当首席技术官选择硬件基础设施时，他们很少会想到台湾。当供应链经理评估供应风险时，半导体通常表现为技术项目，而不是战略决策。这种框架在 2020 年之前是错误的，并且在大流行、美国出口限制和台海紧张局势加剧之后已经过时。芯片战争并不是隐喻——它是一场真正的大国之间的竞争，正在积极改变包括巴西在内的世界各地公司的计算硬件的成本、可用性和获取方式。
无人能快速复制的浓度
先进的半导体供应链有一个区别于几乎所有其他行业的特征：地理和企业极度集中，短期内没有替代品。台积电是一家台湾公司，生产世界上大约 90% 的最先进芯片，即工艺节点低于 5 纳米的芯片。今天没有同等的第二个选择。三星采用最先进的工艺进行小批量生产，产量也较低。经过多年的拖延，英特尔正在重建其制造能力。
荷兰公司 ASML 是世界上唯一一家 EUV（极紫外）光刻机制造商，没有这种设备就不可能制造先进的芯片。一台 ASML 机器的成本在 150 至 3 亿美元之间，需要数年的时间来生产，并使用来自数十个国家的 800 多家供应商的组件。复制这条链条不是投资的问题，而是几十年的问题。
Arm 是一家由日本软银集团控股的英国公司，其处理器架构已获得全球几乎所有智能手机和越来越多服务器的使用许可。 NVIDIA 控制着用于高性能计算和人工智能训练的 GPU 市场，其利润率反映出缺乏真正的竞争。
美国出口管制及其连锁效应
2022年10月，美国政府对中国实施了史上最全面的半导体出口限制。这些规定不仅禁止向中国公司出售先进的美国芯片，还禁止美国公民参与中国的芯片开发项目，以及向生产超过一定性能阈值的芯片的中国工厂出售包括ASML机器在内的制造设备。
限制措施于2023年和2024年扩大，逐步堵住漏洞。其直接影响是迫使华为等公司寻求工艺不太先进的芯片或开发国产替代品——华为于2023年推出了由唯一一家拥有先进制造能力的中国企业中芯国际制造的7纳米芯片，这表明该限制推迟了但并没有阻止中国的发展。
对于中国和美国以外的公司来说，限制的副作用不太明显，但同样真实。美国通过《芯片法案》对国内制造业进行的大规模投资——为建设美国工厂提供 520 亿美元的补贴——正在改变未来十年芯片的生产地点。这会影响全球买家的定价、交货时间和供货情况。
这对于那些购买硬件的人来说有什么变化
对于大规模购买服务器、工作站或设备的公司来说，芯片的地缘政治已经体现在价格和可用性的变化上，这些变化不遵循正常的供需逻辑。 2021 年和 2022 年的芯片短缺是最明显的事件，但结构性波动并没有消失——只是暂时变得不那么严重。
用于人工智能工作负载的 GPU 是最关键的情况。 NVIDIA A100 和 H100 芯片（可用于训练语言模型的最强大芯片）的出口限制创造了一个平行市场，其价格达到了上市价格的三倍。在制定人工智能基础设施决策时不考虑硬件可用性和访问风险的公司正在制定不完整的规划。
风险暴露因硬件类型而异。不太复杂的通用芯片（微控制器、存储芯片、前几代通用处理器）的供应更加分散且政治化程度较低。用于密集计算的最先进芯片的供应可能会受到具有全球影响的单一政府的政治决定的限制。规划的相关区别是：运行所需的硬件的哪一部分属于第二类？
巴西在这场争端中处于什么位置
巴西不是商业量的半导体生产国，也没有将建设先进制造能力列入其下一个议程——建设一个具有竞争力的芯片工厂，先进工艺所需的投资起价为100亿美元，而回报需要数十年时间。巴西的立场是依赖全球供应链的买家，这对供应冲击和限制造成了特殊的脆弱性，这些冲击和限制并非针对巴西，而是通过蔓延影响巴西。
巴西的半导体产业政策侧重于芯片设计（阿雷格里港的 Ceitec 是最雄心勃勃的项目，在运营困难后被私有化）以及吸引全球公司的研发中心。这是比先进制造更现实的切入点，但它并没有解决供应漏洞。
对于依赖尖端硬件的巴西公司来说，实用的策略是在现有供应范围内实现供应商多元化，与分销商签订长期合同以保证短缺时期的分配，并关注主要生产国的政治日程——美国大选和台湾海峡的紧张局势历来先于最大的供应冲击。
如何将地缘政治风险纳入技术决策
半导体地缘政治风险的处理方式与传统的金融或运营风险不同——它不能直接对冲，也不能准确建模。但它可以以实际的方式纳入架构决策中。
第一个杠杆是减少对不需要的高端硬件的依赖。通用云计算工作负载已经在提供商管理的硬件上运行，将可用性风险转移给了他们。第二个杠杆是构建架构灵活性——可以通过合理的努力在硬件供应商之间迁移的设计比那些采用特定硬件的设计更能适应可用性冲击。第三，对于那些投资人工智能的人来说尤其重要，那就是积极监控为工作负载提供动力的芯片链——哪个处理器、哪个制造商、哪个工厂制造、在哪个监管制度下生产。这些信息将抽象风险转化为可管理的变量。
另请阅读
- [新一代芯片：GPU、NPU、ASIC 和 RISC-V，供谁决定0
- 【能源，人工智能新石油：谁掌握了资源，谁就掌握了时代1
- [人工智能能源危机：数据中心消耗对基础设施决策者意味着什么2
- [数字主权：当你的数据所在的地方成为战略决策3
- [推理芯片和 ASIC：当专业战胜通用4
- [专用芯片和通用CPU时代的结束5