把时光倒回2009年，芯片（集成电路）进口额首次超过原油，成为中国进口额最大的商品。到了2016年，中国芯片进口金额为2270亿美元，已是同期原油进口额的两倍●▲△。此后，芯片就一直是中国最大宗的进口商品△▪。2024年中国的芯片进口额为3856亿美元（约2.8万亿元人民币）□，同比上升9.5%▼■◇。

　　这背后是中国作为“世界工厂▲◇”对核心电子元器件的巨大需求，以及无法自给而需要大量依靠进口的无奈。

　　但是，变化悄然发生。来自海关总署的数据显示，2024年中国芯片出口额达1595亿美元（约1.2万亿元人民币），增速达17○◇•.4%◆■◇，首次超过手机成为第一大出口商品。到今年前三季度，中国芯片进口额是3055亿美元，同比增长8.8%；出口额为1450亿美元，同比增速为23▷•.3%。“中国芯”正在稳步走向世界。

　　这些数字的变化，可以说是中国从□●“制造大国”向▷□“制造强国”转型的一份生动写照。那么，一颗小小的芯片为何有如此巨大的能量=●？“中国芯”的机遇与挑战在哪里？

　　可以毫不夸张地说，我们每天都被无数的芯片包围着。从你无法离身的手机●、智能手表◆、耳机、门禁卡，到家中的空调、电视=、洗衣机▽、LED灯◇，再到出行的共享单车=、汽车、飞机、高铁，当然还有工厂的流水线、机械臂，甚至天上的卫星……芯片已经无处不在。

　　芯片是内含一个或多个集成电路（IC）的半导体元件产品的统称。它是集成电路的载体，是集成电路经过设计、制造、封装=■▲、测试等一系列复杂工艺流程后，形成的可立即使用的独立整体-☆○。由于其在电子设备中扮演着举足轻重的角色▷□▼，因此，这个“芯”也常常被拿来与人的心脏做类比。

　　要制造出一颗芯片，打个比方来说◆□…，就像是要建设一座城市：衬底材料（如硅）是城市的◆“地基”▪▲；数以亿计的晶体管是城市的-“交通信号灯▪△”和“房屋◁◇-”，控制着电流（信息）的通行、存储和加工；内部错综复杂的金属导线则是城市的○△…“道路网络”□★=，确保信息能准确快速送达。

　　芯片的大小又常常如指甲盖般大小，甚至更小，要在其上打造一座复杂的▼“微缩城市…▽◇”，制造难度可想而知。

　　一颗芯片需要通过光刻、蚀刻、离子注入等数百道工序▷◆•，层层叠加，最终形成纳米（nm）级（注：1纳米等于十亿分之一米，相当于头发丝直径的六万分之一△-，现在已经量产的最小制程芯片是2nm）的复杂结构。因此，芯片也被称为是制造业“皇冠上的明珠”●△◁。

　　这也决定了芯片产业▽□，尤其是先进制程芯片和高端芯片需要巨额的资金、技术和人才投入，而一旦技术突破并占据市场★，将带来丰厚的回报，甚至有可能形成技术壁垒和生态控制权。这也是英伟达（NVIDIA）能够成为全球首家市值突破5万亿美元公司的主要逻辑，即其在AI训练芯片领域的优势地位及其CUDA生态的巨大价值。

　　根据世界半导体贸易组织（WorldSemiconductorTradeStatistics，WSTS）的分类，芯片主要有四大类：一是模拟芯片（Analog），主要应用于传感器◁、电源管理、运算放大器等领域；二是微型芯片（Micro），包括微处理器（如用于电脑□、手机、服务器的CPU、GPU）◁、微控制器（如用于汽车电控、机器人=▷、智能家电的MCU）等◆-•，核心功能为计算与控制；三是逻辑芯片（Logic）=，常见于数字电路设计▪；四是存储芯片（Memory）用于数据存储◆…，包括内存（DRAM）、闪存（NAND）等。

　　不过▲□，在日常语境中，芯片更多是按照功能去做更细致的分类=…★。而且各类芯片也很少是独角戏，而是分工合作，各司其职。比如，一部手机可能包含了数百颗芯片，一台新能源汽车则有可能需要上千颗芯片。

　　所以▽，芯片产业很难赢者通吃，每一条细分赛道都会出现占据主导地位的“头部玩家”▷○•。而且，芯片涉及漫长的产业链，全球化布局程度很高，从一粒“沙”到一颗“芯”可能涉及多个国家的许多上下游企业。这也是为什么疫情期间会出现这样的情况：一家泰国芯片封装工厂因疫情停工，几万公里之外的美国车企也要因为△□“缺芯”跟着停工。

　　当然◁▪-，芯片的技术也在不断演进◁◇■，在成熟的技术路线上，摩尔定律依旧在延续，性能不断提升，制程不断缩小，持续拉高芯片能力的边界◆。

　　但新材料和新架构也在不断涌现。虽然硅基芯片仍是主流=…，但碳化硅（SiC）、氮化镓（GaN）等新材料在特定场景展现独特优势。新架构也不断涌现，如针对AI计算的NPU（神经网络处理器）等。

　　芯片是信息技术产业的基石☆◇▪，其发展水平直接决定了数字经济的硬实力。◇“缺芯少魂”曾经是几代国人心中的痛。近年来，国际政治经济形势日趋复杂，地缘政治与经济技术博弈交织◆▽◁，尤其是芯片断供等“卡脖子”情况的出现□◆○，让自上而下实现科技自立自强的愿望和期待都十分强烈▼◆。

　　从近年来的进口数据看，我国芯片进口的“大头”是处理器、控制器和存储器这类设计和制造工艺较为复杂的高端芯片◁-。

　　这主要是因为我国在先进制程（如7nm以下）芯片制造上与国际顶尖水平尚有差距◁。而中国又是全球最大的消费电子△■、计算机和通信设备生产国，对高端芯片有着巨大的刚性需求。

　　从近年来的出口数据看…▷•，我国芯片出口的◆○▲“大头”是成熟制程芯片（如28nm及以上），这主要得益于中国强大制造能力和成本优势。尤其是近年来，全球基础工业控制、智能家居家电▽○、物联网等需求增长，带动了成熟制程芯片的需求增长，而性价比优势突出的“中国芯▼▪”展现出了不俗的竞争力▪。此外，中国企业积极◁◁“出海”布局全球，也带动了“中国芯”的出口○。

　　不过，更值得关注的是，目前整体占比仍是-“小头=▲◆”但增长却十分迅猛的第三代半导体▼。

　　简单来说，第一代半导体是由硅（Si）主导的，通常用来做信息处理，像人的“大脑”，比如手机和电脑的CPU。经过多年技术发展和产业积累▪，硅基芯片成本低、技术极其成熟，又能集成上百亿个晶体管，因此●，硅基芯片一直是市场的主流■…▽。

　　第二代半导体由砷化镓（GaAs）等主导，主要用来做信息传输，像人的“嘴巴和耳朵▽★○”，其处理高频信号的能力远胜于硅，比如无线通信的射频芯片。

　　第三代半导体由碳化硅（SiC）和氮化镓（GaN）等主导=▪，主要用来做能量控制◆▼，像人的•“心脏和肌肉”，其“宽禁带•”特性使得它们非常▷“坚强”，能够承受极高的电压▽-、温度和频率，同时能量损耗更小。因此，目前第三代半导体芯片正广泛应用于新能源汽车、5G基站、光伏、储能、快充等领域，而这些正是近年来以“新三样”为代表的中国制造“出海▲”的主力领域。

　　但需要注意的是▼--，第一、二、三代半导体芯片并不是▷◁“替代”关系，而是“分工”与“合作”的关系。业界普遍认为，第三代半导体芯片与未来产业趋势深度绑定，其关联的领域正是中国致力于抢占全球制高点的核心产业，因此也是中国在芯片领域实现“换道超车”的重要赛道。

　　当然，挑战也是存在的。比如…◆▷，第三代半导体相对于规模大、技术成熟的硅基半导体的成本还比较高□☆。不过，南砂晶圆等多家产业链企业负责人告诉记者，通过产业链上下游的共同努力，目前第三代半导体芯片的成本已经有了大幅降低，而且随着产量规模扩大和技术进步，相信未来与硅基芯片的成本差距不会太大。

　　从寒武纪问鼎A股◁●▲“新股王”，到中芯国际☆★▷、海光信息等老玩家股价连创新高，再到摩尔线程、沐曦股份、壁仞科技等新贵被各方资本追逐。今年以来▲△…，芯片可以说是资本市场的超级“宠儿”▽。

　　芯片产业的热度背后，是国家战略△●、市场需求△、技术创新的多重力量交织▪，尤其是AI芯片，更是被视为●•☆“未来之战”。一方面，复杂的国际环境让供应链自主可控成为产业发展重心，另一方面，随着AI时代的加速到来和大模型的崛起=◆，带来了前所未有的算力需求，尤其是国内市场对高性能AI芯片的替代需求非常迫切。这对于芯片产业来说，既是挑战◇★，也是机遇。

　　海光信息智算产品总监贺群告诉本刊记者==●，满足AI计算需求的主要有两大类芯片产品○▲…：CPU(中央处理器)和AI加速卡（GPU等）。

　　“你可以把CPU理解为一个大学生，它可以完成高难度的复杂计算，要会做微积分、线性代数；而GPU则像是一个小学生•▷，它做的事情并不复杂，可能就是10以内的加减法，但需求量非常大，而且需要并行（同时）完成…▪■。■△”他说。

　　据贺群介绍，GPU（图形处理器）最初主要用于图形渲染和处理○…，但由于其处理图像像素的方式▽•▲，即大量同质化计算，与AI所需的算法高度契合，因此现在被大量用于AI计算▽。

　　贺群还说，两者并不是替代关系。在实际任务中○，CPU和各类AI加速卡是协同工作的●◇…“最佳拍档”。CPU是▲☆◇“总指挥”，它运行操作系统…▷▪，调度整个计算任务，从硬盘或网络加载数据•●◁，并进行必要的数据预处理•，然后将计算任务和准备好的数据交给AI加速卡▪。AI加速卡（如GPU）凭借其数千个计算核心，针对海量数据进行大规模并行计算。最后△，GPU计算完成后会将结果返回给CPU，由CPU进行后续的逻辑判断、结果输出或存储等操作。

　　○◇“就像一道题目，先由大学生进行分析拆解，变成简单任务交给几千个小学生同时计算，然后结果再由大学生进行确认。所以☆，这就需要●‘大学生’（CPU）越来越聪明，而◇‘小学生’（AI加速卡）的数量越多越好，因为1万个小学生肯定比5000个算得快，而且还要能高效协同。”贺群如是解释两者的技术进步方向。

　　随着AI算力需求猛增和场景需求的多样化，GPU也发展出不同的模式。一是通用模式（GPGPU），如英伟达、AMD、海光信息等▲●■。其优势在于通用性强和开发生态成熟，无论是训练还是推理●，各种AI模型都能在GPGPU架构上高效运行。但也因此，它在极致能效上可能不如专用芯片。

　　而专用芯片（ASIC、FPGA◇□•、NPU等），是指为特定应用量身定制的芯片，集中在某一领域追求极致能效，如谷歌、华为▽--、寒武纪等。其优势是一旦算法稳定且大规模部署可以实现更好的计算效率和能效比，但开发周期长◇☆◇、成本高◇☆，只能适配特定场景。

　　贺群介绍说◆★，芯片企业之间比拼的并非只是硬件的性能■☆，它还需要软件的优化，去更好发挥硬件能力。此外，也需要产业链乃至生态的协同。●▽-“就像英伟达的竞争壁垒不只芯片•，还有CUDA系统和生态，甚至这才是更难逾越的‘护城河•=△’•△▪。”他说。

　　面向未来，贺群认为▪，AI芯片的想象力不只是大模型，从具身智能到低空经济再到空天计算★，越来越多的场景都会推高AI算力需求，因此，AI芯片在相当长的周期里，还会有很大的增长空间。

　　至于当下的资本热浪，贺群认为终会回归理性。“现在一个新公司声称做了新材料▼、新架构就能在一级市场拿到融资的已经不多了。因为大家已经明白，芯片是一个‘长坡厚雪’的赛道■★，不是一家新公司靠一个□☆‘金点子’就能成功的▼=，而是需要多年积累才能真正形成竞争力■■。”他说。

　　把时光倒回2009年，芯片（集成电路）进口额首次超过原油，成为中国进口额最大的商品。到了2016年=，中国芯片进口金额为2270亿美元，已是同期原油进口额的两倍--▷。此后，芯片就一直是中国最大宗的进口商品。2024年中国的芯片进口额为3856亿美元（约2.8万亿元人民币），同比上升9=◁★.5%◆•。

　　这背后是中国作为“世界工厂•”对核心电子元器件的巨大需求，以及无法自给而需要大量依靠进口的无奈。

　　但是，变化悄然发生。来自海关总署的数据显示，2024年中国芯片出口额达1595亿美元（约1.2万亿元人民币），增速达17.4%△•，首次超过手机成为第一大出口商品。到今年前三季度▲-△，中国芯片进口额是3055亿美元，同比增长8.8%；出口额为1450亿美元，同比增速为23.3%-•○。“中国芯”正在稳步走向世界■★。

　　这些数字的变化，可以说是中国从“制造大国”向“制造强国”转型的一份生动写照○。那么，一颗小小的芯片为何有如此巨大的能量？“中国芯”的机遇与挑战在哪里？

　　可以毫不夸张地说，我们每天都被无数的芯片包围着。从你无法离身的手机、智能手表、耳机、门禁卡•◇△，到家中的空调、电视、洗衣机、LED灯，再到出行的共享单车●•▷、汽车、飞机、高铁，当然还有工厂的流水线、机械臂，甚至天上的卫星……芯片已经无处不在。

　　芯片是内含一个或多个集成电路（IC）的半导体元件产品的统称。它是集成电路的载体，是集成电路经过设计、制造、封装▪▽、测试等一系列复杂工艺流程后，形成的可立即使用的独立整体▲。由于其在电子设备中扮演着举足轻重的角色，因此，这个“芯”也常常被拿来与人的心脏做类比。

　　要制造出一颗芯片，打个比方来说▲，就像是要建设一座城市◆□●：衬底材料（如硅）是城市的“地基”；数以亿计的晶体管是城市的“交通信号灯”和☆◁“房屋”，控制着电流（信息）的通行☆=☆、存储和加工；内部错综复杂的金属导线则是城市的“道路网络”，确保信息能准确快速送达。

　　芯片的大小又常常如指甲盖般大小，甚至更小，要在其上打造一座复杂的“微缩城市☆▪”◆-，制造难度可想而知◆•★。

　　一颗芯片需要通过光刻、蚀刻、离子注入等数百道工序•，层层叠加▪，最终形成纳米（nm）级（注：1纳米等于十亿分之一米，相当于头发丝直径的六万分之一，现在已经量产的最小制程芯片是2nm）的复杂结构。因此，芯片也被称为是制造业“皇冠上的明珠-▽•”-。

　　这也决定了芯片产业，尤其是先进制程芯片和高端芯片需要巨额的资金■、技术和人才投入，而一旦技术突破并占据市场，将带来丰厚的回报，甚至有可能形成技术壁垒和生态控制权。这也是英伟达（NVIDIA）能够成为全球首家市值突破5万亿美元公司的主要逻辑△○☆，即其在AI训练芯片领域的优势地位及其CUDA生态的巨大价值•▪。

　　根据世界半导体贸易组织（WorldSemiconductorTradeStatistics，WSTS）的分类，芯片主要有四大类：一是模拟芯片（Analog）◇☆-，主要应用于传感器、电源管理▷、运算放大器等领域▼◆；二是微型芯片（Micro），包括微处理器（如用于电脑•、手机、服务器的CPU、GPU）▽、微控制器（如用于汽车电控、机器人、智能家电的MCU）等☆☆★，核心功能为计算与控制；三是逻辑芯片（Logic），常见于数字电路设计-△；四是存储芯片（Memory）用于数据存储，包括内存（DRAM）、闪存（NAND）等。

　　不过，在日常语境中，芯片更多是按照功能去做更细致的分类。而且各类芯片也很少是独角戏◇◇，而是分工合作▼，各司其职。比如，一部手机可能包含了数百颗芯片▷，一台新能源汽车则有可能需要上千颗芯片。

　　所以，芯片产业很难赢者通吃，每一条细分赛道都会出现占据主导地位的“头部玩家◆▪”▷▪○。而且，芯片涉及漫长的产业链◇▪…，全球化布局程度很高…☆，从一粒“沙○☆”到一颗“芯○=☆”可能涉及多个国家的许多上下游企业。这也是为什么疫情期间会出现这样的情况○：一家泰国芯片封装工厂因疫情停工，几万公里之外的美国车企也要因为▼-“缺芯”跟着停工▪☆。

　　当然，芯片的技术也在不断演进，在成熟的技术路线上，摩尔定律依旧在延续◆，性能不断提升，制程不断缩小，持续拉高芯片能力的边界。

　　但新材料和新架构也在不断涌现。虽然硅基芯片仍是主流，但碳化硅（SiC）★◁▽、氮化镓（GaN）等新材料在特定场景展现独特优势•◇。新架构也不断涌现，如针对AI计算的NPU（神经网络处理器）等。

　　芯片是信息技术产业的基石•▽○，其发展水平直接决定了数字经济的硬实力。“缺芯少魂”曾经是几代国人心中的痛。近年来，国际政治经济形势日趋复杂▽•，地缘政治与经济技术博弈交织•，尤其是芯片断供等“卡脖子☆”情况的出现，让自上而下实现科技自立自强的愿望和期待都十分强烈•●□。

　　从近年来的进口数据看，我国芯片进口的“大头☆▷”是处理器、控制器和存储器这类设计和制造工艺较为复杂的高端芯片▽★…。

　　这主要是因为我国在先进制程（如7nm以下）芯片制造上与国际顶尖水平尚有差距。而中国又是全球最大的消费电子、计算机和通信设备生产国，对高端芯片有着巨大的刚性需求◇▲★。

　　从近年来的出口数据看•■，我国芯片出口的“大头”是成熟制程芯片（如28nm及以上），这主要得益于中国强大制造能力和成本优势。尤其是近年来，全球基础工业控制、智能家居家电、物联网等需求增长，带动了成熟制程芯片的需求增长=，而性价比优势突出的“中国芯”展现出了不俗的竞争力。此外，中国企业积极“出海”布局全球◇▪，也带动了“中国芯”的出口。

　　不过，更值得关注的是，目前整体占比仍是“小头★•”但增长却十分迅猛的第三代半导体。

　　简单来说，第一代半导体是由硅（Si）主导的，通常用来做信息处理，像人的▼☆“大脑”，比如手机和电脑的CPU。经过多年技术发展和产业积累▷，硅基芯片成本低、技术极其成熟▼，又能集成上百亿个晶体管▽，因此■★，硅基芯片一直是市场的主流。

　　第二代半导体由砷化镓（GaAs）等主导，主要用来做信息传输，像人的“嘴巴和耳朵”，其处理高频信号的能力远胜于硅，比如无线通信的射频芯片。

　　第三代半导体由碳化硅（SiC）和氮化镓（GaN）等主导▷■●，主要用来做能量控制，像人的•▲□“心脏和肌肉”●□•，其□△□“宽禁带”特性使得它们非常“坚强”△，能够承受极高的电压、温度和频率•=，同时能量损耗更小。因此，目前第三代半导体芯片正广泛应用于新能源汽车、5G基站△□、光伏、储能、快充等领域，而这些正是近年来以“新三样”为代表的中国制造-•□“出海◁”的主力领域-▷☆。

　　但需要注意的是▽，第一、二★□、三代半导体芯片并不是“替代▷★▷”关系，而是“分工•○…”与“合作”的关系。业界普遍认为，第三代半导体芯片与未来产业趋势深度绑定，其关联的领域正是中国致力于抢占全球制高点的核心产业，因此也是中国在芯片领域实现•“换道超车”的重要赛道。

　　当然◆…▼，挑战也是存在的■。比如，第三代半导体相对于规模大、技术成熟的硅基半导体的成本还比较高★。不过-○，南砂晶圆等多家产业链企业负责人告诉记者，通过产业链上下游的共同努力，目前第三代半导体芯片的成本已经有了大幅降低△•，而且随着产量规模扩大和技术进步，相信未来与硅基芯片的成本差距不会太大●☆☆。

　　从寒武纪问鼎A股▲“新股王”，到中芯国际○★、海光信息等老玩家股价连创新高，再到摩尔线程、沐曦股份、壁仞科技等新贵被各方资本追逐。今年以来◁▽，芯片可以说是资本市场的超级▲◁-“宠儿●”□▪。

　　芯片产业的热度背后，是国家战略△-、市场需求、技术创新的多重力量交织，尤其是AI芯片，更是被视为▷…“未来之战”。一方面，复杂的国际环境让供应链自主可控成为产业发展重心-，另一方面，随着AI时代的加速到来和大模型的崛起，带来了前所未有的算力需求■•▪，尤其是国内市场对高性能AI芯片的替代需求非常迫切。这对于芯片产业来说，既是挑战◇，也是机遇。

　　海光信息智算产品总监贺群告诉本刊记者●■，满足AI计算需求的主要有两大类芯片产品▲…☆：CPU(中央处理器)和AI加速卡（GPU等）。

　　▪“你可以把CPU理解为一个大学生，它可以完成高难度的复杂计算，要会做微积分、线性代数；而GPU则像是一个小学生…□◆，它做的事情并不复杂，可能就是10以内的加减法，但需求量非常大-，而且需要并行（同时）完成。”他说。

　　据贺群介绍，GPU（图形处理器）最初主要用于图形渲染和处理，但由于其处理图像像素的方式◆，即大量同质化计算，与AI所需的算法高度契合，因此现在被大量用于AI计算☆。

　　贺群还说，两者并不是替代关系。在实际任务中，CPU和各类AI加速卡是协同工作的●▲-“最佳拍档”▷●▽。CPU是■△“总指挥”，它运行操作系统，调度整个计算任务☆○，从硬盘或网络加载数据，并进行必要的数据预处理，然后将计算任务和准备好的数据交给AI加速卡◆◆▲。AI加速卡（如GPU）凭借其数千个计算核心◇，针对海量数据进行大规模并行计算。最后，GPU计算完成后会将结果返回给CPU•，由CPU进行后续的逻辑判断★▼、结果输出或存储等操作。

　　“就像一道题目▪■▽，先由大学生进行分析拆解，变成简单任务交给几千个小学生同时计算，然后结果再由大学生进行确认▪◇。所以◆△◆，这就需要‘大学生=■☆’（CPU）越来越聪明，而-=‘小学生’（AI加速卡）的数量越多越好，因为1万个小学生肯定比5000个算得快，而且还要能高效协同◁□。”贺群如是解释两者的技术进步方向。

　　随着AI算力需求猛增和场景需求的多样化○，GPU也发展出不同的模式▷■。一是通用模式（GPGPU），如英伟达、AMD、海光信息等。其优势在于通用性强和开发生态成熟，无论是训练还是推理，各种AI模型都能在GPGPU架构上高效运行●。但也因此•■，它在极致能效上可能不如专用芯片。

　　而专用芯片（ASIC•▼•、FPGA、NPU等），是指为特定应用量身定制的芯片，集中在某一领域追求极致能效▪●，如谷歌、华为●•、寒武纪等。其优势是一旦算法稳定且大规模部署可以实现更好的计算效率和能效比，但开发周期长、成本高，只能适配特定场景。

　　贺群介绍说○，芯片企业之间比拼的并非只是硬件的性能，它还需要软件的优化▽…●，去更好发挥硬件能力▷。此外，也需要产业链乃至生态的协同。▪◁“就像英伟达的竞争壁垒不只芯片◁，还有CUDA系统和生态，甚至这才是更难逾越的‘护城河’◇◇。••”他说。

　　面向未来◇▲○，贺群认为，AI芯片的想象力不只是大模型，从具身智能到低空经济再到空天计算，越来越多的场景都会推高AI算力需求☆○，因此，AI芯片在相当长的周期里，还会有很大的增长空间▪▼☆。

　　至于当下的资本热浪▽•▲，贺群认为终会回归理性。“现在一个新公司声称做了新材料、新架构就能在一级市场拿到融资的已经不多了。因为大家已经明白，芯片是一个‘长坡厚雪●’的赛道，不是一家新公司靠一个…▼☆‘金点子○•’就能成功的，而是需要多年积累才能真正形成竞争力。▷-”他说。