没有台湾芯片就造不出高端生产设备，没有高端设备也无法量产先进工艺芯片，供应链呈现出闭环牵制的特点。
失去台湾半导体产能支撑后，中国大陆将拥有相对完整的供应链优势，而全球其他地区需要从零开始，复刻台积电数十年积累的产能体系。
台积电多年沉淀的工艺技术、产线布局、产业链配套，短时间内根本无法复制，会直接拖累全美乃至全球GDP增长。
全球新增算力的边际产能会近乎停滞，原本十年末每年数百吉瓦的新增容量，将缩减至每年10至20吉瓦，仅靠英特尔、三星完全难以支撑行业需求。
当前存量算力规模，对比未来AI行业的扩张节奏完全杯水车薪。台湾半导体供应链若出现变局，会直接引发全球AI产业的连锁动荡，彻底重构全球算力与半导体行业格局。
这种脆弱的格局，注定了算力不可能永远受制于人。
回看美国批准卖H200，高达25%的抽成与苛刻的交货检查无时无刻不在提醒所有人：买来的算力带着沉重枷锁。中国企业不急着买，正是因为丢掉了幻想。
下半场的底气是本土供应链的完全自主可控。当本土生态彻底脱胎换骨，这些霸王条款终将沦为历史笑料。