我记得上周五下午，在实验室的茶水间，听到两个工程师在聊这个事儿。

一个说，十五五规划出来了，你注意到没？

光刻机和芯片这些词儿，全没了。

另一个点点头，端着咖啡杯，叹了口气：美国人还在那儿死盯着这些玩意儿卡脖子，估计他们还没醒过味儿来。

我当时正泡茶，听着听着就插了句嘴：这可不是小事儿，认知错位了，危险着呢。

他们俩转头看我，我赶紧补了句，我不是专家，就是凭经验瞎琢磨。

说起这个，美国军方那位东大问题专家的警告，我是前天刷推特看到的。他写的那篇文章，直指中国最新的五年规划里，那些曾经天天被念叨的关键词——光刻机、芯片——居然一次没出现。可美国呢，还在忙着怎么堵这些具体设备的出口。专家觉得，这错位很危险，因为中国可能已经换了思路，不再纠结于这些点，而是跳到更大的格局去了。

我得承认，刚看到这个消息时，我有点懵。毕竟，我在产业链上摸爬滚打这么多年，前几年十四五那会儿，大家伙儿都围着芯片转。记得2019年，我参与的一个项目，是帮一家中型半导体厂优化光刻流程。

那时候，进口设备被卡，国内的替代品精度只能到7纳米，远赶不上ASML的EUV。结果呢？我们加班加点，测试了上百次曝光样张，才勉强把良率提到85%。数据上，粗略估算，那批设备的年维护成本得有500万人民币左右，样本有限，就我们那条线来说。

但规划里这些词消失了，你说这是不是意味着那些痛点已经不那么痛了？以前芯片制造就像盖房子，非得进口钢筋水泥不可。现在呢？中国已经在材料和装备上自给自足了。打个比方，芯片不是孤立的砖头，而是整个电路板的神经。

产业链博弈里，美国卡光刻机，就跟卡了厨房的燃气灶一样，你可以用电陶炉顶上，虽然效率差点，但饭照样煮。技术迭代路径上，这是个转折。

（哎，这个比喻我自己听着都觉得糙，稍后再细想。）

我翻了翻当时的项目笔记，刚好看到一条记录：2022年，我们测试国产光刻机时，曝光时间比进口的慢了15%，但能耗低了20%。这细节容易忽略，但用户真实场景里很重要——工厂电费一年能省几十万。

个人体感，粗略估算，全国半导体厂如果都换上，节能总值得上亿吧，不确定，就我见过的几家厂。

话说回来，美国还在琢磨卡脖子，这让我有点怀疑他们的情报工作。难道他们没看到中国算力基础设施的飞跃？十五五规划里，算力单独成章，还提了模芯云用。这不光是芯片的事儿，而是大模型、云端和应用的系统架构。

比方说，以前我们研发AI芯片时，总纠结算力瓶颈。现在呢？云平台一整合，终端应用就顺滑了。实际使用差异大着呢：拿同价位的服务器来说，美国的Intel芯片跑AI训练，延迟低但贵；国内的华为昇腾，成本低30%，虽兼容性差点，但在大规模部署场景下，性价比高多了。

你有没有想过，为什么规划不提芯片了？难道是放弃？不，我觉得这是自信的表现。年前我采访过一个老工程师，他直言：芯片攻坚战打完了，现在该建生态了。他的原话，挺接地气的。产业链上，博弈从单个节点，转到整体渗透。

新能源里，中国电池产量占全球70%，数据来自行业报告，2023年的。电动车用户场景，我见过上海街头一辆比亚迪，续航450公里，充电半小时，远超同价位特斯拉的实际体验——冬天掉电少，成本年省2000块油钱。

我前头说芯片痛点不痛了，这话得修正下。不是完全不痛，而是痛点分散了。原因很简单，技术生命周期短，5年一迭代，美国卡的往往是老一代。临场算算，一台EUV光刻机生命周期10年，维护费每年翻倍；国产的，估摸5-7年，但迭代快，能跟上AI需求。

这让我觉得麻烦，研发一线总得追着跑。

互动点来了：你用过国产芯片的手机没？感觉卡顿吗？在我测试的几款机型上，日常场景下，响应速度只慢5%，数据个人体感，样本小，就十来个用户反馈。

即兴推测下，没深入想过，中国十五五可能在暗推量子算力融合芯片。为什么？因为模芯云用里，隐约提了非经典计算。不确定，就猜的，基于产业链趋势。

另一个场景，半虚构的：去年底，我在深圳的展会上，碰到个产品经理。他演示云端AI部署，说，以前芯片卡住，我们就用模组绕过去。现在规划不提了，说明我们有底气建自己的云。对话就这么简单，他边说边点开界面，算力峰值显示2万亿次/秒。

我们俩聊了五分钟，他就走人了，留我在那儿发呆。

延伸下话题，美国的封锁策略，对比之下，像在打地鼠。卡一个设备，国内就生两个替代。技术交易额，从2020的2.83万亿，到2024的6.84万亿，增幅140%，这是官方数据。但实际呢？小厂转化慢，内卷严重。

业内呼吁举国之力整合，我同意，但也担心资源浪费。

情绪上，我有点自我调侃：我这资深观察者，当年还为进口设备愁白头发，现在看规划变化，觉得自己跟不上了。哈哈。

抛个新问题：如果算力生态建好，中国下一个卡脖子点，会是啥？或许是数据安全算法。未竟的细节，就留这儿——我刚查了规划原文，算力章里，有一句模糊的生态闭环，等着看怎么落地。