没有人在治理的变量：为何台积电和英伟达决定了我们将走向哪种AI未来

The Aether Council | 战略技术与国家安全分析

大多数AI治理辩论都发生在高了一个层级的地方。

2021年至2025年间发布的每一个严肃框架——欧盟《AI法案》、NIST AI Risk Management Framework、Bletchley Declaration、中国《生成式人工智能服务管理暂行办法》、拜登的Executive Order 14110——都存在一个如此根本性的结构性盲点，以至于在最好的情况下使其中每一个都只能被有条件地执行，在最坏的情况下则只是战略装饰品。它们都讨论模型。它们都讨论训练数据、部署保障措施、红线和对齐技术。但没有一个框架正式建模了决定所有这些框架能否被执行的那个变量。

我们称之为The Intangible Fallacy：政策制定者试图监管权重、数据集和部署护栏，却忽视了使这些政策首先具有可执行性的唯一变量——AI运行所依赖的物理基底。

软件是可替代的。硬件是有限的。如果你无法控制物理硅片，你的治理框架就只是一个建议。

两个框架使这个问题变得可处理：

The Compute Control Hierarchy (CCH) ——从原材料到云部署的杠杆链条，识别哪些行为者控制着每一层，以及这种控制能实现或阻止什么。

The Supply Chain Leverage Point (SCLP) Framework ——特定的咽喉要道，在这些关键节点上，单一公司或司法管辖区可以通过一次分配、拒绝、许可或生产决策改变全球AI发展轨迹。

核心结论令人不适但不可回避：台积电和英伟达，连同ASML及少数盟国企业，目前对AI发展的速度、地理分布和可执行性所施加的实际影响力，超过了大多数正式的AI治理机构。不是因为它们制定了规则。而是因为它们控制着瓶颈。

一、The Compute Control Hierarchy

标准的AI治理架构将算力视为一种输入。这在分析上是不充分的。算力不是一种通用输入。它是一条政治结构化的供应链，在每一层的控制意味着不同的东西。

第一层：原材料——矿物咽喉要道

先进半导体的基底需要超高纯度硅、氖气、钯、镓、锗以及一系列稀土元素。这些不是可互换的大宗商品。先进晶圆厂需要纯度极高的输入材料，对污染零容忍。

根据国际能源署2023年关键矿产报告，中国控制着全球约60%的稀土开采和90%的稀土加工。2023年7月，北京通过商务部对镓和锗实施了出口管制——不是作为禁运，而是作为一种展示。一个信号，表明第一层可以被选择性地武器化，并针对特定的升级动态进行校准。美国地质调查局确认，美国对这两种元素的国内精炼能力几乎为零。

氖气——对深紫外光刻中的准分子激光器至关重要——历史上45-54%来源于乌克兰。俄罗斯入侵乌克兰切断了这一供应。此后行业已经实现了多元化，但这一事件确立了一个先例：第一层的单一地缘政治冲击会传导至每一个下游层级，而没有任何治理机制来管理它。

日本通过JSR、TOK和信越化学控制着光刻胶和特种化学品的关键份额。其机制是质量门控依赖。先进晶圆厂无法在不损失良率的情况下替代低等级化学品。

治理启示： 没有任何AI治理框架考虑到原材料中断可能在12-36个月内制约全球AI算力生产且无替代方案的可能性。这属于Dependency Exposure Class I：受影响的行为者没有短期缓解措施，也没有协调应对的制度机制的咽喉要道。

第二层：制造设备——光刻瓶颈

这是整个CCH中最具关键影响力的单一咽喉要道，由一家公司控制。

总部位于费尔德霍芬的ASML Holding是地球上唯一的极紫外（EUV）光刻机制造商。TWINSCAN NXE和EXE系列是制造任何7纳米及以下半导体所必需的。没有替代供应商，也没有变通方案。佳能和尼康为成熟节点制造DUV系统，但两者都没有可行的EUV项目。ASML的垄断不是竞争可能侵蚀的市场结果——它是与蔡司SMT（亚埃级容差的EUV光学元件）和通快（通过打击熔融锡滴产生EUV光的CO₂激光器）超过20年联合开发的结果，在第一台商用设备出货前研发投入超过60亿欧元。

每台NXE:3800E的成本约为3.5亿至3.8亿欧元。下一代High-NA EXE:5000系列，可实现亚2纳米制造，价格类似——首批交付给英特尔和台积电的时间为2024-2025年。ASML在2023年生产了约53台EUV系统。全球需求超过供应。等候名单以年计。

2023年9月，荷兰政府——在美国通过与日本三边出口管制安排协调的持续外交压力下——要求对向中国出口先进光刻设备实行许可证制度。美国工业与安全局利用Foreign Direct Product Rule迫使ASML远程禁用机器或拒绝服务，将价值数亿欧元的硬件变成废铁。最尖端工具的新出货实际上已被封锁。

应用材料、泛林集团和科磊在美国控制着关键的沉积、刻蚀和工艺控制工具。东京电子从日本提供关键的涂布/显影和刻蚀系统。这就是应被正式命名为The Allied Toolchain Denial Regime的体系：一种基于联盟的出口管制架构，其中美国、荷兰和日本协调管控先进节点制造所需的生产设备。

治理启示： 荷兰政府的出口管制决定，就功能意义而言，是迄今为止任何政府做出的最具影响力的AI治理决策。它决定了哪些国家能制造前沿芯片。没有任何AI治理机构参与其中。没有任何框架对其建模。这属于Dependency Exposure Class II：一种垄断性咽喉要道，单一行为者的政治立场决定全球技术轨迹——而治理决策是通过出口管制法做出的，而非AI监管机制。

第三层：晶圆制造——代工厂

这是整个系统的核心。

台湾积体电路制造公司（台积电）制造了全球约90%的亚7纳米最先进半导体。台积电的N3和N4/N5制程节点制造驱动前沿AI的芯片：英伟达的H100（N4）、H200（N4）和Blackwell架构的B100/B200（N4P），AMD的MI300X（N5/N6），谷歌的TPU v5系列，亚马逊的Trainium2，以及微软的Maia 100。

三星代工是唯一的另一个亚5纳米参与者，但一直面临良率挑战。英特尔代工服务具有战略重要性，但仍是追赶者。格芯于2018年退出了先进节点竞争。

台积电不仅仅是一个制造商。台积电是前沿AI的物理基底。每一个主要AI实验室——OpenAI、Anthropic、Google DeepMind、Meta FAIR、xAI——都依赖于台积电台南Fab 18及相关设施生产的芯片。台积电2024年的资本支出为280-320亿美元，大部分用于先进节点的扩张。来自AI客户的需求造成了产能分配稀缺。台积电决定每个客户每季度获得多少晶圆。这一分配决策是全球经济中最具影响力的资源分配机制之一，由一家私营公司的运营规划团队在没有任何公共问责框架下做出。

这创造了应被正式命名为The Taiwan Fabrication Concentration Problem的状况：一个单独的岛屿，通过一家公司，承载着世界上最具战略价值的制造能力中不成比例的份额。

治理启示： 台积电的产能分配是全球AI算力供应的约束性瓶颈。没有政府审查这些分配。没有国际机构监控它们。这属于Dependency Exposure Class III：位于争议地理位置的制造垄断，治理缺口是全面的。

第四层：先进封装——CoWoS瓶颈

这是大多数政策讨论完全忽视的层级。

现代AI加速器不仅仅是制造出来的芯片。它们的性能取决于先进封装——特别是CoWoS（Chip-on-Wafer-on-Substrate，基板上晶圆上芯片）及相关的2.5D/3D集成技术，将GPU与HBM堆叠配对。在2023-2024年间，CoWoS产能比晶圆制造本身更是AI芯片生产的严重瓶颈。台积电一直在大力扩张——据报道到2025年将CoWoS产能增加两倍——但需求继续超过供应。

HBM由三寡头控制：SK海力士（约占HBM3E的53%）、三星（约40-43%）和美光（约4-7%，正在提升）。SK海力士一直是英伟达的首选供应商，率先获得HBM3E认证。三星面临良率和散热挑战，据报道其英伟达认证推迟到了2024年下半年。

这就是The Packaging Bottleneck Reality：在前沿AI领域，先进封装产能是一阶战略变量。一颗没有CoWoS集成和HBM的AI加速器不是一颗可部署的训练芯片。

治理启示： 先进封装和HBM供应对每一个AI治理框架都是不可见的，但却充当着芯片生产的硬性上限。这属于Dependency Exposure Class IV：一种隐藏的瓶颈，政策分析师无法看到它，因为它位于技术堆栈的太深处。

第五层：芯片分配——分配者的否决权

即使芯片制造完成后，它们也不是被中性分配的。它们是被定量配给的。

英伟达在AI训练加速器市场持有估计80%以上的份额。它的主导地位不仅仅是一个硬件故事——它是一个生态系统故事。CUDA，英伟达于2006年首次发布的专有并行计算平台，是AI工作负载的事实编程模型。超过400万开发者使用CUDA。每一个主要AI框架——PyTorch、TensorFlow、JAX——都针对CUDA进行了优化。AMD的ROCm和英特尔的oneAPI是可行的替代方案，但面临以年计的生态系统差距。

在2023-2024年的严重稀缺期间，英伟达的分配决策并非纯粹由市场驱动。首席执行官黄仁勋亲自与主要客户接触——超大规模云服务商、主权AI计划、精选初创企业。据报道，分配框架优先考虑了与超大规模云服务商的长期采购协议中的批量承诺、战略关系，以及美国政府指导是一个考量因素的国家安全考虑。

英伟达还设计了A800和H800作为中国特定变体，通过将互连带宽降低至受控阈值以下来符合2022年10月BIS规则。当BIS在2023年10月收紧管控时，这些变体变得不可出口。英伟达对出口管制的遵守——或其通过降低规格产品的创造性规避——决定了这些管控的有效性。

英伟达不再仅仅是一家私营科技公司。它是The Corporate State Proxy。当美国商务部希望限制中国AI发展时，它编写的性能密度阈值专门设计来迫使英伟达改变其产品架构。英伟达的合规机制和分配图表是美国AI政策的实际执行臂。这就是The Private-Sovereign Entanglement Problem：一家私营公司的商业决策承载着主权级别的战略后果，而该公司运营的治理框架与这一后果不相称。

治理启示： 英伟达是当今AI领域最具影响力的治理行为者之一。没有任何治理框架将其作为这样的角色来建模。这属于Dependency Exposure Class V：一种分配咽喉要道，市场结构决定了对前沿能力的获取。

第六层：云基础设施——主权云层

最后一层是算力从运输的实物变成可调用服务的地方。

AWS、微软Azure、谷歌云和甲骨文云运营着AI训练和推理发生的数据中心。这些公司还充当出口合规访问的优选渠道——机制是受司法管辖监督的算力访问，而非不受限制的物理占有。

云提供商与前沿AI实验室的垂直整合创造了一种并非中性市场的结构。微软与OpenAI的独家关系、谷歌对DeepMind的整合，以及亚马逊对Anthropic的40亿美元投资（AWS作为首选云提供商），意味着云算力分配与战略合作伙伴关系、股权投资和优先访问协议挂钩。

对于未与超大规模云服务商关联的AI初创企业和学术研究者来说，算力是首要瓶颈——超过人才、超过数据、超过资金。2024年1月启动的National AI Research Resource试点项目与前沿训练所需的规模相比差了几个数量级。

治理启示： 超大规模云服务商的定价、分配和合作伙伴决策实际上充当了AI发展政策。它们与前沿实验室的垂直整合创造了没有任何治理框架应对的结构性利益冲突。

第七层：边缘和推理部署

第七层，正在兴起且日益重要：AI治理必须应对从集中式云推理向设备端部署的转变。量化和蒸馏模型——Meta的Llama 3系列、Mistral的模型——可以在消费级硬件上运行。这将AI能力分布到数据中心之外，使任何依赖于集中监控算力使用的治理体制变得更加复杂。基于集中式算力的治理在训练方面仍是约束性瓶颈；在推理方面，其可执行性正在逐步降低。

二、The Supply Chain Leverage Point Framework

SCLP框架提出了一个更尖锐的问题：具体在哪里，一个行为者可以做出一个改变全球AI轨迹的决定？

一个SCLP必须满足三个标准：在该节点上的垄断或近乎垄断控制（>60%且在24个月内无可替代的替代方案），在相关时间框架内没有可行的变通方案，以及决策空间包含会实质性改变全球AI能力的选项。

截至2025年，存在五个主要SCLP：

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

| SCLP-2 | 台积电 | 90%+先进节点制造 + CoWoS | 台湾 |

| SCLP-3 | 英伟达 | 80%+ AI加速器市场 + CUDA生态系统 | 美国 |

关键观察：SCLP 1、2和4都位于西太平洋第一岛链内。荷兰是例外，但ASML的子供应链严重依赖东亚组件。前沿AI的物理基础设施集中在地球上最具争议的地缘政治战区。

任何一个环节的控制都会产生级联效应：ASML扣留EUV → 台积电3纳米产线闲置 → 英伟达配给H100 → xAI推迟其下一个超级集群。CCH不是一个理论抽象。它是全球AI能力的实际因果结构。

三、The Substrate Shock Doctrine：一夜之间会发生什么

任何严肃的AI治理对话都必须对台湾突发事件进行建模。不是因为入侵是确定的。而是因为整个前沿算力系统在架构上都以台积电的不间断运营为前提。

情景A：封锁

中国人民解放军对台湾的海上和空中封锁将中断台积电的供应链，而不直接针对台积电。台积电的晶圆厂需要持续的输入：来自JSR和东京应化的光刻胶、来自Stella Chemifa的蚀刻剂、气体、光掩模、EUV和DUV工具的替换零件——所有这些主要来自日本。切断海运和空运物流的封锁迫使台积电消耗现场库存。行业估计表明，在关键输入耗尽之前，可以维持2-8周的运营连续性。

30-60天内，台积电的先进节点产出将开始下降。90天内，新晶圆投片将接近零。现有库存——存放在英伟达、超大规模云服务商、分销商处——将成为全部可用供应。一个有限且迅速耗尽的存量。

情景B：直接军事行动

对台积电先进晶圆厂的物理摧毁将代表一种灾难性的、实际上不可逆转的损失。一座先进晶圆厂代表着150-200亿美元以上的资本投资和3-5年的建设和认证时间。嵌入的知识——工艺配方、良率优化数据、员工专业技能——无法从蓝图中重建。即使在乐观情景下，即英特尔、三星和台积电在亚利桑那、熊本和德累斯顿的海外晶圆厂被迅速加速，全球前沿AI芯片的生产能力也将至少被消除3-7年。

战略启示

台湾突发事件不仅仅会减缓AI发展。它将创造一个不连续性——全球前沿算力供应的阶跃式下降，持续数年。每一个以持续能力扩展为前提的AI治理框架（对齐研究时间线、监管适应周期、国际协调机制）都将在一夜之间失效。

这就是The Overnight Capability Reordering Scenario：地缘政治冲击不会平等地抹去AI能力。它有利于拥有最大现有装机基数、芯片储备、可靠云访问和国内政治优先权的行为者。台湾危机将立即把AI从增长市场转变为配给的战略资产——而持有冲突前硅片的行为者将构成新的算力贵族。

这也是为什么2022年美国《CHIPS and Science Act》——527亿美元用于半导体制造激励、研发和劳动力发展——主要不是一个经济发展计划。它是对这一情景的国家安全对冲。按照CCH的分析，它在规模和速度上也是不够的。到2028-2030年，美国本土晶圆厂交付的总先进节点产能仍将只是台积电目前在台湾运营规模的一小部分。

四、The Regulatory Sieve Effect：出口管制有效吗？

诚实的评估是：部分有效，不均匀，在制造上限方面比近期获取方面更有效。

BIS实施了三轮主要管控。2022年10月限制了超过性能阈值的先进逻辑芯片、EUV光刻工具的出口，以及美国人支持中国先进半导体制造——这是自CoCom以来对技术封锁最激进地使用出口管制。2023年10月通过降低性能密度阈值和扩大受控物项范围堵住了A800/H800漏洞。2024年及之后增加了实体清单指定和先进封装设备限制。

管控有效之处： 中国无法在国内制造最先进的AI芯片。中芯国际的7纳米级N+2工艺使用DUV多重图案化技术，受良率限制、成本高昂，且无法经济地扩展。没有EUV，以有竞争力的良率在5纳米及以下制造是不可行的。中国的国产设备制造商——上海微电子用于光刻，北方华创和中微公司用于刻蚀和沉积——仍落后ASML、应用材料、泛林集团、科磊和东京电子多代技术。

管控失效之处： 中国企业进行了时间套利，在限制生效前囤积了数十万颗英伟达A100。实体通过东南亚、中东和中亚的壳公司获取先进算力。中国AI研究人员仍通过未被覆盖的司法管辖区的非美国云提供商获取算力。华为的昇腾910B由中芯国际制造，以较低良率和较高成本提供大约60-80%的A100训练性能——无论管控如何，这是一个中国AI能力不会跌破的国内底线。

这就是The Regulatory Sieve Effect：机制是多孔的。出口管制体制在延迟而非阻断算力获取。你无法用海关人员来禁运一个API调用。除非云提供商被法律强制要求在虚拟机监控程序级别实施加密KYC，否则Compute Arbitrage——通过离岸壳实体从西方或中东云提供商租用H100实例——在结构上仍然可行。

这产生了The Threshold Evasion Cycle：监管者定义一个性能边界；企业重新设计产品以在技术合规的同时保持商业有用性；监管者更新管控；企业再次重新设计。这个循环有利于规避者而非监管者。

净评估：管控正在成功减缓中国获取前沿AI算力的速度，在芯片设计方面可能延迟2-4年，在大规模制造同等能力的国产化方面延迟5-10年以上。它们没有实现任何接近完全封锁的效果。

五、The Sovereign Silicon Trajectory：中国现实的自主时间线

中国的半导体自给自足计划是自苏联太空计划以来最大的国家主导工业政策努力，由同样的根本动机驱动：国家领导层认为是存亡攸关的战略脆弱性。

国家集成电路产业投资基金——大基金——已部署190亿美元（第一期，2014年）、289亿美元（第二期，2019年）和475亿美元（第三期，2024年）——这是任何政府有史以来组建的最大单笔半导体投资资本。仅通过大基金的直接国家投资总额超过950亿美元，加上省级基金和国家指导的贷款，到2030年的总支持规模远超1500亿美元。

中国取得真实进展之处： 28纳米及以上的成熟节点制造正在接近自给自足。中国的无晶圆厂设计公司——海思、寒武纪、壁仞、摩尔线程——已展示了有能力的甚至在某些情况下具有创新性的架构。标准OSAT封装在全球具有竞争力。

结构性壁垒持续存在之处： EUV光刻是最困难的问题也是最持久的壁垒。上海微电子已演示了28纳米DUV浸没式工具——大约落后ASML当前能力15年。开发国产EUV不仅需要扫描仪，还需要整个子供应链：EUV光源（等同于通快）、EUV光学元件（等同于蔡司SMT的亚埃级表面精度）、EUV防护膜、EUV兼容光刻胶。在2030年代初中期之前，中国实现国产EUV能力不存在可信的时间线。来自Synopsys和Cadence的EDA工具仍领先中国替代品5-10年。工艺工程人才——良率工程和缺陷分析的隐性知识，存在于台积电、三星和英特尔培训的劳动力中——需要一代人来建立，而非一个资金周期。

现实时间线： 这就是Semiconductor Catch-Up Time Constant——资本加速进步，但无法按需压缩工业学习的每一层。

| 能力 | 预计国内实现时间 |

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

| 成熟节点自给自足（28纳米以上） | 当前正在进行 |

| 有意义的先进AI加速器差距缩小 | 2020年代末，特定细分领域 |

| 全谱系前沿自给自足 | 进入2030年代 |

六、The Asymmetric Ecosystem Strategy：国家资助的开源作为长期供应链博弈

当华盛顿聚焦于硅片咽喉要道时，北京正在执行The Asymmetric Ecosystem Strategy——国家资助的开源量子和后经典计算基础设施作为长