AI，如何改变了我国光刻机的追赶逻辑？

引言

2024年的诺贝尔化学奖曾引发热议，因为奖项的一半颁给了谷歌DeepMind的两位计算机科学家，而不是化学家——理由是他们用AI算法破解了困扰生物学界半个世纪的蛋白质结构预测难题。

所以，人们说“化学生物的尽头是计算机”，这句玩笑话背后藏着一个真切的产业趋势：所有前沿科技走到深水区，算力与算法最终都会成为最通用的研究语言。

这股浪潮早已冲出生命科学的边界。精细化工的配方筛选、创新药的分子研发、新材料的性能模拟…… 过去靠科研人员一轮轮试错、靠老专家经验判断的环节，如今都能靠AI先做一轮预判，把最有希望的方向留给实验室验证，研发周期和成本双双大幅压缩。

有意思的是，那些全力遏制中国算力科技发展、禁运高端光刻机的人，恐怕怎么也没想到：正是因为AI技术的普及与成熟，反而会成为中国光刻技术追赶的重要推力。

7月28日，路透社援引知情人士消息称，我国已启动自主研发浸没式深紫外（DUV）光刻机的批量生产，项目由整合了宇量昇、上海微电子等国内研发力量的上海爱盛纳电子科技集团牵头。

另外，《The Information》同步披露的产能规划显示，相关企业计划在2026 年交付约5台，2027年产能提升至约20台，首批设备将定向供应中芯国际、华虹半导体与长鑫存储。

路透社在报道中强调，设备仍需后续测试验证，在性能稳定性、量产可靠性与规模化适配能力上，与阿斯麦成熟机型仍有明显差距。截至目前，上述相关企业尚未对报道作出公开回应。

这则消息在全球资本市场迅速发酵，甚至带崩了美股。阿斯麦盘前大跌，盘中跌幅一度逼近8%，应用材料、泛林集团、科磊等美国半导体设备龙头同步下挫，盘中跌幅均触及7%左右。尽管尾盘有所修复，截至当日收盘阿斯麦仍收跌近6%，其余三家美企也悉数录得下跌。

今晚，即北京时间7月28日，阿斯麦盘前跌4.12%，应用材料跌4.42%，泛林集团跌4.51%。

仅凭数台尚在验证阶段的国产设备，显然还不足以动摇阿斯麦未来两三年的业绩基本盘。但是，预期是真的松动了——那条曾被市场认定坚不可摧、甚至可以无限延伸的阿斯麦护城河，第一次出现了清晰可见的裂缝！

而正在悄然放大这条缝隙的，除了中国科学家在光学、精密机械、材料等传统领域的持续攻坚以外，还有一股过去几年突飞猛进的强大力量：人工智能。

01

硬科技的共性：所有学科的尽头都离不开算力

很多人对光刻机的印象，还停留在 “工业皇冠上的明珠”，默认为它就是纯硬件的极致——靠精密的镜头、稳定的光源、高速的工件台，把电路图案刻到晶圆上。这，其实是个不小的误解。

今天的先进光刻机能实现纳米级的加工精度，早已不是单靠硬件堆料就能做到的。光学系统有天然的衍射极限，尺寸越小，光线的偏移、畸变就越明显，单纯靠打磨镜头已经很难突破物理边界。行业通行的解决方案，是用算法来补硬件的短板，也就是业内常说的 “计算光刻”。

打个通俗的比方，这就像老式报纸印刷，不同颜色的油墨套印时总会有轻微偏移，老师傅会提前在制版时调整位置，抵消印刷误差。计算光刻的逻辑与之类似：提前预判光学系统带来的图形畸变，反向修改掩模版上的图案，让最终曝光在晶圆上的图形，刚好符合设计要求。

这件事，阿斯麦当然走在最前面。该公司早就在公开材料里提到过，没有计算光刻，先进制程芯片根本造不出来。近几年，AI技术也被阿斯麦嵌入了计算光刻、量测检测等核心产品，用来提升修正的速度和精度。

不难看出，AI+光刻，正是全球光刻技术演进的共同方向。既然是行业公认的技术路线，中国的研发团队自然也不会缺席。

中科院微电子所的计算光刻团队，早已面向45纳米到3 纳米技术节点，开发出融合 AI 算法的计算光刻工具套件，并且在多家国内企业落地应用。

来自中科院微电子研究所EDA中心官网

02

阿斯麦的垄断“保质期”，引发资本市场恐慌

消息出来后，市场上有两种极端声音。有人觉得国产光刻已经追上国际水平，很快就能全面替代；另一种则是认为几台样机根本不值一提，市场反应过度。

我们首先得把现实差距摆清楚。

按照目前披露的产能规划，一年5台、20台的产量，放在阿斯麦的出货体系里几乎可以忽略——仅2025年一年，阿斯麦就交付了131台浸没式DUV设备。更重要的是，能组装出设备，和能在晶圆厂产线上长期稳定跑量产，完全是两个概念。

晶圆厂对光刻机的考核是全维度的：

套刻精度能不能连续几千批都保持稳定？每小时能处理多少片晶圆？平均无故障运行时间有多长？不同机台之间的参数能不能做到一致？最终的良率能不能把单颗芯片成本降到有竞争力的水平？

以上每一项指标，都需要海量的工艺数据去打磨，没有捷径可走。摩根大通在消息公布后也指出，制造少量设备和支撑高产量制造之间，隔着良率、套刻、吞吐量和长期可靠性的巨大鸿沟。

阿斯麦的基本面其实很扎实。2026年二季度公司营收93.3亿欧元、净利润29.2 亿欧元，双双超出市场预期，全年营收指引还上调到了430亿到450亿欧元。更关键的是，全球能量产EUV光刻机的企业，依旧只有阿斯麦一家，更高阶的高数值孔径EUV也已经开始向客户交付。

既然短期业绩不受影响，那股价为什么跌得这么厉害？

盘面的剧烈波动，说到底是市场共识在悄悄转向。过去资本市场给阿斯麦的高估值，核心支撑是 “垄断的确定性”——只要先进制程还在往前推进，只要全球晶圆厂还要扩产，就绕不开阿斯麦的设备。中国市场的采购节奏，更是长期受出口管制政策约束，处于一片空白。

国产浸没式DUV迈入量产阶段，第一次让阿斯迈的这份确定性出现了松动。哪怕我们初期性能有限，只要设备能进入晶圆厂做验证，能量产持续产生数据、暴露问题、反向迭代，技术进步就进入了正向循环。今年5 台、明年20台，后年就可能是200台，重兵ALL IN之下，就有可能成为中国光刻装备学习曲线加速的一个关键转折点。

股市交易的永远是预期。阿斯麦的下跌，本质上是全球投资者在重新给这份垄断定价：以前觉得能稳赚二三十年的生意，现在看来可能没那么久了。后悔去吧。

03

AI，如何帮光刻技术提速?

一是用算法修正光的天然缺陷

光刻可以简单理解为把掩模版上的电路图案，缩小后投射到涂有光刻胶的晶圆上。

问题在于，光具有衍射效应。掩模版上明明是一条笔直的线，投射到晶圆上可能变粗、变细、拐角变圆，附近图形还会相互干扰。尺寸越小，误差越明显。

解决办法之一，是提前“故意画错”。

工程师先预测曝光后的形状，再反向修改掩模版。最终，经过光学系统和光刻胶之后，晶圆上得到的图形反而更接近原始设计。这项技术被称为光学邻近效应修正，也就是OPC。

它类似于印刷时的套色补偿。印刷机运行中如果不同颜色会发生轻微偏移，制版时便要提前调整位置，使最后印出的图案准确重合。

芯片包含数十亿个晶体管，先进掩模上的图形极为复杂。传统算法需要不断模拟、比较、修正，计算量巨大。AI可以学习大量图形与曝光结果之间的关系，迅速预测哪些位置需要调整，大幅压缩计算时间。

中国科学院微电子研究所公开信息显示，其计算光刻团队面向45纳米至3纳米技术节点，开展深紫外、极紫外以及新原理光刻的模型和算法研究，开发了融合人工智能算法的计算光刻工具套件，相关工具已经在多家企业推广。

这里透露出一个重要信号：国产光刻技术的追赶，已经超出单纯研制整机的范畴，正在向计算光刻、工艺模型和制造端EDA延伸。

二是减少光刻胶配方和参数试错

光刻胶是一种对光敏感的化学材料。曝光以后，部分区域发生化学反应，再经过显影，电路图形被留在晶圆上。

同一台光刻机，使用不同光刻胶、曝光剂量、焦距、温度和显影时间，结果可能完全不同。

传统研发方式需要进行大量实验。工程师调整一组参数，曝光一批晶圆，测量线宽，再继续修改。参数数量一旦增加，可能的组合会呈指数级增长。

2024年，中国科学院微电子研究所与腾讯量子实验室开发了基于机器学习的光刻胶模型校准方法。该方法利用历史数据训练高斯代理模型，再通过贝叶斯优化寻找更优参数。实验结果显示，模型误差较传统方法降低21.6%，校准耗时降低80%以上。

这项成果的意义可以类比药物配方研发。

过去，研究人员需要把不同成分逐一组合，再观察效果。机器学习建立起配方与结果之间的映射关系后，研发人员可以优先验证成功概率更高的组合。实验并未消失，实验数量显著减少。

对于国产DUV设备，光刻胶模型越准确，曝光剂量、焦距和显影参数就越容易优化。硬件性能暂时存在不足时，工艺与算法的协同优化能够争取更大的工艺窗口。

三是把昂贵的物理实验，变成大量低成本数字实验

光刻机内部涉及光学、热学、流体、振动、控制等多个系统。

任何一个微小扰动都可能影响曝光结果。镜头温度略有变化，工件台产生轻微振动，浸没液体流动出现波动，都可能导致纳米尺度的误差。

全部依靠实机实验，成本极高，速度也慢。

中科院微电子所研究人员曾训练条件生成对抗网络，用于计算大区域掩模的三维光刻潜像。公开实验结果显示，与严格求解电磁场的方法相比，该模型精度超过90%，计算速度提升2.5倍至4.7倍。

上海市科委2025年发布的集成电路项目指南，进一步提出“先进光刻装备智能大模型研究”，计划构建超精密机电系统数字孪生体，实现微秒级动态仿真和95%以上的仿真一致性；项目还提出参数预测精度提高10%以上、故障预测准确率达到90%以上，用于设备调试、运行状态预测、故障诊断和参数动态调整。

数字孪生，可以理解为在计算机中复制一台虚拟光刻机。

真实设备运行时产生温度、振动、位移、光强和压力等数据，虚拟设备同步学习。工程师可以先在虚拟系统中测试参数，观察可能出现的问题，再把较优方案应用到实机。

过去需要停机数小时才能排查的故障，未来或许能够提前预警；过去需要反复试验的参数组合，可以先在数字空间筛选。

以上这些变化，单独看都不算颠覆性突破，但凑到一起，就能实实在在缩短设备的成熟周期。每一轮调试省几周时间，每一次研发少走一轮弯路，积累起来，就是追赶速度的全面提升。

04

当技术封锁被破防以后

AI，正在改变西方技术封锁的经济账本！

过去，他们若要延缓一个国家的先进制程发展，限制高端光刻设备及其关键零部件出口，确实能够形成强约束。

因为光刻机包含极其复杂的跨学科知识，设备研发周期长，试错成本高，供应链庞大。后来者即使知道大致原理，也很难在短时间内走完领先企业数十年的工程化道路。

但是，AI正在改变这一艰巨挑战的很多限制条件。

它可以从历史数据中学习设备行为，通过仿真筛选设计方案，通过智能优化寻找参数，通过异常检测定位故障，通过计算光刻弥补部分成像偏差。

过去需要一百次实验得到的经验，未来可能经过二十次实验加大量仿真便能获得；过去主要依赖少数资深工程师判断的问题，可以逐步沉淀为模型和软件；过去分散在不同团队中的知识，也有机会通过工业大模型实现更高效的调用。

当然，眼下的外部限制仍会造成现实困难，尤其在高端光学元件、精密测量、核心材料和部分基础软件领域。与此同时，其边际效果可能逐渐下降。

美国国会2026年推进的MATCH法案，仍试图进一步限制浸没式DUV设备对华出口，并对部分中国晶圆厂的设备供应和服务施加更严格条件。相关方案在半导体行业反对后有所收缩，但对浸没式DUV的限制仍被保留。

当国产DUV设备开始进入生产和测试阶段，这类限制政策的经济效果，便会发生深刻变化。

限制越严格，国内晶圆厂采用国产设备的动力越强；国产设备进入产线越多，获得的数据越丰富；数据越丰富，AI模型越准确；模型越准确，设备调试和工艺改进越快。

于是，由此就会形成一条新的产业循环：

国产设备进入产线，产线产生真实数据，数据训练模型，模型帮助设备迭代，改进后的设备再进入更多产线。

这条循环一旦运转起来，国产设备的进步速度可能超过单纯依靠实验室研发的时期。

这也解释了美国半导体设备股为何会与阿斯麦同步下跌。

资本市场担忧的范围，已经从光刻机全面扩散到了刻蚀、薄膜沉积、量测和检测设备。倘若中国半导体产业能够依靠本土市场、工程师队伍和AI工具，加快整套设备体系的学习曲线，海外设备企业在中国市场的长期份额都会受到影响。

这种影响仍需多年才能充分显现。它已经进入国际投资者的估值模型。

后 记

真正的合作，永远建立在平等能力之上。

光刻机，当然是最最

AI又为我们正在拓展的这一条道路增加了新的变量。

我国发展算力，算力孕育大模型，大模型进入科研和制造，随后反过来帮助芯片设计、半导体设备和材料研发提速。算力、模型、设备、芯片之间，正在形成相互推动的技术循环。

这种循环一旦形成，任何一项技术的进步，都可能反哺其他环节。算力硬件与光刻设备看似处于产业链两端，最终却在科学智能和工业智能中汇合。

全球半导体产业原本就是国际分工最深的产业之一。一台先进光刻机包含来自多个国家和地区的零部件，一颗芯片也要经过设计、制造、封装、设备和材料企业的共同协作。

开放、合作、共享技术进步带来的成果，依然符合全球产业的长远利益。技术交流能够降低重复投入，产业合作能够扩大市场，公平竞争能够推动创新。

单方面的期待无法换来稳定合作。我们只有加快追赶，建立完整的产业能力，掌握不可替代的技术与资源，才有机会平等坐到谈判桌前；只有拥有足够的话语权，才可能实现公平的资源交换，形成更稳定、更可持续的国际合作。

国产DUV的真正价值，在于它让世界重新看到，中国半导体产业的前进速度，不再完全取决于别人愿意提供什么。