1 ) 美商务部长将中国台湾40%半导体供应链搬至美国本土

当地时间1月15日，美国商务部高调宣布与中国台湾地区达成一项所谓“贸易协议”：台方承诺向美国半导体及科技制造业投资至少2500亿美元，并提供同等规模的信贷担保；作为回报，美国将对台关税从20%下调至15%，并对部分药品、飞机零部件等商品免征关税。

美国商务部长霍华德·卢特尼克在CNBC采访中直言不讳：“不赴美建厂的台湾芯片企业，等待他们的很可能是100%的关税。”他更宣称，美国的目标是将中国台湾40%的半导体供应链“整体搬移”至本土，最终实现“芯片制造自给自足”。

这一协议并非平等谈判的结果，而是美国“胡萝卜加大棒”策略的典型体现。早在特朗普政府重启“制造业回流”战略后，台积电便成为重点围猎对象。此前，美方还以巨额补贴吸引台积电赴亚利桑那州建厂；如今则转为赤裸裸的关税威胁——若不配合转移产能，就施以惩罚性关税。

尽管台积电已经承诺在美国投资1650亿美元，建设三座晶圆厂，但美国对此并不满足，最新消息称又逼着台积电再建5座晶圆厂。

卢特尼克几日前就暗示台积电对美投资或将突破2000亿美元，创造3万个就业岗位。他表示，“我会让台积电自己去宣布，他们的（投资）规模还会比这（1650亿美元）更高”。

数据显示，台积电在中国台湾地区每片晶圆的人力成本约1800美元，而在美国飙升至3600美元；折旧成本更是从1500美元暴涨至7289美元——差距超4倍。高昂成本直接吞噬利润。即便采用相同制程，美国工厂毛利率仅8%，而台湾本土高达62%。

2 ）存储芯片商不在美国建厂将面临100%关税！

卢特尼克在总投资1000亿美元的美光纽约州巨型晶圆厂奠基仪式上表示，与中国台湾的贸易协议中的半导体关税也可能影响韩国芯片制造商。

“任何想制造存储芯片的厂商（想要进入美国市场）都有两个选择：要么支付 100% 的关税，要么在美国建厂制造。”卢特尼克说道。

虽然卢特尼克没有点名任何具体公司，但外界认为这主要是针对韩国和中国台湾，因为它们是全球最主要的半导体地，特别是韩国的三星电子和SK海力士这两个全球最大的存储芯片厂商。

1月16日消息，美国政府正式宣布将中国台湾对美出口税率降至15%，相比之前的约20%税率进一步降低。但是，中国台湾半导体与科技企业需要至少对美国新增直接投资2,500亿美元，中国台湾省还要提供2500亿美元信用保证支持，以扩大美半导体、能源及人工智能的生产与创新能力。

如果总部位于中国台湾但不在美国建厂的芯片公司可能面临100%的关税。而对于已经或计划在美国投资的半导体厂商，美国政府也披露了“半导体关税豁免”的条件：中国台湾半导体厂商承诺在美国设厂，在建厂期间，就可以免关税进口相当于建厂产能2.5倍的半导体。举例来说，如果中国台湾半导体厂商在美国建设100万片晶圆的产能，在施工期间就可以免关税进口250万片晶圆。即便超出配额的，关税税率也相对较低。一旦生产设施建成，这一上限将降至当前产能的1.5倍。

去年，韩国和美国已经达成了一项贸易协议，同意对大多数韩国商品征收 15% 的关税，但尚未最终确定对半导体征收关税的计划。不过，当时韩国政府得到了一个原则性的承诺，即不会受到比其竞争对手中国台湾更不利的待遇。

3 ) 马斯克公布AI芯片路线图并重启Dojo 3！

1月18日，特斯拉首席执行长伊隆·马斯克（Elon Musk）宣布一项雄心勃勃的人工智能（AI）芯片路线图，计划每九个月推出新一代AI 处理器，这个速度将超越竞争对手英伟达（Nvidia）和AMD 的年度发布节奏。

马斯克表示，这个策略旨在使特斯拉能生产全球最高产量的AI芯片，并在自动驾驶和机器人技术领域实现更快的创新。

马斯克透露，其新一代的自动驾驶芯片AI5的设计已接近完成，AI6芯片正在早期开发中，并将通过合作伙伴三星电子和台积电进行生产，分别使用2nm和3nm制程。

根据预计， AI5芯片将提供比现有AI4高达50倍的性能，并在每美元性能上提升10倍，功耗效率提高3倍，专为全自动驾驶（FSD）、Robotaxi和Optimus机器人量身打造。AI6的目标是实现约2倍于AI5的性能，并计划在2028年进入量产。

特斯拉已与三星签署了一项价值165亿美元的协议，以支持AI6的开发和量产。未来的AI7、AI8和AI9芯片也将遵循这一九个月的设计周期，旨在快速迭代AI技术，并在竞争中获得优势。

马斯克强调，特斯拉的垂直整合策略将优化其芯片设计，并可能使其芯片成为全球最高产量的产品，这个策略也旨在解决当前在运行复杂FSD模型时的硬件限制。

与此同时，马斯克还宣布，随着AI5芯片设计已趋于成熟，公司将重新启动第三代自研超级电脑Dojo（Dojo 3）的开发工作，并开始招募相关人才。

相较前两代Dojo 尝试走出一条独立演进的训练架构，Dojo 3 更可能成为围绕AI5、AI6 芯片所打造的训练平台，作为特斯拉自动驾驶（Autopilot）、全自动驾驶（FSD）与人形机器人Optimus 机器学习模型的后端算力支撑。

另外，此前韩国媒体指出，特斯拉可能规划由三星电子负责Dojo 3 所用“D3”晶片的晶圆代工，并将特殊先进封装交由英特尔处理。 

4 ）1600亿北京存储芯片巨头登陆港交所，清华帮掌舵开盘涨超45%

1月13日报道，国内存储芯片龙头兆易创新在港交所挂牌上市。

其发行价为每股162.00港元（约合人民币144.92元），开盘价为每股235.00港元（约合人民币210.22元），上涨45.06%，总市值为1637.40亿港元（约合人民币1465亿元）。

兆易创新成立于2005年，由清华大学物理系校友朱一明创办，总部设在北京。

其执行董事、副董事长兼总经理何卫，执行董事兼副总经理胡洪，也都是清华大学校友；独立董事钱鹤博士现为清华大学集成电路学院长聘教授。

该公司深耕专用型存储芯片行业20年、MCU领域14年，提供包括Flash、利基型DRAM、MCU、模拟芯片及传感器芯片等多样化芯片产品，以及包括相应算法、软件在内的一整套系统及解决方案。

根据弗若斯特沙利文的报告，以2024年销售额计，兆易创新是多个领域的市场领导者，全球唯一一家在NOR Flash、SLC NAND Flash、利基型DRAM和MCU领域排名均全球前十的集成电路设计公司。具体而言：

• NOR Flash：全球第二，国内第一。

• SLC NAND Flash：全球第六，国内第一。

• 利基型DRAM：全球第七，国内第二。

• MCU：全球第八，国内第一。

5 ) 腾讯姚顺雨犀利剖析AI行业现状

1. ToC与ToB的用户感知存在巨大“断层”

这是姚顺雨提出的一个核心观察。他认为，AI在消费端（ToC）和企业端（ToB）的发展逻辑已经彻底分化，且用户感知截然不同：

ToC（平稳期）： 普通用户对AI的感知正在减弱。即便模型在专业领域（如解决“伽罗瓦理论”等高深数学问题）上有巨大进步，大众也几乎无感。目前，大多数用户只是把AI当成一个“加强版搜索引擎”，行业已进入“平稳期”。

ToB（爆发期）： 企业级用户则展现出强烈的“性能付费”意愿。他们愿意为顶级模型支付高昂费用（如200美元/月），因为顶级模型能确保任务成功率（如10次成功8次），而次级模型结果不可控。企业买的是“可靠性”，而非“新鲜感”。

2. “刷榜”与“好用”是两码事

姚顺雨直言不讳地指出了国内AI圈的一个怪现象：过度看重榜单排名（Benchmark），却忽视了实际体验。

很多中国公司（包括腾讯过去）热衷于在MMLU等榜单上刷分，追求模型分数的微小提升。

但现实是，榜单分数高并不等于产品好用。例如，Claude模型在某些榜单上分数不高，但因其极高的可用性和可靠性，深受用户喜爱。相反，很多“高分”模型落地到产品上却栽了跟头，用户用过一次就走。

3. AI的“智商”对普通用户已“过剩”

这是一个反直觉的观点。姚顺雨认为，对于日常使用场景，现在的AI“智商”已经够用了，甚至过剩了。

真正的瓶颈转移： ToC应用的瓶颈不再在于模型规模有多大、参数有多多，而在于“环境上下文（Context）”的缺失。

缺乏“情商”与“环境感”： 现在的AI往往不知道你在哪里、天气如何、你和谁在聊天。腾讯等拥有丰富社交数据的公司，真正的机会不在于卷模型智商，而在于利用环境数据（如聊天记录、地理位置）让AI具备“情商”和“环境智能”，从而预判用户需求。

4. 中国AI整体胜算不足20%（资源与思维的差距）

在近期的“AGI-Next”圆桌对话中，姚顺雨与其他几位华人科学家（如林俊旸）探讨了中国AI的未来。虽然具体概率数值可能是林俊旸提出的（预测低于20%），但姚顺雨的观点与此高度共鸣，揭示了这一残酷现实的原因：

“富人”与“穷人”的区别： 美国头部实验室拥有海量算力，可以“浪费”在验证各种不确定的想法上；而中国公司算力捉襟见肘，只能赌确定性，很难进行高风险的范式探索。

同质化严重： 行业普遍存在“跟风”现象，缺乏定义新任务的能力。大家都在复刻ChatGPT，却很少有人思考“如何定义一个有价值的任务”。

总结

姚顺雨的这些观点实际上是在宣告AI“上半场”（拼参数、拼榜单）的终结。对于腾讯而言，这意味着战略重心的转移：不再盲目死磕大模型底座，而是利用微信等社交场景的海量数据，聚焦于打造能解决实际问题的Agent（智能体），实现从“聊天机器人”到“行动助手”的跨越。

6 ）中国台湾半导体产业“代工强IDM弱”的结构

核心原因解析

可以从以下几个关键层面来理解：

1. 历史与策略抉择

· 台湾代表路径： 台积电 (TSMC) 在1987年创立时，就明确选择了“纯晶圆代工”模式，只专注于制造，不涉及芯片设计，以此规避与客户的竞争。

· IDM典型路径： 以英特尔 (Intel)、三星 (Samsung) 为代表，这些巨头早期都是设计、制造、封装、销售全环节一手包办。

2. 商业模式的本质差异

· 台湾代工模式： 开放性平台。作为“所有人的晶圆厂”，吸引了全球芯片设计公司下单，形成庞大生态。

· 传统IDM模式： 内部闭环。早期能控制全流程，但随技术发展，面临投资巨大、技术迭代慢的风险。

3. 产业生态的支撑

· 台湾产业生态： 以台积电为核心，催生了繁荣的IC设计产业（如联发科）、以及强大的封测、设备、材料供应链。

· IDM所需环境： 需要同时拥有顶尖的芯片设计和芯片制造能力，且两者需长期紧密耦合、协同演进。

4. 技术路线的差异

· 硅基集成电路： 台积电在先进制程上的投资和专注是现象级的，其资本支出规模使竞争对手难以跟随。

· 第三代半导体： 在碳化硅 (SiC)、氮化镓 (GaN) 等领域，主要由欧美日IDM厂商主导。

IDM模式面临的挑战与产业趋势

事实上，IDM模式面临的挑战是全球性的。最显著的例子是，坚持了半个多世纪IDM模式的英特尔 (Intel)，其首席财务官在2025年公开表示将“永久使用台积电代工”，部分产品已采用台积电的5nm和3nm工艺。这清晰地表明，在尖端制程上，专业化分工已超越垂直整合，成为更高效的模式。

总结来说，台湾IDM弱，本质上是其代工模式极度成功的结果，而非发展上的“失败”。这种产业结构使台湾在全球半导体供应链中占据了难以替代的“制造核心”地位，但也使其在需要垂直整合与设计制造深度协同的领域（如高端存储芯片、第三代半导体）较少出现巨头。

7 ) 中国难以直接复制美国的高关税策略来迫使国际芯片供应商来华建厂

美国是利用其作为全球最大芯片消费市场的“买方优势”进行逼迫，而中国作为主要的芯片制造地和消费市场，选择的是一条以自主创新和构建完整产业链为核心的差异化道路。

中美策略核心差异对比

为了让你更清晰地理解这种差异，以下是中美两国策略在多方面的直接比较：

策略目标与逻辑

· 美国：迫使制造业回流，掌控先进制程，强化“技术国安”。

· 中国：实现科技自立自强，保障产业链安全，突破“卡脖子”环节。

核心手段

· 美国：以高关税（如拟议的100%）作为惩罚，对在美建厂者给予豁免。

· 中国：以大规模投资（如国家大基金）、市场准入、国产化采购和反制性贸易规则（如“流片地”原产地规则）为主。

依赖的基础

· 美国：全球最大终端消费市场（特别是高端芯片），政治与安全联盟。

· 中国：全球最大半导体消费市场之一、完整的工业体系与供应链基础、强大的国家动员与执行能力。

典型企业反应

· 美国：苹果、台积电、三星等为保住美国市场，承诺追加在美投资。

· 中国：华为、中芯国际、北方华创等本土企业在设计、制造、设备、材料全链条加速研发与替代。

潜在风险与挑战

· 美国：推高全球芯片及电子产品成本，可能削弱自身产业创新与全球领导力。

· 中国：在尖端设备（如EUV光刻机）、设计工具（EDA）和先进制程上仍面临短期技术瓶颈，需持续高强度投入。

中国实际采取的策略路径

面对技术封锁，中国没有简单效仿美国，而是结合自身优势，采取了一套组合策略：

1. 加速国产替代，用好国内市场：利用全球最大的芯片消费市场之一，为国产芯片提供“试错、迭代”的机会。通过修改原产地规则（以“流片地”为准），增加了美国芯片的进口成本，直接利好中芯国际、华虹等本土晶圆厂，并促使下游客户更积极采用国产芯片。

2. 构建“去中心化”的韧性生态系统：不同于美国依赖少数巨头（如英特尔、英伟达），中国正扶持多家企业在不同赛道（如华为昇腾用于AI、龙芯用于CPU、平头哥用于云计算）同步发展，形成分散但互补的产业格局，以避免被“一剑封喉”。

3. 长期高强度投入与产业链协同：通过国家集成电路产业投资基金（大基金）等进行大规模、长期的投资，聚焦设备、材料等薄弱环节。同时推动产业链上下游协同创新。

挑战与未来路径

中国的芯片自主化道路仍面临显著挑战，尤其是在极紫外（EUV）光刻机等尖端设备、部分核心工业软件（如EDA）以及最先进的半导体工艺制程方面，短期内仍难以完全摆脱外部依赖。

综合来看，中国的策略核心在于 “向内构建能力”而非“向外施压要价” 。未来路径可能集中在：

· 巩固成熟制程优势：在28纳米及以上等已实现自主可控的成熟制程领域，继续扩大产能和市场优势，服务好汽车、工业等市场需求。

· 突破先进技术瓶颈：持续通过国家支持和市场机制，在先进封装（Chiplet）、第三代半导体等可能“绕开”制程限制的领域寻求突破。

· 深化区域与国际合作：在与美国技术体系“脱钩”压力增大的同时，深化与欧洲、日韩及“一带一路”沿线国家的技术与产业链合作，构建多元化的供应链。

如果你想进一步了解中国在芯片制造某个特定环节（比如光刻机、芯片设计软件或原材料）的具体进展和挑战，我可以为你提供更详细的分析。

8 ) SK海力士无锡工厂完成DRAM制程升级（从1z nm到1a nm）

是一项在特定外部限制下的“技术突围”。简单来说，由于无法在中国境内直接使用关键设备 EUV，他们采取了一种“跨国接力”的特殊生产模式。

以下是具体的完成方式及背后的操作逻辑：

1. 核心策略：跨国“分段制造” (Split Manufacturing)

这是此次升级能够完成的关键。由于美国的出口管制，最先进的极紫外光刻（EUV）设备无法进入中国。为了解决这个问题，SK海力士将原本在单一工厂完成的流程拆分成了两部分：

韩国段（核心光刻）： 将无锡工厂生产的晶圆运往韩国工厂（如利川M14/M16厂），利用那里的EUV光刻机完成最关键的电路图案刻画（即EUV工艺步骤）。

无锡段（前后工序）： 完成除EUV以外的所有其他制造工序。晶圆在韩国完成EUV步骤后，再运回无锡工厂，进行后续的加工、蚀刻、封装等剩余流程。

2. 升级的具体成果

这种复杂的“折返跑”模式最终取得了实质性的成果：

 产能占比： 目前无锡工厂每月约18万至19万片12英寸晶圆的产能中，约90% 已经成功切换为1a nm工艺。

 产品性能： 1a nm是DRAM的第四代10纳米级工艺，相比之前的1z nm（第三代），其芯片性能更强、功耗更低，且每片晶圆能产出的芯片数量显著增加。

3. 为什么要这么做？（战略意义）

保住核心产能： 无锡工厂贡献了SK海力士全球DRAM产量的30%至40%。如果因为无法升级制程导致该厂技术落后，将严重影响SK海力士的全球竞争力和供应链稳定性。

规避风险： 尽管增加了跨国运输的成本和物流复杂性，但相比于放弃这座核心工厂或使其生产落后产品，这种“曲线救国”的方案在经济和战略上都是最优解。

总结

SK海力士并没有打破物理规则，而是通过灵活的供应链重组完成了升级。他们利用韩国的先进设备（EUV）和中国的成熟产线进行协同，形成了一条横跨黄海的“跨国生产线”，从而在遵守外部管制规则的同时，维持了无锡工厂的先进性。是一项在特定外部限制下的“技术突围”。简单来说，由于无法在中国境内直接使用关键设备，他们采取了一种“跨国接力”的特殊生产模式。

9 ）华为与英伟达的AI芯片路线图

10 ）2026，对AI的10个展望

1，在中国的算力基础设施上，训练出中国的下一代前沿模型。2026年是中国走向自主算力的元年，海外AI芯片在中国市场上份额显著下降，自主设计、制造和封装的AI芯片将占据市场主流，国产万卡乃至十万卡集群出现。芯片算力系统与中国本土的前沿大模型协同设计，形成中国的AI生态，最重要的标志，是用中国的本土基础设施训练出前沿模型。

2，更强算力推动前沿大模型继续扩展。英伟达新一代GPU和谷歌TPU定制芯片，继续扩展模型预训练、后训练和测试时计算，并从单一模型向系统扩展。OpenAI与谷歌DeepMind将综合竞争制高点。前沿模型在原生多模态、复杂长链任务准确性、更长上下文、更强的记忆、持续学习、世界模型等领域扩展上限，并解锁出新的场景。新型AI实验室将探索出下一代AI范式，到2026年底，可验证性能有可能加速提升。

3，中国开源模型加速落地场景，美国形成新的阵型。DeepSeek、通义千问、Kimi等引领中国开源模型军团继续保持领先，阵容扩大; 更开放和更低门槛的基础设施和工具，帮助降低微调和蒸馏的门槛，成为落地场景加速器。美国的开源模型也在形成新的阵型，英伟达Nemotron将跻身一流，公开预训练和后训练数据；谷歌的Gemma，OpenAI的gpt-oss，以及明年Meta发布Avocado新模型后，其Llama开源模型家族的下一步，仍值得关注。

4，终端设备开始构建出真正的个人AI体验。AI向终端设备全面部署，成为消费者随身携带的智能体，是最为确定的大规模应用。除了运行在用户电脑上的智能体之外，厂商对AI手机、眼镜和其他AI原生硬件的设计更为积极活跃。中国是全球AI设备供应链的中心。苹果和谷歌可能真正启动软硬件消费AI市场。OpenAI将首次发布原生AI硬件。AI眼镜拍摄成为主流，品牌进一步丰富。

5，编程成为首个实际工作达到人类水平的AI应用。AI在数学和编程的成功，将会延伸到更多可验证领域。测评分数迅速饱和，难度更大的新基准将出现，其中包括更具实际工作意义的评价基准，引导智能体在研究、科学、服务等更多其他可验证领域创造经济价值。

6，训练数据来源从互联网转向环境。用于训练大模型的高质量互联网与公开文本数据基本耗尽。AI的学习，正在从接受公开数据灌输进入“经验时代”，即越来越多地从自己的试错中学习，更加依靠可验证合成数据。决定模型上限的，将不是谁拥有更多现成数据，而是谁具备构建环境、生成任务、吸收失败并持续产生学习信号的系统能力。而那些体现行业深度技艺和组织内部知识的非公开数据，构筑起AI竞争的壁垒。

7，政府和前沿AI实验室推进科学智能，加速科学发现。中国和美国从推出科学智能的政策阶段，进入到汇聚资源、组织实施阶段，谋求战略技术新制高点。一些科技巨头和领先的AI实验室利用算力优势，借助AI模型及工具加速研发进程，以新范式引领，努力在一些重要领域取得突破，如生命科学、材料科学、量子计算、气候变化等。

8，全球采用智能体的大型企业超过一半。人与AI开始认真磨合协作。智能体不是简单替代人类，人类也不是简单地使唤智能体去干活。企业开始既不把它当成工具，也不把它当成员工，而是改变传统的管理框架，新建协作关系，包括重新设计工作流程、角色、治理和学习机制，这一磨合过程将需要时间。

9，AI应用进展和基础设施投资存在不确定性，做空压力伴随AI。AI处于炒作高潮和短期高估阶段，已经具体表现为目前AI测评得分与工作表现脱节，芯片库存周期、数据中心建设周期、电力基础设施投资周期之间难以匹配。OpenAI 的资金链、甲骨文的负债和数据中心交付、和英伟达的GPU库存情况，将是足以影响整个AI生态、进而影响市场甚至经济的重要信号。

10，AI与电力系统更深度融合，形成智与能的革命。电力成为最重要的AI基础设施，美国数据中心建设达到高潮，电力短缺加剧；中国也正在通过全国性机制设计解决清洁电力供给问题。数据中心的耗电量和能量密度越来越大，将建立端到端的高压直流配电体系，以及不同层级的储能与冷却系统。更加分布式与多元异构的电力系统，在电力稳定 、廉价、绿色的不可能三角中，也日益依赖AI优化运营管理。数据中心成为“新物种”，将在AI基础设施与新型电力体系的协同演进中，发挥越来越关键的作用。

莫大康：浙江大学校友，求是缘半导体联盟顾问。亲历50年中国半导体产业发展历程的著名学者、行业评论家。