2018 年 4 月，中兴事件爆发，美国政府对中兴通讯实施为期 7 年的核心元器件禁运，一夜之间，这家全球第四大通信设备制造商陷入停摆危机。这场刺痛整个中国制造业的事件，让全社会第一次清醒地认识到：没有自主可控的芯片产业，再庞大的制造业体系也只是建立在沙滩上的高楼。

同年，格力电器董事长董明珠在央视节目中掷下震撼全国的豪言：“即便投资 500 亿，也要把芯片研究成功。”

这句话不仅是一位企业家的决心，更是一个时代的集体呐喊。从那时起，中国芯片产业开启了艰难却坚定的自主突围之路。

大模型推理能力专项排行榜（图源来自于网络）

8 年过去，当 AI 大模型掀起新一轮科技革命，芯片的重要性被推到了前所未有的高度。

全球 AI 算力中心万亿美金级别的硬件投资正在重塑整个半导体产业格局，英伟达凭借 GPU 垄断成为全球市值最高的公司之一，而在这场轰轰烈烈的算力竞赛背后，一个被绝大多数人忽略的核心环节 ——CMP化学机械抛光，正悄然决定着整个产业的上限。

全球 AI 算力芯片博弈：

英伟达的绝对垄断与巨头反击战

如果说 AI 产业有卖铲人，那么算力芯片厂商就是最大的卖铲人。根据行业权威数据，全球 AI 算力中心超过 70% 的硬件投资最终流向了芯片领域。为了争夺这块最大的蛋糕，全球科技巨头展开了一场前所未有的商业博弈。

1. 英伟达的铁壁垄断：90% 市场份额的三重护城河

整个 AI 算力体系分为训练和推理两个完全不同的市场，而英伟达在最核心的训练市场形成了近乎绝对的垄断。根据 2025 年最新市场数据：

• 全球训练市场：英伟达占比90% 以上，第二名 AMD 仅占 3%-5%，Intel 不足 1%

•国内训练市场：在高端 GPU 出口管制的背景下，英伟达仍占据约60%的份额，华为昇腾约 25%，寒武纪约 5%，海光约 3%

•全球推理市场：英伟达依然占据主导地位，约68% 的市场份额，剩余市场由 AMD、Intel 和云厂商自研 ASIC 芯片分食

英伟达能够建立如此坚固的垄断地位，依靠的是三道无人能及的护城河：

• CUDA 软件生态壁垒：CUDA 对于 AI 工程师而言，就如同 Windows 系统对于普通用户。整个 AI 行业十几年来积累的所有成熟算法、算子和工具链全部构建在 CUDA 生态之上。

•全栈系统能力：英伟达不只是卖 GPU，而是提供从芯片、Nvlink 互联、Infinity Band 网络到集群调度的整套解决方案。

•极致迭代速度：英伟达保持着一年一代的产品迭代节奏，当竞争对手的芯片刚量产准备对标 H100 时，英伟达下一代更强的产品已经开始交付。

2. 云巨头的绝地反击：ASIC芯片崛起与英伟达反制

"天下苦英伟达久矣"早已是行业公开的秘密！谷歌、亚马逊、微软这些手握千亿营收的云巨头，谁也不甘心一辈子当黄仁勋的"算力长工"。一场掀翻英伟达的反击战，早就全面打响了。

云厂商的核心策略是两条腿走路：一方面大力扶持 AMD，深度参与其 ROCm 软件生态建设；另一方面联合博通、迈威尔等芯片大厂，全力开发自研 ASIC 芯片。

与通用 GPU 不同，ASIC 芯片直接砍掉了所有不必要的通用电路，将硅片上的每一个晶体管都用来执行大模型最核心的并行矩阵计算。

在大模型底层算法稳定的前提下，ASIC 芯片展现出了惊人的性价比优势：相同算力下，ASIC 的单次计算成本和功耗仅为同级别 GPU 的一半。目前谷歌的 Gemini 大模型、微软的 GPT 系列已经开始部分使用自研 TPU 和玛雅芯片进行训练和推理。

面对云厂商的联合反击，黄仁勋的反制手段同样凌厉：

•2025 年底，英伟达斥资200 亿美元收购了推理市场风头最盛的独角兽公司 Groq，其创始人正是谷歌第一代 TPU 的首席架构师 Jonathan Ross。这笔收购不仅补齐了英伟达在推理市场的短板，更彻底封死了其他初创公司在推理端弯道超车的可能。

•2026 年 3 月，英伟达向云厂商的核心芯片供应商迈威尔战略投资20 亿美元，并推出 NVLink Fusion 网络架构。这一招釜底抽薪意味着：即便云厂商能造出自己的 ASIC 芯片，只要需要将芯片互联成集群，就依然离不开英伟达的网络技术。

根据 IDC 预测，到 2028 年，ASIC 芯片在全球推理市场的市占率将从目前的 10% 左右提升至40%，与英伟达 GPU 的差距将大幅缩小。这场神仙打架的最终结果，将深刻重塑未来十年 AI 产业的格局。

3. 英伟达的铁壁垄断：90% 市场份额的三重护城河

在这场算力竞赛中，最紧缺的不是 GPU，而是高带宽存储 HBM。HBM 是为了解决 “内存墙” 问题而生的 ——GPU 计算速度太快，传统内存传输速度跟不上，导致 GPU 大量时间浪费在等待数据上。

（图源来自于网络）

HBM 被直接贴在算力芯片旁边，以最快的速度为 GPU 投喂数据，是整个算力系统的 “供血动脉”。

然而，HBM 属于 DRAM 技术的最高形态，其制造工艺要求达到了变态的程度，工艺窗口极窄，必须依靠几十年的经验积累才能掌握。这导致全球能够量产 HBM 的只有三家公司：海力士（57%）、三星（22%）、美光（21%），形成了比 GPU 更加集中的垄断格局。目前全球 AI 算力中心的建设进度，很大程度上取决于这三家公司的 HBM 产能。

与此同时，曾经被认为在 AI 时代沦为配角的 CPU，正在迎来价值重估。随着 AI Agent 技术的快速发展，大模型不再只是一个聊天工具，而是能够执行多步骤决策、调用外部工具的智能体。

我们用一个生活场景来对比LLM和AI Agent 的区别。

这些复杂的串行逻辑控制任务，恰恰是 CPU 的强项。在 Agent 时代，GPU 负责计算，CPU 负责调度，两者不再是主次关系，而是深度协同。

这一变化催生了 CPU 市场的新一轮洗牌：英伟达推出基于 ARM 架构的 Grace CPU，直接将英特尔和 AMD 从高端 AI 节点中踢了出去；谷歌、微软、亚马逊纷纷推出自研 ARM 架构 CPU；ARM 公司更是亲自下场，找台积电代工生产自有品牌的 AI CPU。未来几年，ARM 架构将在 AI 增量市场中快速蚕食传统 x86 架构的份额。

被低估的卡脖子环节：

CMP 抛光，纳米级精度决定产业上限

当所有人都在关注 GPU、CPU 和 HBM 这些明星产品时，很少有人意识到：所有这些高端芯片的制造，都离不开一个最基础、最关键的工艺 ——CMP 化学机械抛光。

CMP 是目前唯一能够实现晶圆全局平坦化的技术。

简单来说，芯片制造就像在一块硅片上盖几十层高楼，每盖一层都需要把表面磨得绝对平整，否则下一层就会歪歪扭扭，最终整个芯片都会报废。

随着芯片制程从 14nm 进步到 3nm、2nm，对晶圆表面平整度的要求已经达到了亚纳米级—— 相当于把一个足球场大小的表面，高低起伏控制在 0.1 毫米以内。

不仅是芯片晶圆，AI 时代的另一条核心基础设施 ——光通信网络，同样高度依赖 CMP 抛光技术。

AI 算力中心内部和数据中心之间的数据传输，依靠的是高速光模块。

光模块的核心部件是单模和多模光纤，光纤端面的抛光精度直接决定了信号传输的损耗和稳定性。

一个被广泛引用的数据是：在高端芯片和光模块的制造过程中，CMP 抛光环节的良率，直接决定了整个产品的最终良率。哪怕只有一个纳米级的划痕或凸起，都会导致价值数千甚至上万美元的芯片或光模块直接报废。传统抛光工艺效率低、良率波动大，已经成为制约全球半导体和光通信产业发展的关键瓶颈。

国产破局：

铭衍海全系列 CMP 抛光液，筑牢产业底层根基

在全球 CMP 抛光液市场被国外巨头垄断的背景下，以铭衍海为代表的中国企业正在快速崛起，通过自主研发打破技术壁垒，为中国半导体和光通信产业提供自主可控的底层材料支持。

作为国内领先的 CMP 超精密抛光材料解决方案提供商，铭衍海深耕纳米抛光技术多年，打造了覆盖半导体晶圆、光通信光纤、光学玻璃等全场景的 CMP 抛光液产品体系，针对性解决了多个卡脖子难题。

作为源头工厂，铭衍海不仅提供高品质的抛光液产品，还为客户提供从工艺开发到量产导入的全流程技术支持。公司拥有专业的研发团队和先进的实验室，能够根据客户的具体需求，快速开发定制化的抛光解决方案，帮助客户解决各种复杂的抛光难题。 

结语：上游材料的崛起，才是中国科技的真正底气

从 2018 年中兴事件的刺痛，到董明珠 “500 亿造芯” 的豪言，再到今天 AI 算力革命的风起云涌，中国科技产业走过了一段艰难而不平凡的道路。

我们曾经以为，只要能设计出先进的芯片，就能解决卡脖子问题。

但随着产业的不断深入，我们越来越清晰地认识到：芯片产业是一个高度复杂的生态系统，设计、制造、封装、材料，每一个环节都缺一不可。

CMP 抛光液，这个看似不起眼的化工材料，却是整个半导体和光通信产业的基石。没有高精度的抛光技术，就造不出先进的芯片，也做不出高速的光模块，更谈不上 AI 算力的爆发。

铭衍海等国产上游材料企业的崛起，标志着中国科技产业正在从 “应用层创新” 向 “底层技术突破” 迈进。

当我们不再只关注那些光鲜亮丽的终端产品，而是开始重视每一个纳米级的工艺细节，每一种基础材料的自主可控，中国科技才能真正拥有坚实的根基，在全球科技竞争中立于不败之地。

AI 时代的大幕才刚刚拉开，算力竞赛还将持续很多年。

而这场竞赛的最终胜负，或许并不取决于谁能造出最快的 GPU，而取决于谁能掌握最底层的核心技术。

从这个意义上说，铭衍海正在做的事情，比想象的更加重要。