半导体产业是现代文明的底层基础设施——它的演进不是单一技术突破，而是物理、化学、经济学与全球分工共同演化的结果

0008 · 半导体产业史：从晶体管到 AI 芯片

一、核心概念定义

半导体（Semiconductor）是导电性介于导体与绝缘体之间的材料，最常见的是硅。晶体管（Transistor）是半导体的基本开关单元，1947 年贝尔实验室发明它时，一个设备占据一张桌子；今天指甲大小的芯片里集成数百亿个晶体管。集成电路（Integrated Circuit, IC）把大量晶体管集成到单一晶片上，是信息时代的基础。

摩尔定律（Moore’s Law）由英特尔创始人戈登·摩尔提出：集成电路上可容纳的晶体管数量约每 18-24 个月翻一倍，性能提升而成本下降。Fabless（无晶圆厂设计）与 Foundry（晶圆代工）分工是产业成熟后的核心组织形态：高通、英伟达、苹果只设计芯片，台积电、三星负责制造。

二、核心逻辑

半导体产业史可以概括为四次范式转移：

1. 发明期（1947-1960s）：晶体管替代真空管，集成电路诞生，半导体从实验室走向商用。
2. 垂直整合期（1960s-1980s）：英特尔、德州仪器等 IDM（设计制造一体化）公司主导，摩尔定律驱动性能竞争。
3. 专业分工期（1980s-2000s）：台积电开创纯代工模式，降低芯片设计门槛，催生 Fabless 繁荣。
4. 应用爆发期（2010s-至今）：移动互联网、云计算、AI 对算力的需求指数级增长，GPU 从图形处理转向通用并行计算，AI 芯片成为新战场。

产业迁移也遵循成本与能力曲线：美国发明，日本在 1980 年代凭借 DRAM 崛起，韩国与中国台湾在 1990 年代承接存储与代工，中国大陆在 2010 年代加速追赶。每次迁移都伴随技术周期、资本投入与地缘政治的重新洗牌。

三、实战案例

英伟达从游戏显卡到 AI 芯片的跃迁，是半导体产业史中最戏剧性的第二曲线。1990 年代英伟达专注 PC 图形 GPU；2006 年推出 CUDA 并行计算平台，让 GPU 可用于通用计算；2012 年 AlexNet 在 ImageNet 竞赛中用 GPU 训练深度神经网络，开启 AI 算力革命。

当传统 CPU 厂商还在追求单核性能时，英伟达押注并行架构，把 GPU 改造成 AI 训练的首选引擎。2023 年 ChatGPT 引爆生成式 AI，英伟达 A100/H100 芯片成为稀缺资源，市值一度突破 3 万亿美元。这不是一次产品胜利，而是对计算范式迁移的提前十年布局。

四、跨学科联结

• 物理学：晶体管基于量子力学中的能带理论与半导体掺杂原理；光刻技术受光的衍射极限约束。
• 化学：高纯度硅提纯、光刻胶、刻蚀气体、CMP 抛光液是芯片制造的材料科学基础。
• 生物学/演化论：半导体产业像生物演化——技术突变、环境选择、适者生存，产业结构随”生态位”分化而演进。
• 经济学：摩尔定律本质是规模经济与学习曲线的结合，而 Fabless-Foundry 分工是交易成本理论在产业组织中的体现。

五、练习题

1. 单选：英伟达在 AI 时代领先的核心原因是什么？

• A. 它是全球最大的 CPU 制造商
• B. 它提前十年布局 GPU 并行计算与 CUDA 生态
• C. 它拥有最多的晶圆厂
• D. 它发明了晶体管

2. 案例题：请用摩尔定律、产业分工与地缘政治三个维度，解释为什么台积电成为全球最重要的半导体公司之一。

3. 反事实题：如果 2006 年英伟达没有推出 CUDA 平台，今天的 AI 算力格局会怎样？CPU 巨头是否能自然主导深度学习训练？

六、参考来源

• Walter Isaacson, The Innovators（晶体管与集成电路章节）
• Chris Miller, Chip War: The Fight for the World’s Most Critical Technology
• Gordon E. Moore, Cramming More Components onto Integrated Circuits（1965）
• NVIDIA Corporation, CUDA Programming Guide 与历年投资者日材料