ASML全球执行副总裁、中国区总裁沈波：AI算力增长需求远超摩尔定律 能耗成关键瓶颈

《科创板日报》11月7日讯（记者 黄心怡）“我们参加进博会不是出于商业化目的。”ASML全球执行副总裁、中国区总裁沈波在接受《科创板日报》等媒体记者采访中表示。“进博会的开放合作主旨精神，一直以来也是整个半导体产业所倡导的主旋律。我们希望呼应进博会的开放合作精神，参与到整个国际大产业中。”

今年是ASML第七次参加进博会。在本届进博会上，ASML重点展示了全景光刻解决方案下的部分产品，包括DUV光刻机、计算光刻业务、量测与检测产品等。

ASML全球执行副总裁、中国区总裁沈波

沈波向《科创板日报》等媒体记者透露，目前，ASML中国区员工人数已经超过2000人，相较去年有约10%的增长。

谈及未来发展趋势，沈波认为，当AI终端应用扩展到消费、工业等广泛领域，将带来半导体产业的全面发展，但同时AI发展也带来算力和能耗两大挑战。

▍中国市场将回归历史常规水平

根据最新Q3财报信息，ASML预期2025年公司全年净销售额将同比增长15%左右，预计2026年净销售额将不低于2025年水平。

其中，EUV业务受益于先进DRAM和尖端逻辑芯片的需求，预计将实现增长。DUV业务受中国等地区客户的动态影响，预计将相较2025年有所下滑。同时，2030年预计公司营业额会在440亿到600亿欧元之间，目前ASML对这一预期基本维持不变。

尽管EUV已成为多数逻辑和存储关键层的光刻技术标准，但沈波表示，DUV仍是芯片成像主力。“从整个产业发展的角度，即使到2030年全球每年晶圆数曝光将超过9亿次时，EUV的占比依然会很小，绝大部分的芯片还是由DUV来生产。芯片市场里面的一小部分是通过EUV生产，绝大部分还是靠DUV生产。”

财报显示，2024年和2025年ASML在中国市场的业务表现强劲，但预计2026年来自中国客户的需求将从高基数水平回落。

对此，沈波解释称，这一变化在半导体产业的周期性调整范围内。“首先，半导体是一个有周期的行业，无法一直保持增长，会有上行和下行的曲线，销售额占比发生变化并不是一个很特殊的情况。”

他进一步说明，2023年之前，中国市场在ASML全球销售额中的占比多年维持在15%～20%。

“之前的几年基本都在这个区间里，所以我们预期明年回归历史常规水平，是一个正常化的表现。过去这两年中国市场份额占比较高，是因为不同地区客户需求的时间节点发生一些变化，使我们有能力交付了一些此前的积压订单，自然带来一波成长。这部分产能需要一些时间消化，这也会导致周期性地出现变化，是正常的情况。”

▍AI终端爆发将为半导体行业带来大机遇

根据麦肯锡预测，到2030年，AI将为全球GDP贡献10万亿美元的价值。而AI芯片快速发展，将带动半导体设备等环节获得新机遇。

“AI对整个半导体行业所带来的需求覆盖了方方面面。除了GPU和CPU用于超级计算外，很多AI数据是由传感器或者主流的模拟芯片来收集的，需要大量采用成熟制程的逻辑芯片，并不是只需要3纳米、5纳米芯片，对先进和主流芯片的需求几乎是全覆盖的。”

在沈波看来，未来随着AI终端应用扩展到消费、工业等领域，将带来半导体产业的全面发展。但现阶段AI带来的新需求集中在大模型和服务器端，尚未充分传导到终端消费电子领域。

“当AI终端应用兴盛起来，市场才进入真正爆发式井喷的状态。数据中心的建设带来服务器需求，服务器需求带来算力、存储的需求。而当半导体行业真正爆发式增长的时候，一定是需求传导到消费电子端，是每个人使用的手机、电脑、家用电器都具有AI属性，这才是AI技术真正大爆发落地之时，将会促进半导体行业的大发展。目前还没到这个时刻，是因为真正的芯片产能需求还没有落地。”

谈及AI终端的爆发期何时到来，沈波认为具体时间还不明确，但业内对此保持乐观看法。“这也是为何，ASML维持2030年营收440亿到600亿欧元的预期，以及预计2030年全球半导体销售额超过一万亿美元，推动这些增长趋势的重要因素之一就是AI的增长。”

▍AI算力增长需求远超摩尔定律 能耗成关键瓶颈

过去几十年，半导体产业的发展基本遵循摩尔定律，即晶体管数量每两年翻一倍，这也意味着算力性能同步提升。但在AI时代，这条发展曲线不再适配。

“AI算力的增长需求远远超过摩尔定律。因为AI大模型需要的参数越来越多，模型效率的变化几乎每两年以15~16倍的速度增长。这就导致AI时代对算力的需求，与半导体行业发展遵循的摩尔定律之间形成很大的剪刀差，芯片本身的性能已经无法满足需求。”沈波提到。

算力的高速增长还带来另一大挑战，即能源消耗。“在传统半导体行业发展进程中，相同算力要求下，能源消耗每两年会下降。因为随着芯片能效不断提升，能源利用率显著提高。但AI时代情况发生了变化，对算力的要求每年呈指数级增长，模型参数规模急剧扩大。如果假设其他技术条件保持不变，仅通过增加模型参数提升性能，那么为了在200小时内完成一次超大模型训练，所需的计算速度必须大幅提升。按照现有能效推算，到2035年前后，运行一个顶级大模型需要的功率峰值，可能需要消耗接近全球的电力供应总量。”

如何解决这一挑战，沈波介绍有两个方向，一是提升AI模型效率；二是提升芯片的性能。3D集成、存算一体、HBM等芯片架构和技术，会成为未来芯片行业的大趋势。此外，通过晶体管的微缩，进一步提升芯片制程，仍是迄今提高芯片效率最直接和有效的方式。其本质就是在更小的芯片上实现更高的集成度，以降低能源消耗。

为此，半导体行业正依循两大核心路线寻求突破，一是2D微缩，二是3D集成。今年第三季度财报显示，ASML首款服务于先进封装的光刻机TWINSCAN XT:260已经实现了商业发货。

沈波向《科创板日报》等媒体记者透露，TWINSCAN XT:260的客户有晶圆厂、封测厂等。不论是传统的后道封装厂还是前道企业，诸多企业都在探索先进封装领域的机遇。