Variabeln ingen styr: Varför TSMC och NVIDIA avgör vilken AI-framtid vi får

Av The Aether Council | Strategisk teknik- och nationell säkerhetsanalys

De flesta debatter om AI-styrning äger rum ett lager för högt upp.

Varje seriöst ramverk publicerat mellan 2021 och 2025 — EU AI Act, NIST AI Risk Management Framework, Bletchley Declaration, Kinas Interim Measures for Generative AI, Bidens Executive Order 14110 — delar en strukturell blind fläck så fundamental att den gör vart och ett av dem villkorligt verkställbart i bästa fall och strategiskt dekorativt i värsta fall. Samtliga diskuterar modeller. Samtliga diskuterar träningsdata, driftsäkerhetsåtgärder, röda linjer och alignmenttekniker. Inget av dem modellerar formellt den variabel som avgör huruvida något av dessa ramverk överhuvudtaget kan upprätthållas.

Kalla det The Intangible Fallacy: beslutsfattare som försöker reglera vikter, dataset och driftsäkerhetsbarriärer samtidigt som de ignorerar den enda variabel som gör dessa policyer verkställbara — det fysiska substrat som AI körs på.

Mjukvara är utbytbar. Hårdvara är begränsad. Om du inte kan kontrollera det fysiska kiselchippet är ditt styrningsramverk ett förslag.

Två ramverk gör det problemet hanterbart:

The Compute Control Hierarchy (CCH) — hävstångskedjan från råmaterial till molndriftsättning, som identifierar vilka aktörer som kontrollerar varje lager och vad den kontrollen möjliggör eller förhindrar.

The Supply Chain Leverage Point (SCLP) Framework — de specifika flaskhalsarna där ett enda företag eller en enda jurisdiktion kan förändra globala AI-utvecklingsbanor genom ett enda beslut om tilldelning, nekande, licensiering eller produktion.

Den centrala slutsatsen är obekväm men oundviklig: TSMC och NVIDIA, tillsammans med ASML och en liten grupp allierade staters företag, utövar för närvarande mer praktiskt inflytande över takten, geografin och verkställbarheten av AI-utveckling än de flesta formella AI-styrningsinstitutioner. Inte för att de skriver reglerna. Utan för att de kontrollerar flaskhalsarna.

I. The Compute Control Hierarchy

Den standardmässiga AI-styrningsstacken behandlar beräkningskraft som en insatsvara. Det är analytiskt otillräckligt. Beräkningskraft är inte en generisk insatsvara. Det är en politiskt strukturerad försörjningskedja, och kontroll vid varje lager innebär något olika.

Lager 1: Råmaterial — Mineralflaskhalsen

Substratet för avancerade halvledare kräver kisel med ultrahög renhet, neongas, palladium, gallium, germanium och en portfölj av sällsynta jordartsmetaller. Dessa är inte utbytbara handelsvaror. Avancerade fabriker kräver insatsmaterial av extraordinär renhet med nolltolerans för föroreningar.

Kina kontrollerar ungefär 60 % av den globala gruvbrytningen av sällsynta jordartsmetaller och 90 % av förädlingen av sällsynta jordartsmetaller, enligt IEA:s 2023 Critical Minerals Report. I juli 2023 införde Peking exportkontroller för gallium och germanium genom MOFCOM — inte som ett embargo, utan som en demonstration. En signal om att Lager 1 kan vapengöras selektivt och kalibreras efter specifika eskaleringsdynamiker. U.S. Geological Survey bekräftade att USA har i princip noll inhemsk raffineringskapacitet för någotdera grundämnet.

Neongas — kritisk för excimerlasrar i DUV-litografi — hämtades historiskt till 45–54 % från Ukraina. Rysslands invasion av Ukraina kapade den leveransen. Branschen har diversifierat sedan dess, men episoden etablerade ett prejudikat: en enda geopolitisk chock vid Lager 1 sprider sig genom varje nedströms lager utan någon styrande mekanism för att hantera det.

Japan kontrollerar kritiska andelar av fotoresist och specialkemikalier genom JSR, TOK och Shin-Etsu. Mekanismen är kvalitetsstyrt beroende. Avancerade fabriker kan inte ersätta med kemikalier av lägre kvalitet utan utbytesförlust.

Styrningsimplikation: Inget AI-styrningsramverk tar hänsyn till möjligheten att en råmaterialstörning skulle kunna begränsa den globala produktionen av AI-beräkningskraft i 12–36 månader utan substitut. Detta är Dependency Exposure Class I: en flaskhals där drabbade aktörer saknar kortsiktig åtgärd och institutionell mekanism för samordnat agerande.

Lager 2: Tillverkningsutrustning — Den litografiska flaskhalsen

Detta är den mest betydelsefulla enskilda flaskhalsen i hela CCH, och den kontrolleras av ett enda företag.

ASML Holding, med huvudkontor i Veldhoven, är den enda tillverkaren av maskiner för extrem ultraviolett (EUV) litografi på jorden. TWINSCAN NXE- och EXE-serierna krävs för att tillverka halvledare vid 7nm eller under. Det finns ingen alternativ leverantör och ingen kringgående lösning. Canon och Nikon tillverkar DUV-system för mogna noder, men inget av företagen har ett livskraftigt EUV-program. ASML:s monopol är inte ett marknadsresultat som konkurrens kan erodera — det är en konsekvens av 20+ år av samutveckling med Zeiss SMT (EUV-optik med toleranser under ångström) och Trumpf (CO₂-lasrar som genererar EUV-ljus genom att träffa smält tenndroppar), representerande över 6 miljarder euro i FoU innan det första kommersiella verktyget levererades.

Varje NXE:3800E kostar ungefär 350–380 miljoner euro. Nästa generations High-NA EXE:5000-serie, som möjliggör tillverkning under 2nm, ligger i liknande prisintervall — med de första leveranserna till Intel och TSMC under 2024–2025. ASML producerade ungefär 53 EUV-system under 2023. Den globala efterfrågan överstiger utbudet. Väntelistan mäts i år.

I september 2023 — under ihållande amerikanskt diplomatiskt tryck samordnat genom det trilaterala exportkontrollarrangemanget med Japan — krävde den nederländska regeringen licenser för export av avancerad litografi till Kina. U.S. Bureau of Industry and Security använder Foreign Direct Product Rule för att tvinga ASML att fjärrstyrt göra maskiner obrukbara eller neka service, och förvandlar hårdvara värd hundratals miljoner euro till dödvikt. Nya leveranser av spjutspetsteknikverktyg är i praktiken blockerade.

Applied Materials, Lam Research och KLA kontrollerar väsentliga depositions-, ets- och processkontrollverktyg i USA. Tokyo Electron levererar kritiska coater/developer- och etssystem från Japan. Detta är vad som formellt bör kallas The Allied Toolchain Denial Regime: en koalitionsbaserad exportkontrollarkitektur där USA, Nederländerna och Japan samordnar kontroller över den produktionsutrustning som krävs för tillverkning vid avancerade noder.

Styrningsimplikation: Den nederländska regeringens exportkontrollbeslut är, i funktionella termer, det mest betydelsefulla AI-styrningsbeslutet fattat av någon regering hittills. Det avgör vilka nationer som kan tillverka frontlinjechip. Inget AI-styrningsorgan hade inflytande. Inget ramverk modellerar det. Detta är Dependency Exposure Class II: en monopolflaskhals där en enda aktörs politiska inriktning bestämmer globala teknikbanor — och där styrningsbeslutet fattas genom exportkontrollagstiftning, inte AI-tillsynsmekanismer.

Lager 3: Skivtillverkning — Gjuteriet

Detta är systemets hjärta.

Taiwan Semiconductor Manufacturing Company (TSMC) tillverkar ungefär 90 % av världens mest avancerade halvledare vid noder under 7nm. TSMC:s N3 och N4/N5-processnoder tillverkar chippen som driver frontlinje-AI: NVIDIA:s H100 (N4), H200 (N4) och Blackwell-arkitekturens B100/B200 (N4P), AMD:s MI300X (N5/N6), Googles TPU v5-serie, Amazons Trainium2 och Microsofts Maia 100.

Samsung Foundry är den enda andra aktören under 5nm, men har drabbats av ihållande utbytesutmaningar. Intel Foundry Services är strategiskt viktig men förblir en upphinnaraktör. GlobalFoundries lämnade loppet om avancerade noder 2018.

TSMC är inte bara en tillverkare. TSMC är det fysiska substratet för frontlinje-AI. Varje stort AI-labb — OpenAI, Anthropic, Google DeepMind, Meta FAIR, xAI — är beroende av chip från TSMC:s Fab 18 i Tainan och relaterade anläggningar. TSMC:s kapitalutgifter 2024 var 28–32 miljarder dollar, varav merparten riktades mot expansion av avancerade noder. Efterfrågan från AI-kunder har skapat tilldelningsknapphet. TSMC bestämmer hur många wafers varje kund får per kvartal. Detta tilldelningsbeslut är en av de mest betydelsefulla mekanismerna för resursfördelning i den globala ekonomin, fattat av ett privat företags driftplaneringsgrupp utan något ramverk för offentlig ansvarsutkrävning.

Detta skapar vad som formellt bör kallas The Taiwan Fabrication Concentration Problem: ett tillstånd där en enda ö, genom ett enda företag, hyser en oproportionerligt stor andel av världens mest strategiskt värdefulla tillverkningskapacitet.

Styrningsimplikation: TSMC:s kapacitetstilldelning är den bindande begränsningen för det globala utbudet av AI-beräkningskraft. Ingen regering granskar dessa tilldelningar. Inget internationellt organ övervakar dem. Detta är Dependency Exposure Class III: ett tillverkningsmonopol i en omtvistad geografi där styrningsluckan är total.

Lager 4: Avancerad förpackning — CoWoS-förträngningen

Detta är det lager som de flesta policydiskussioner missar helt.

Moderna AI-acceleratorer är inte bara tillverkade chip. Deras prestanda beror på avancerad förpackning — specifikt CoWoS (Chip-on-Wafer-on-Substrate) och relaterade 2.5D/3D-integrationstekniker som parar GPU:er med HBM-stackar. CoWoS-kapacitet var en allvarligare flaskhals än skivtillverkning för AI-chipproduktion under hela 2023–2024. TSMC har aggressivt expanderat — enligt uppgift tredubblat CoWoS-kapaciteten till och med 2025 — men efterfrågan fortsätter att överstiga utbudet.

HBM kontrolleras av ett triopol: SK Hynix (~53 % av HBM3E), Samsung (~40–43 %) och Micron (~4–7 %, under upptrappning). SK Hynix har varit NVIDIA:s föredragna leverantör och uppnådde HBM3E-kvalificering först. Samsung drabbades av utbytes- och värmeavledningsutmaningar, vilket enligt uppgift försenade företagets NVIDIA-kvalificering till sent 2024.

Detta är The Packaging Bottleneck Reality: inom frontlinje-AI är kapacitet för avancerad förpackning en strategisk variabel av första ordningen. En AI-accelerator utan CoWoS-integration och HBM är inte ett driftsättningsbart träningschip.

Styrningsimplikation: Avancerad förpackning och HBM-utbud är osynliga för varje AI-styrningsramverk men fungerar som hårda tak för chipproduktion. Detta är Dependency Exposure Class IV: en dold flaskhals som policyanalytiker inte kan se eftersom den sitter för djupt i den tekniska stacken.

Lager 5: Chipdistribution — Allokerarens veto

Även efter att chip tillverkats allokeras de inte neutralt. De ransoneras.

NVIDIA innehar en uppskattad marknadsandel på över 80 % för AI-träningsacceleratorer. Företagets dominans är inte bara en hårdvaruberättelse — det är en ekosystemberättelse. CUDA, NVIDIA:s proprietära parallellberäkningsplattform som först lanserades 2006, är de facto-programmeringsmodellen för AI-arbetsbelastningar. Över 4 miljoner utvecklare använder CUDA. Varje stort AI-ramverk — PyTorch, TensorFlow, JAX — är CUDA-optimerat. AMD:s ROCm och Intels oneAPI är livskraftiga alternativ men möter ett ekosystemgap som mäts i år.

Under den akuta knappheten 2023–2024 var NVIDIA:s allokeringsbeslut inte rent marknadsdrivna. VD Jensen Huang engagerade sig personligen med stora kunder — hyperscalers, suveräna AI-program, utvalda startups. Allokeringsramverket prioriterade enligt uppgift volymåtaganden från hyperscalers med långsiktiga inköpsavtal, strategiska relationer och nationella säkerhetsöverväganden där den amerikanska regeringens vägledning var en faktor.

NVIDIA designade också A800 och H800 som Kina-specifika varianter som uppfyllde BIS regler från oktober 2022 genom att reducera bandbredden för sammankoppling under kontrollerade tröskelvärden. När BIS skärpte kontrollerna i oktober 2023 blev dessa varianter icke-exporterbara. NVIDIA:s efterlevnad av exportkontroller — eller dess kreativa kringgående genom nedgraderade produkter — avgör effektiviteten av dessa kontroller.

NVIDIA är inte längre bara ett privat teknikföretag. Det är The Corporate State Proxy. När U.S. Department of Commerce vill begränsa kinesisk AI-utveckling skriver man ett tröskelvärde för prestandatäthet specifikt utformat för att tvinga NVIDIA att ändra sin produktarkitektur. NVIDIA:s efterlevnadsmekanismer och allokeringsscheman är det faktiska verkställighetsorganet för USA:s AI-politik. Detta är The Private-Sovereign Entanglement Problem: ett privat företags kommersiella beslut bär strategiska konsekvenser på suverän nivå, medan företaget verkar utan något styrningsramverk i paritet med den konsekvensen.

Styrningsimplikation: NVIDIA är en av de mest betydelsefulla styrningsaktörerna inom AI idag. Inget styrningsramverk modellerar det som sådant. Detta är Dependency Exposure Class V: en distributionsflaskhals där marknadsstruktur avgör tillgång till frontlinjekapacitet.

Lager 6: Molninfrastruktur — Det suveräna molnlagret

Det sista lagret är där beräkningskraft blir en anropsbar tjänst snarare än ett levererat objekt.

AWS, Microsoft Azure, Google Cloud och Oracle Cloud driver de datacenter där AI-träning och inferens sker. Dessa företag fungerar också som föredragna kanaler för exportkompliant åtkomst — mekanismen är jurisdiktionellt övervakad beräkningsåtkomst snarare än obegränsat fysiskt innehav.

Den vertikala integrationen av molnleverantörer med frontlinje-AI-labb skapar en struktur som inte är en neutral marknadsplats. Microsofts exklusiva relation med OpenAI, Googles integration av DeepMind, och Amazons investering på 4 miljarder dollar i Anthropic (med AWS som föredragen molnleverantör) innebär att allokeringen av molnberäkningskraft är knuten till strategiska partnerskap, ägarandelar och preferensavtal.

För AI-startups och akademiska forskare som inte är anslutna till en hyperscaler är beräkningskraft den primära flaskhalsen — mer än talang, mer än data, mer än finansiering. National AI Research Resource-piloten, lanserad i januari 2024, ligger storleksordningar under vad frontlinjeträning kräver.

Styrningsimplikation: Hyperscalers prissättning, allokering och partnerskapsbeslut fungerar som de facto AI-utvecklingspolitik. Deras vertikala integration med frontlinjelabb skapar en strukturell intressekonflikt som inget styrningsramverk adresserar.

Lager 7: Edge- och inferensdriftsättning

Ett sjunde lager, framväxande och alltmer betydelsefullt: AI-styrning måste hantera övergången från centraliserad molninferens till driftsättning på enheten. Kvantiserade och destillerade modeller — Metas Llama 3-familj, Mistrals modeller — kan köras på konsumenthårdvara. Detta distribuerar AI-kapacitet bortom datacentret och komplicerar alla styrningsregimer som förlitar sig på att övervaka beräkningsanvändning centralt. Centraliserad beräkningsbaserad styrning förblir den bindande begränsningen för träning; för inferens blir den progressivt mindre verkställbar.

II. The Supply Chain Leverage Point Framework

SCLP-ramverket ställer en svårare fråga: var, exakt, kan en aktör fatta ett beslut som förändrar den globala AI-banan?

En SCLP måste uppfylla tre kriterier: monopol- eller nära monopolkontroll vid noden (>60 % utan substituerbart alternativ inom 24 månader), ingen livskraftig kringgående lösning inom relevant tidsram, och ett beslutsutrymme som inkluderar alternativ som väsentligt skulle förändra global AI-kapacitet.

Fem primära SCLP:er existerar per 2025:

|------|-------|-------------------|-----------------|

Den kritiska observationen: SCLP 1, 2 och 4 är alla belägna inom den första ökedjan i västra Stilla havet. Nederländerna är undantaget, men ASML:s underleverantörskedja är starkt beroende av östasiatiska komponenter. Den fysiska infrastrukturen för frontlinje-AI är koncentrerad i den enskilt mest omtvistade geopolitiska teatern på jorden.

Kontroll vid vilken nivå som helst kaskaderar: ASML undanhåller EUV → TSMC stoppar 3nm-linjer → NVIDIA ransonerar H100:or → xAI försenar sitt nästa superkluster. CCH är inte en teoretisk abstraktion. Det är den faktiska kausala strukturen för global AI-kapacitet.

III. The Substrate Shock Doctrine: Vad som händer över en natt

Varje seriös AI-styrningskonversation måste modellera Taiwan-scenariot. Inte för att en invasion är säker. Utan för att hela frontlinjesystemet för beräkningskraft arkitekturellt förutsätter TSMC:s oavbrutna drift.

Scenario A: Blockad

En kinesisk marin- och flygblockad av Taiwan skulle störa TSMC:s försörjningskedja utan att rikta in sig på TSMC direkt. TSMC:s fabriker kräver kontinuerliga insatsvaror: fotoresist från JSR och Tokyo Ohka Kogyo, etsmedel från Stella Chemifa, gaser, fotomasker, reservdelar till EUV- och DUV-verktyg — allt primärt från Japan. En blockad som kapar sjö- och flyglogistik tvingar TSMC att tära på lokala lager. Branschuppskattningar antyder 2–8 veckors operativ kontinuitet innan kritiska insatsvaror är uttömda.

Inom 30–60 dagar skulle TSMC:s produktion vid avancerade noder börja försämras. Inom 90 dagar skulle den närma sig noll för nya wafer-starter. Befintligt lager — lagrat hos NVIDIA, hyperscalers, distributörer — skulle bli det totalt tillgängliga utbudet. Ett ändligt och snabbt minskande lager.

Scenario B: Direkt militär aktion

Fysisk förstörelse av TSMC:s avancerade fabriker skulle innebära en katastrofal och i praktiken oåterkallelig förlust. En enda avancerad fab representerar 15–20+ miljarder dollar i kapitalinvestering och 3–5 års konstruktions- och kvalificeringstid. Den inbäddade kunskapen — processrecept, utbytesoptimeringdata, personalens expertis — kan inte rekonstrueras från ritningar. Den globala produktionskapaciteten för frontlinje-AI-chip skulle elimineras i minst 3–7 år, även under ett optimistiskt scenario där Intel, Samsung och TSMC:s utlandsfabriker i Arizona, Kumamoto och Dresden påskyndades snabbt.

Den strategiska implikationen

En Taiwan-händelse skulle inte bara bromsa AI-utvecklingen. Den skulle skapa en diskontinuitet — en stegfunktionsreduktion av det globala utbudet av frontlinjeberäkningskraft som kvarstår i åratal. Varje AI-styrningsramverk som förutsätter kontinuerlig kapacitetsökning (tidslinjer för alignmentforskning, regulatoriska anpassningscykler, internationella samordningsmekanismer) skulle ogiltigförklaras över en natt.

Detta är The Overnight Capability Reordering Scenario: en geopolitisk chock raderar inte AI-kapacitet likvärdigt. Den gynnar aktörer med den största befintliga installerade basen, chiplagerhållning, säkrad molnåtkomst och inhemsk politisk prioritet. En Taiwankris skulle omedelbart omvandla AI från en tillväxtmarknad till en ransonerad strategisk tillgång — och de aktörer som innehar kisel från före konflikten skulle utgöra den nya beräkningskraftens aristokrati.

Detta är också varför den amerikanska CHIPS and Science Act of 2022 — 52,7 miljarder dollar för incitament för halvledartillverkning, FoU och arbetskraftsutveckling — inte primärt är ett ekonomiskt utvecklingsprogram. Det är en nationell säkerhetshedge mot detta scenario. Det är också, enligt CCH-analysen, otillräckligt i skala och hastighet. Den totala kapaciteten vid avancerade noder som levereras av USA-baserade fabriker till och med 2028–2030 kommer att förbli en liten bråkdel av vad TSMC driver i Taiwan idag.

IV. The Regulatory Sieve Effect: Fungerar exportkontrollerna?

Den ärliga bedömningen: delvis, ojämnt, och mer effektivt på tillverkningstaket än på tillgång på kort sikt.

BIS har implementerat tre stora kontrollomgångar. Oktober 2022 begränsade export av avancerade logikchip över prestandatröskelvärden, EUV-litografiverktyg och amerikanska personers stöd till avancerad halvledartillverkning i Kina — det mest aggressiva användandet av exportkontroller för teknikförnekande sedan CoCom. Oktober 2023 stängde A800/H800-kryphålet genom att sänka tröskelvärdena för prestandatäthet och bredda kontrollerade objekt. 2024 och pågående lade till entity list-designeringar och restriktioner för utrustning för avancerad förpackning.

Där kontrollerna fungerar: Kina kan inte tillverka ledande AI-chip inhemskt. SMIC:s 7nm-klass N+2-process använder DUV-multimönstringstekniker som är utbytesbegränsade, kostsamma och inte kan skalas ekonomiskt. Utan EUV är tillverkning vid 5nm och under vid konkurrenskraftiga utbyten inte möjlig. Kinas inhemska utrustningstillverkare — SMEE för litografi, Naura och AMEC för ets och deposition — ligger flera teknologigenerationer efter ASML, Applied Materials, Lam Research, KLA och Tokyo Electron.

Där kontrollerna inte fungerar: Kinesiska företag ägnade sig åt tidsarbitrage och lagerlade hundratusentals NVIDIA A100:or innan restriktionerna trädde i kraft. Enheter får tillgång till avancerad beräkningskraft genom skalbolag i Sydostasien, Mellanöstern och Centralasien. Kinesiska AI-forskare har fortfarande tillgång till beräkningskraft genom icke-amerikanska molnleverantörer i icke-täckta jurisdiktioner. Huaweis Ascend 910B, tillverkad av SMIC, levererar ungefär 60–80 % av A100:ans träningsprestanda vid lägre utbyten och högre kostnad — ett inhemskt golv under vilket kinesisk AI-kapacitet inte kommer att falla oavsett kontroller.

Detta är The Regulatory Sieve Effect: mekanismen är porös. Exportkontrollregimen fördröjer, inte förnekar, tillgång till beräkningskraft. Man kan inte lägga embargo på ett API-anrop med tulltjänstemän. Tills molnleverantörer är juridiskt skyldiga att implementera kryptografisk KYC på hypervisornivå, förblir Compute Arbitrage — att hyra H100-instanser via offshore-skalbolag från västerländska eller mellanösternbaserade molnleverantörer — strukturellt tillgängligt.

Detta producerar The Threshold Evasion Cycle: regulatorer definierar en prestandagräns; företag omdesignar produkter för att förbli kommersiellt användbara men tekniskt efterlevande; regulatorer uppdaterar kontroller; företag omdesignar igen. Cykeln gynnar den undvikande parten över regulatorn.

Nettobedömning: kontrollerna lyckas bromsa Kinas tillgång till frontlinjen av AI-beräkningskraft, troligen med 2–4 år för chipdesign och 5–10+ år för inhemsk tillverkning av motsvarande kapacitet i skala. De uppnår inte något som ens liknar fullständigt nekande.

V. The Sovereign Silicon Trajectory: Kinas realistiska tidslinje för självständighet

Kinas program för halvledarsjälvförsörjning är den största statligt styrda industripolitiska ansträngningen sedan det sovjetiska rymdprogrammet, drivet av samma fundamentala motivation: strategisk sårbarhet som det nationella ledarskapet anser vara existentiell.

National Integrated Circuit Industry Investment Fund — Big Fund — har allokerat 19 miljarder dollar (Fas I, 2014), 28,9 miljarder dollar (Fas II, 2019) och 47,5 miljarder dollar (Fas III, 2024) — den största enskilda tranchen av halvledarinvesteringskapital som samlats av någon regering i historien. Total direkt statlig investering genom enbart Big Fund överstiger 95 miljarder dollar, kompletterat med provinsfonder och statligt styrd utlåning som bringar totalt stöd långt över 150 miljarder dollar genom 2030.

Där Kina har gjort verkliga framsteg: Tillverkning vid mogna noder vid 28nm och över närmar sig självförsörjning. Kinesiska fabless-designföretag — HiSilicon, Cambricon, Biren, Moore Threads — har demonstrerat kompetenta och i vissa fall innovativa arkitekturer. Standard OSAT-förpackning är konkurrenskraftig globalt.

Där strukturella barriärer kvarstår: EUV-litografi är det svåraste problemet och den mest hållbara barriären. SMEE har demonstrerat ett 28nm DUV-immersionsverktyg — ungefär 15 år efter ASML:s nuvarande kapacitet. Att utveckla inhemsk EUV kräver inte bara scannern utan hela underleverantörskedjan: EUV-ljuskällor (Trumpf-ekvivalent), EUV-optik (Zeiss SMT-ekvivalent med ytprecision under ångström), EUV-pellicles, EUV-kompatibla fotoresist. Ingen trovärdig tidslinje existerar för att Kina ska uppnå inhemsk EUV-kapacitet före tidigt till mitten av 2030-talet som allra tidigast. EDA-verktyg från Synopsys och Cadence ligger fortfarande 5–10 år före kinesiska alternativ. Processingenjörskompetens — den tysta kunskapen om utbytesoptimering och defektanalys som finns hos den arbetskraft som utbildats vid TSMC, Samsung och Intel — tar en generation att bygga upp, inte en finansieringscykel.

Realistisk tidslinje: Detta är Semiconductor Catch-Up Time Constant — kapital påskyndar framsteg, men kan inte komprimera varje lager av industriellt lärande på