一只AI蝴蝶的翅膀-AI大模型驱动半导体产业链的基本原理

AI大模型如何从一行代码，牵动整个半导体产业链？

你有没有想过一个问题：当你在对话框里敲下一句"帮我写一首诗"，然后AI流畅地吐出几行文字——这中间到底发生了什么？

表面上看这是个软件问题。但如果把这条链路一直追到底，你会发现一件挺魔幻的事：从大模型的参数、GPU的算力、浮点数的编码方式、晶体管的制造工艺、光刻机的极紫外光源，一直到地球深处那些不起眼的稀土矿物——全都被一根看不见的线串在了一起。

在开始之前，先看一张全景图。下面这篇文章的整条主线就是沿着这张图从上往下走：

大模型到底在"算"什么？

大模型做的事情说起来很简单：给定一段前文，预测下一个词。就这么一件事。

但"预测"这个动作的代价，可能比你想象的大得多。

一个70亿参数的模型，内部有70亿个"权重值"——你可以理解成70亿个可以微调的旋钮。每个旋钮的值是一个小数，比如0.00342或-0.8761。这些数字是模型在训练阶段从海量数据里一点一点"学"出来的。

当你输入"今天天气"四个字，模型会经历这样一条链路：

第一步，分词。文字被切成token（词片段），比如"今天"是一个token，"天气"是另一个token。

第二步，向量化。每个token被映射成一个高维向量——你可以想象成一长串小数。比如一个简化的4维向量：

"今天" → [ 0.12, -0.87,  0.34,  0.56 ]
"天气" → [ 0.65,  0.21, -0.43,  0.78 ]

真实模型里这个向量有4096维甚至更多——每个维度都是一个浮点数，编码了这个词在不同语义维度上的信息。语义相近的词，向量之间的距离就近。"国王"和"女王"挨得近，"国王"和"苹果"离得远。

第三步，矩阵运算——这是真正的大头。向量进入模型后，要和权重矩阵做乘法。什么是矩阵乘法？来看一个极简的例子：

输入向量 (1×3)          权重矩阵 (3×3)              输出向量 (1×3)
                    ┌ 0.1  0.5  0.3 ┐

[ 0.2, 0.8, 0.1 ] × │ 0.4  0.2  0.7 │  =  [ 0.38, 0.28, 0.69 ]

                    └ 0.6  0.9  0.4 ┘

输出向量的第一个值 = 0.2×0.1 + 0.8×0.4 + 0.1×0.6 = 0.38。就这么一个数，就是3次乘法和2次加法。

真实模型里呢？一层Transformer的权重矩阵是4096×4096。一个4096维的向量和这个矩阵相乘，就是4096×4096 = 约1677万次乘加运算。而模型有几十层Transformer叠在一起，再算上注意力机制（每个token还要和其他所有token做交互），一次推理轻松达到数亿次运算。

这些运算的结果，经过一层层处理后，最终变成了一个概率分布——词汇表里每个token出现在"下一个位置"的概率。概率最高的那个token被选中，还原成文字，拼到原文后面。然后整个流程再来一遍，生成下下一个词。如此循环，就是你看到的AI"逐字生成"的效果。

📦 扩展阅读：那些小数是怎么存进计算机的？

模型里的每个参数、每个向量值，在计算机中都是以浮点数（Floating Point）形式存储的。浮点数就是计算机表示小数的标准方式，类似科学计数法，由符号位、指数位和尾数位三部分组成。

不同精度占用的存储空间不同：FP32用32个bit，精度最高但最费空间；FP16用16个bit，省一半但数值范围窄；BF16同样16位但把更多位分给指数，范围大、精度略低，是目前训练的主流选择。推理时越来越多地用FP8甚至INT8（8位整数）——反正参数不再更新，精度低点也能接受，关键是省显存、跑得快。

就这么一个精度选择的决策，直接决定了一款模型能不能跑得起来、成本多高。

📦 扩展阅读：概率分布是怎么变成文字的？

模型算完之后，会给词汇表里的每一个词打一个"分数"——分数越高，表示模型觉得这个词出现在下一个位置的可能性越大。你可以想象成一场投票：词汇表里有几万个候选词，每个词都有自己的得票数。

得票最多的那个词，当然最可能被选中。但如果每次都选第一名，输出的文字就会很死板、千篇一律。所以实际操作中会加入一点随机性——大致相当于"得票高的更容易被抽中，但不是绝对当选"。随机性的大小可以调：调小了，模型更严谨、更确定；调大了，输出更有创意、更有变化。你平时用AI时看到的"温度"（Temperature）设置，本质上就是在调这个随机性的大小。

到这里你应该已经感受到一个事实：一次看似简单的AI对话，背后是数亿次浮点运算。

那么问题来了——什么样的硬件，能扛住这种计算量？

什么样的硬件能扛住这种计算？

你可能会说：CPU不也能算数吗？凭什么非得用GPU？

这里的关键在于，大模型的运算有一个非常鲜明的特点——大量数据、相同操作、高度并行。前面那个矩阵乘法的例子还记得吗？输出向量的每个值都是独立计算的，彼此之间互不依赖。1677万次乘加运算，完全可以同时开工。

CPU和GPU的设计哲学截然不同。CPU像一个全能选手——每个核心都很"聪明"，擅长处理复杂的逻辑判断、分支预测、异常处理。一块顶级CPU大约有几十个核心，操作系统、数据库、网络通信它都能应付。但面对大模型这种"简单但量大"的重复运算，几十个人怎么干得过几万人？

GPU走的是人海路线。一块NVIDIA H100上有超过16000个计算核心，单个核心不复杂，但上万个同时干活，吞吐能力惊人。H100的FP16算力接近1000 TFLOPS——每秒近千万亿次浮点运算。（烧掉的电费嘛，够买好几套房的。夸张了，但也差不多。）

📦 扩展阅读：CPU和GPU，到底差在哪？

用一张表来对比就很直观：

	CPU（如AMD EPYC）	GPU（如NVIDIA H100）
核心数量	几十到上百个	超过16000个
单核能力	极强（复杂逻辑、分支预测）	较弱（简单运算）
擅长任务	操作系统、数据库、网络	矩阵乘法、图形渲染
浮点算力	~几十 TFLOPS	~1000 TFLOPS (FP16)
内存带宽	~几十到一百多 GB/s	~3.35 TB/s (HBM3)

说白了，CPU是几个专家，GPU是一支万人施工队。大模型的活，需要的是施工队。

但光有算力还不够。这里有个很多人忽略的问题：内存带宽。

大模型推理时，每生成一个token都要把整个权重矩阵从显存搬到计算单元。一个70亿参数模型（FP16精度）约14GB——每吐一个字就要读14GB数据。如果内存带宽跟不上，GPU再快也只能干瞪眼等着。这就是业内说的"内存墙"。

所以HBM（High Bandwidth Memory，高带宽内存）成了刚需中的刚需。H100配备的HBM3显存带宽约3.35 TB/s，是普通DDR5内存的几十倍。高端AI芯片都在拼命堆HBM，原因很简单：算力再强，喂不饱数据也白搭。

这就是为什么2025年全球半导体市场规模预估达到7722亿美元（同比增长22.5%），其中AI芯片市场增速更是超过60%。整个产业的增长，很大程度上就是被大模型对GPU和HBM的饥渴需求推着走的。

好，到这里我们知道大模型需要GPU来做海量浮点运算。但一个新的问题浮出水面：GPU到底是怎么用物理器件完成这些运算的？那些小数、那些矩阵乘法，在硅片上是怎么实现的？

浮点运算在物理世界里是怎么发生的？

追到这一层，就从软件进入硬件了。

一切的起点是晶体管——一个极其微小的电子开关。给栅极加电压，电流通过，代表"1"；断开，代表"0"。就这么简单。一块H100芯片上大约有800亿个这样的开关。（800亿个开关挤在一块芯片上，想想就觉得不可思议。）

把几个晶体管组合起来就是逻辑门——与门、或门、异或门。逻辑门再搭建成加法器和乘法器，芯片就有了算术能力。一个32位浮点乘法器，内部是成千上万个逻辑门按特定拓扑排列，电信号从输入端流入，经过层层门电路，输出端就得到乘积。整个过程在纳秒级完成，完全不需要软件参与——电路本身就是算法的物理实现。

回过头看那个矩阵乘法的例子——输出向量的第一个值0.38是怎么算出来的？在GPU内部，大致发生了这样的事：

0.2 和 0.1 送入浮点乘法器 → 得到 0.02

0.8 和 0.4 送入浮点乘法器 → 得到 0.32

0.1 和 0.6 送入浮点乘法器 → 得到 0.06

三个结果送入浮点加法器 → 0.02 + 0.32 + 0.06 = 0.40

每一步都是晶体管的开合。一个FP32数用32个存储单元保存，每个单元由几个晶体管构成。换成FP16只要16个单元——同样的芯片面积能塞更多参数，运算也更快。这就是为什么低精度格式在物理层面更省资源：本质上是少用了一半的开关。

而GPU之所以强，是因为它把绝大多数晶体管都用在了计算上。一块H100有132个SM（流处理器），每个SM里有大量浮点运算单元（FPU）。一条"做矩阵乘法"的指令被解码一次，同时发给上万个FPU并行执行。这就是SIMD架构——一个指挥官发令，上万士兵同时动手，各干各的那一份数据。

📦 扩展阅读：同样是存数据，GPU、HBM、硬盘用的完全不是一套路子

这一点值得停下来想一想：你以为AI在"思考"，其实它只是在几十亿个微小开关的开合之间，完成了一次又一次的乘法和加法。智能，是从这些开关的组合模式中"涌现"出来的。

那么问题来了：这些微小的开关，是怎么被造到芯片上去的？

几十亿个晶体管，怎么造到一块芯片上？

答案可能出乎你的意料——不是一个个造出来再组装的，而是像印刷报纸一样，一层一层"印"在硅晶圆上的。

原料是硅。硅从哪来？沙子。把沙子中的二氧化硅提纯到99.9999999%（行话叫"9N硅"，九个9的纯度），拉成单晶硅棒，切成薄片，抛光到纳米级平整度，就是一块晶圆。

最关键的一步叫光刻——在晶圆表面涂一层光刻胶，然后用光刻机把电路图案投影上去。ASML的EUV光刻机用13.5纳米波长的极紫外光，穿过掩模版，经过精密透镜聚焦到晶圆上。显影后，电路图案就留在了晶圆表面。之后还有刻蚀（用等离子体精确刻掉多余材料）、掺杂（注入磷或硼改变硅的导电性）、沉积金属导线……这些步骤重复几十次，在晶圆表面构建出数十层三维结构的集成电路。

📦 扩展阅读：EUV光刻机到底有多离谱？

ASML的EUV光刻机，说实话是人类有史以来造出的最精密的机器之一。每台售价超过2亿美元，重约180吨，包含10万多个零件，全球独此一家能生产。

它的光源是怎么产生的？用高功率激光击打每秒滴落5万次的锡滴，产生高温等离子体，释放出13.5纳米的极紫外光。这个光还不能通过普通透镜传输（会被吸收），只能用多层反射镜在真空中引导和聚焦。整个系统的振动控制要达到原子级别。

2026年第二季度ASML单季营收93亿欧元，同比增长超过21%，订单已经排到2027年以后。这些数字本身就说明了一切：半导体制造的门槛，高到令人窒息。

到这里，整条链路已经从大模型的数学运算，一路追到了硅片上纳米级的晶体管结构。但故事还没完。还有一个问题，藏在这条链路的最深处——

光刻机也好，晶圆制造也好，有一种材料虽然用量极少，但一旦断了供，整条产线就得停。那就是稀土。

稀土在这条链里，扮演什么角色？

很多人以为芯片是用稀土做的。其实不是。晶体管的主要材料是硅，稀土在芯片成品里的含量极少。

但没有稀土，芯片根本造不出来。

晶圆每道工序之间都需要化学机械抛光（CMP），把表面磨到原子级平整。抛光液的核心磨料是二氧化铈（Ce）——铈是稀土元素。芯片缩小到45纳米以下后，传统二氧化硅栅极太薄会漏电，需要引入镧（La）等稀土元素调节界面特性。光刻机、刻蚀机里的精密电机和传感器大量使用钕铁硼永磁体——钕也是稀土。

稀土对芯片的意义不是"芯片里有很多稀土"，而是"没有稀土就造不出芯片"。它们渗透在制造工艺的每个环节，是工业维生素一样的存在——用量不大，缺一种都不行。

而全球稀土冶炼分离产能，中国占了大约85%以上。即使其他国家有稀土矿，也往往需要送到中国来加工提纯。2025年中国进一步升级了稀土出口管制，全球芯片供应链为此高度紧张。这层关系在新闻里不太起眼，但它可能是芯片地缘政治中最关键的一环。

更重要的是，稀土的作用远不止半导体。新能源汽车的永磁电机、风力发电、军工装备、消费电子……几乎所有你能想到的高端制造业都绕不开它。AI大模型带动的不只是芯片需求，而是从算力到材料、从软件到矿物的整条工业链。

写在最后

从对话框里的一行字，到70亿个浮点数参数的矩阵运算，到上万个GPU核心的并行计算，到硅片上纳米级的晶体管，到ASML那台180吨重的光刻机，再到地底下那些不起眼的稀土矿。

这中间的每一环都紧密相连。

一只蝴蝶扇动翅膀，可以引发一场风暴。AI这只蝴蝶的翅膀，扇动的是整个半导体产业链——从最顶层的算法，一直到最底层的元素周期表。

下次看到"AI芯片卡脖子"或"稀土出口管制"的新闻，你可能会多一层直觉：这些事情不是孤立的，它们本来就是同一件事。