前言

芯片短缺成为全球性问题。

全球车企纷纷停产，甚至连 PlayStation 游戏机都「一机难求」，这背后存在一个共同原因：芯片短缺。自去年 12 月起，汽车行业缺乏芯片面临停产的问题就开始困扰无数车企。时至今日芯片短缺问题并未缓解，反而还有愈演愈烈之势。AlixPartners 数据显示，全球汽车行业可能因芯片短缺问题损失 610 亿的销售额。

为什么会出现这种情况呢?彭博社做了一篇分析文章。

首先是供需关系的变化。新冠大流行下，居家办公或学习成为新趋势，这导致对芯片的需求大幅上涨。居家办公刺激了笔记本电脑、家用网络设备和显示器的销量增长，「上网课」促进了 Chromebook 的销量。甚至视频服务的盛行还导致了网络摄像头供不应求;

新冠大流行带来的不确定性导致订单急剧波动。台积电高管在最近两次财报电话会议上表示，客户为了应对不确定性的风险开始囤积芯片。汽车制造商在疫情爆发早期低估了市场的反弹速度，因而大幅减少芯片订单量，去年下半年这些企业试图增加订单时已经无法得到满足，因为芯片制造商正在努力满足智能手机巨头的订单需求;

积存：PC 制造商在 2020 年初就开始警惕半导体供应紧张问题。去年年中，主要智能手机和网络设备制造商华为开始囤积芯片，其他中国厂商也如法炮制。2020 年中国的芯片进口额攀升至 3800 亿美元，约占整体进口额的 1/5。

「一超多强」的竞争局面

当前，在全球芯片市场占据重要地位的制造商主要有台积电、三星和英特尔等，它们与其他一些较小规模的芯片制造商形成了全球市场的一超多强局面。

首先，台积电在芯片产能方面处于行业领先地位，各大手机厂商都希望获得台积电的芯片。目前，台积电在全球圆晶代工市场的份额比其后三个竞争者加起来都要多。数据显示，2020 年第 2 季度，台积电占全球晶圆市场的 52%，远高于其他芯片制造商。

其次，三星因其在存储芯片领域的统治地位而成为规模较大的芯片制造商。目前，三星正努力提升生产技术，使自己成为仅次于台积电的次优选择，从而在芯片市场分得更多羹。高通、英伟达等公司在芯片选择上已经慢慢转向三星，比如高通 2020 年 12 月发布的旗舰手机芯片骁龙 888 就是采用三星 5 纳米工艺。

最后，英特尔也是强势竞争者，其收益高于其他任何芯片制造商，但市场重心在于计算机芯片。生产周期的延迟使得英特尔在竞争中处于劣势。

该文章认为，台积电与三星还面临一些更小规模竞争厂商的挑战，如格罗方德、中芯国际以及台联电等。但是，这些竞争对手在制造工艺上至少落后台积电两至三代。

芯片战争中各方如何加力?

芯片制造商为了巩固和加强自身在全球市场中的地位，纷纷采取了一系列措施。台积电和三星这两家亚洲芯片巨头正加大投入巩固它们的行业领先地位，其中台积电 2021 年的预期资本支出将从 2020 年创纪录的 170 亿美元增加至 280 亿美元，三星也制定了总支出约 1160 亿美元的 10 年规划，以追赶其竞争对手台积电。

该文章表示，在这场芯片战争中，中国也正努力迎头赶上。中国未来几年的目标是减少对美国技术的依赖，尤其是在芯片上的依赖。我国已经将芯片制造列入了国家经济发展蓝图的最大优先事项之一，但需要看到还有很长的一段路要走。

此外，考虑到复杂芯片制造开发的困难，各国政府正纷纷向愿意在本国建造或扩展先进芯片设施的企业提供诱人的激励措施。拜登政府正制定一项长期芯片供应计划，并将在台积电在亚利桑那州拟投资 120 亿美元的工厂以及三星可能在得克萨斯州建立另一家芯片工厂的税收优惠中扮演重要角色。欧盟也正考虑在台积电和三星的潜在协助下，在欧洲建立先进的半导体工厂。此外，包括中国政府在内的各国政府也正考虑出台各种措施来助力本土企业。

芯片战争的难点以及受益者

芯片制造需要极高的精度，以及对市场快速变化的长期预判。一些著名企业，如德州仪器(TI)、IBM、摩托罗拉，已经放弃了芯片制造。目前大部分公司聚焦于芯片设计，只有三家公司——台积电、三星和英特尔还在制造逻辑芯片。

芯片工厂的建造和装备需要耗费数十亿美元，它们必须全速运行(007)才能收回投资。然而，事实不止如此。每批次芯片的良率才是决定成败的关键。芯片制造往往需要多年的知识积累和经验，才能实现 90% 的良率。晶圆厂消耗掉大量水电，即使最微小的损害也使其难以承受。

那么在这场芯片战争中，谁是最终受益者呢?

在半导体行业中，即使最小的改进也能带来巨大的能量和成本节约。

随着 5G 移动网络的发展，依赖大量数据的视频和游戏流服务需求大幅增长，随着更多人在家办公，对更新、更节能芯片的需求也在增长。线宽(line-width)是衡量芯片复杂度的一种方式。目前高级芯片的线宽标准是 5 纳米，而台积电和三星正努力在 2022 年实现 3 纳米制程芯片的大规模生产。

除了 5G 以外，人工智能的发展是推动芯片制造商创新的另一大动力：AI 依赖大规模数据处理。于是更高效或节能的芯片设计成为重要的考量因素。