荷兰政府花200亿挽留ASML，但光刻机巨头依然执意出走。这背后不仅是政策分歧，更是生存危机。

芯片作为命脉，已成博弈焦点。美国升级管制，让ASML痛失巨额订单并面临售后断供；而200亿的挽留，在AI浪潮前实在苍白。

接下来的内容将从更深层的角度展开这个话题。这一切，要从大厂们的疯狂说起。

亚马逊、Meta、谷歌、微软四大科技巨头今年的资本支出加起来约6000亿美元，算上供应链其他部分，总规模能到万亿美元级别。很多人以为这些钱都用来买今年上线的芯片，其实并非如此。

其中很大一部分属于前置投入：比如谷歌的1800亿美元支出里，有2028、2029年的涡轮机定金，有2027年的数据中心建设款，还有购电协议的预付款。

美国今年新增的算力容量约二十几吉瓦，这些算力的支出有一部分其实是去年就支付的，所有超大规模云厂商都在为未来几年的高速扩张提前布局。

目前OpenAI的算力规模在1.5-2.5吉瓦左右，Anthropic的规模相近，两家都在疯狂扩张。按Anthropic最近的营收增长速度推算，接下来十个月他们的营收会增加600亿美元。

按照他们的毛利率，这部分营收需要约400亿美元的算力支出来支撑推理，换算下来至少要新增4吉瓦的算力容量，还不算研发和训练集群的需求。

谁能抢到芯片谁就能主导未来，这也让光刻机成了要命的资源。

Anthropic CEO之前在算力扩张上非常保守，他不想因为营收波动破产，一直坚持负责任的扩张节奏。但现实是他的动作比OpenAI慢了半拍，到今年年底，OpenAI能拿到的算力访问权限会比Anthropic多得多。

OpenAI找供应商的策略非常激进，除了微软、谷歌、亚马逊这些传统大厂，还和CoreWeave、甲骨文合作。甚至找了完全没有数据中心建设经验的软银能源、Nscale等公司，为自己新建数据中心拿算力。

而Anthropic之前只愿意和谷歌、亚马逊这种最高质量的供应商合作，现在缺算力的情况下，只能找以前看不上的低质量供应商，或者买现货算力。

现货算力的价格比提前签长期合同贵得多，甚至要付50%的溢价，要么直接给高价，要么走云厂商的服务分营收，这些成本本来是可以避免的。

去年下半年市场还曾担心OpenAI签了太多算力协议付不起钱，导致甲骨文、CoreWeave的股价大跌，信用市场震荡。现在OpenAI融了大笔资金，市场信心立刻反转，反而Anthropic因为之前太保守，陷入了算力不足的被动局面。

算力的抢夺战，也让光刻机背后的硬件价值被彻底重估。

华尔街空头一直有个观点：GPU技术迭代快，折旧周期只有2-3年，云服务商的资本支出回报率很低。但实际情况并非如此，GPU的价值不取决于硬件本身的新旧，而取决于能从芯片里榨取多少价值。

以H100为例，运行GPT-4O能产生的token数量远多于运行GPT-4，而且GPT-4O的服务成本更低、质量更高，能覆盖的市场规模也大得多。只要模型能产生的价值在提升，旧GPU的价值不仅不会贬值，反而可能升高。

如果未来能在服务器上运行数字人类级别的模型，一块H100几个月就能回本，根本不存在提前折旧报废的问题。现在只有OpenAI和Anthropic意识到了这一点，随着时间推移，哪怕是开源模型的玩家也会发现，每块GPU的价值是在飞速上涨的，提前锁定算力非常划算。

还有一个有趣的经济学效应叫阿尔钦-艾伦效应，套用到AI领域就是：如果GPU价格上涨，人们会更愿意为了更好的模型多付钱。

反正算力已经很贵了，不如多花一点点，用上最好的模型，而不是退而求其次选差一点的。

这也是为什么现在所有的AI收入都集中在最好的几款模型上，提前签了长期算力合同的公司，会锁定巨大的利润优势。比如CoreWeave98%以上的算力合同都是三年以上的长期合同，虽然没法灵活调价，但他们的成本被锁在了低位，利润会越来越高。

但无论下游怎么疯狂，产业链的命门依然攥在荷兰巨头手里。

很多人以为算力扩张的瓶颈是电力和数据中心，其实不然，交期最长、最难突破的是半导体供应链本身。建一个数据中心最快只需要8个月，而建一座晶圆厂需要2-3年，制造光刻机的周期更长。

现在全球的EUV光刻机只有荷兰ASML能生产，每台售价3-4亿美元，目前每年产能约70台，明年到80台，就算激进扩张，到2030年每年也只能生产100台多一点。

制造1吉瓦容量的英伟达最新芯片，需要大约5.5万片3纳米晶圆、6000片5纳米晶圆、17万片DRAM内存晶圆，总共需要约200万次EUV曝光。一台EUV机器满负荷运行，一年大约能支撑0.28吉瓦的算力，3.5台EUV才能支撑1吉瓦的算力。

也就是说，价值500亿美元的1吉瓦数据中心，背后的核心瓶颈是价值12亿美元的3.5台EUV光刻机，这是整个供应链最卡脖子的环节。

ASML的EUV机器已经出货10年了，但直到2020年才进入大规模量产，现在的新机器在套刻精度、产能上比老机器强很多，价格涨幅却远低于性能涨幅。

ASML并没有靠垄断地位疯狂涨价，始终在给客户让渡利润，这也是整个半导体行业目前还能快速扩张的原因之一。很多人问ASML为什么不疯狂扩产？答案是供应链太复杂了。

一台EUV有四个核心部件：光源由美国圣地亚哥的Cymer制造，掩膜台在美国康涅狄格州制造，晶圆台和光学器件在欧洲制造，全链条有超过1万家供应商。

尤其是蔡司制造的反射镜，精度要求达到亚纳米级，每台机器需要18个，全是手工级别的制造工艺，根本没法快速扩产。

而且操作这些设备的都是顶级专业人才，没法短时间培训出来，整个供应链的反应速度远远跟不上AI算力的需求增长。

现在整个链条的传导是：OpenAI、Anthropic知道自己需要多少算力，英伟达的产能已经比需求少一截，再往下的晶圆厂、设备商产能更少，大家都还没被AGI的需求完全“洗脑”，扩张意愿不足。

产能如此金贵，面临选边站队的ASML更不愿被困在老家。

目前中国还没有完整的本土化半导体供应链，所有7纳米和14纳米产能用的还是ASML的DUV光刻机。到2030年，中国肯定会有完全本土化的DUV光刻机，也会有能运行的EUV光刻机，但大概率没法大规模量产。

ASML在2010年代初就造出了能用的EUV，但花了5-7年才实现大规模量产，中国要走完这个过程也需要时间。

现在中美AI的差距正在被算力拉开，OpenAI、Anthropic到明年年底都会拥有十几吉瓦的算力，中国AI实验室的算力扩张速度远没有这么快。

而且未来大模型的训练推理越来越难靠蒸馏追赶，美国模型的能力壁垒会越来越高，再加上美国大厂每年投入近万亿美元建设数据中心，算力优势会越来越大。

但如果AGI的落地时间线拉长到2035年，中国有足够的时间补全半导体供应链，凭借规模和本土化优势，反而可能实现反超。简单来说就是：AGI落地越快，美国的优势越大；落地越慢，中国的追赶空间越大。

这种战略博弈，彻底改变了全球版图。ASML执意搬走，是企业在惊涛骇浪中的无奈之举。

当芯片成为新时代的石油，留在一个无法提供战略保护的“老家”，只会沦为牺牲品。

200亿挽留无效，是因为它买不来最需要的生存空间。这场出走，正是博弈重塑产业链的写照。