2026.10.08 | AC | SemiCap | ASML CEO Fouquet: AI & Moore's Law

摘要

纪要源于：2026年10月7日，TechTechPotato主持人Dr. Ian Cutress对ASML CEO Christophe Fouquet的专访。

以下是访谈全文：

Q&A

业界对于摩尔定律（Moore's Law）的存续有不同看法，例如英特尔认为其依然有效，而英伟达的黄仁勋（Jensen Huang）则认为其已经终结。请问ASML对此持何种观点？

业界对摩尔定律存在多种解读。其中最受认可的版本是“芯片上的晶体管数量每两年翻一番”，这一定律在过去数十年间持续驱动着行业发展。然而，当前人工智能领域的需求已远超这一定律的范畴。以最先进的AI产品为例，其对晶体管的需求并非每两年翻两倍，而是增长高达十六倍。因此，AI行业对逻辑和存储晶体管的需求增长速度远超传统摩尔定律所定义的水平。从这个角度看，可以说摩尔定律已被AI赋予了更强的动力，其发展正在经历前所未有的加速。

华为近期将摩尔定律重新定义为系统层面的扩展，涵盖了晶体管、封装、互连及整个系统。您是否认同这种将密度提升归因于微缩和封装共同作用的观点？

摩尔博士在最初提出摩尔定律时就已指出，芯片密度的提升将通过两种途径实现：一是微缩，即在单位面积内集成更多晶体管；二是通过封装将不同晶体管组合在一起。为了实现密度的大幅提升，微缩和3D集成（包括先进封装、晶圆堆叠或裸片堆叠）这两种方式都不可或缺。当密度需求以每两年十六倍的速度增长时，必须在这两个维度上都取得快速进展。如果微缩技术遇到瓶颈，正如华为几周前所指出的情况，就必须更多地依赖集成技术。这两个维度相辅相成，其乘积决定了最终的密度水平。

ASML的创立和发展模式与众不同，能否介绍一下其独特的起源故事，以及与客户和供应商的合作模式在其发展过程中扮演了怎样的角色？

ASML起源于40年前飞利浦的一个分拆项目。当时，半导体行业正处于起步阶段，一些公司如IBM倾向于完全垂直整合，自行生产包括光刻机在内的所有设备。飞利浦则预见到为整个行业提供光刻工具的商业机会，与日本的尼康和佳能等公司不谋而合。ASML从创立之初就确立了与客户及供应商紧密合作的模式。客户能够明确告知我们研发方向，而供应商合作则使我们选择了系统集成的道路，而非垂直整合。通过系统集成，我们得以与各个子系统领域的顶尖伙伴合作，例如与蔡司在光学系统领域合作了40年，以及与VDL、创浦在EUV技术上的合作，近期还包括与Mistral在AI领域的合作。ASML的核心职责是理解客户需求，并整合全球最优秀的资源来实现这些需求。这一合作共赢的理念至今仍是公司发展的基石。

据了解，在ASML成立初期，许多竞争对手也对其进行了共同投资。这种独特的共投模式对公司的发展产生了多大的影响？

共同投资模式在公司发展中至关重要，尤其是在技术需要规模化投入的阶段。以EUV技术的研发为例，尽管当时公司凭借DUV技术业务健康，但财力尚不足以支撑EUV研发所需的大规模投入。若仅依靠自身资金，研发周期将会过长。因此，我们向客户提出共投方案，让他们为这项未来必需的技术贡献资金。这种模式确保了关键技术能够及时开发并规模化。此外，我们还通过整合像Cymer这样的公司来获取EUV光源等关键技术。让技术的最终使用者参与投资以加速其规模化进程，是一种非常有效的商业模式。

EUV技术的研发路线图长达数十年，涉及尖端的硬科学难题。在与合作伙伴进行如此长周期的合作时，信任是如何建立和维持的？

实现长周期、高难度的技术合作，关键在于愿意与合作伙伴分享信息、计划，甚至未来五到十五年的愿景，即便未来充满不确定性。要做到这一点，必须与合作伙伴建立深厚的信任关系。这意味着需要确保共享的信息不会被对方用来谋取不正当利益，例如索取过高价格或利用技术壁垒将我们排除在外。信任是ASML最珍视的资产，我们愿意在很多方面妥协，但绝不会牺牲信任。一旦失去信任，我们的发展视野将急剧收窄，无法再进行需要十年甚至十五年研发周期的下一代产品开发。例如，我们即将投入生产的High-NA系统，其研发项目早在2012至2013年便已启动。

在面对众多解决硬科学难题的技术构想时，ASML如何筛选出真正有价值的方案，并有效管理研发过程中的失败与挫折？

首先，必须明确要解决的核心问题，避免为了创新而创新。在明确目标后，我们会进行大量的创新和尝试，这也意味着要接受并从错误与失败中学习。EUV技术的成功就是一个典型例子。在其长达约20年的研发历程中，前15年甚至18年充满了痛苦的失败和挫折。例如，EUV光源的功率问题曾长期无法解决，直到工程师们凭借坚韧不拔的精神取得了突破。我们经历了无数次的设计失误、重大挫折和失望，但团队始终没有放弃。关键在于，一旦意识到某个方案行不通，就必须迅速调整，转向全新的方法。这种聚焦于核心问题、勇于试错并快速迭代的能力，使我们能够集中精力，避免在不相关的想法上浪费资源。

对于那些正在开发可能被大型企业采用的深度科技初创公司或投资者，您有何建议？

无论公司规模大小，成功的关键要素是相通的。首先，必须清晰地定义你正在尝试解决什么问题。其次，要找到那些每天都在面对这些问题的潜在客户，他们会欢迎你为他们解决难题。一旦确定了问题和目标客户，就应该与他们紧密合作，将所有精力都投入到解决这个问题上。任何一个伟大的想法，如果不能与实际问题和真实客户相结合，最终都可能无法实现商业化。将一个好点子转变为成功业务的关键，就在于这几个核心要素。

是否最好的技术构想总能取得最终的成功？

并非如此。除了技术本身，可扩展性是另一个决定成败的关键因素。例如，制造一台EUV光刻机是一项挑战，但更大的挑战是生产数百台，将它们运往世界各地，并确保其持续稳定运行。为了实现这一点，必须在某个阶段将研发成果操作化，确保供应链的稳定。如今，供应链的重要性已广为人知，任何公司如果忽视供应链管理，都可能陷入困境。因此，在公司发展的特定阶段，拥有科学构想和原型开发的团队也需要理解运营的重要性，才能将技术构想真正转化为规模化的商业成功。

随着AI和机器学习从纯软件应用向物理和基础设施层面渗透，这对从业者意味着怎样的挑战和变化？

当前乃至未来，AI最重要的部分并非模型，而是数据。AI之所以在几年前迎来爆发，固然得益于模型的进步，但根本原因在于全球多年积累的海量数据得以被利用。因此，对于任何一家公司或初创企业而言，思考AI应用的第一步应该是审视自身产生了哪些独一无二的数据。这些专有数据可以用来训练强大的算法，从而加速产品开发、提升产品性能，并全面优化业务流程。若缺乏高质量的自有数据，AI的应用将非常困难。拥有数据后，下一步是开发针对特定业务场景的定制化AI模型。大型语言模型只是第一步，它们主要处理的是互联网数据集。而业界正越来越多地讨论“代理式AI”（Agentic AI）和物理模型，因为这些更贴近企业的实际运营。AI的最大价值将体现在产业应用中，它能够加速半导体、医疗、教育、能源等几乎所有垂直领域的技术创新和性能提升。

ASML近期宣布与Mistral AI达成合作。考虑到Mistral以其开源模型著称，而您又强调了专有数据集的重要性，请问ASML计划如何整合这些机器学习工具，具体旨在改进哪些方面？

与Mistral的合作完全符合我们整合最佳合作伙伴的模式。ASML并非一家AI公司，我们的核心专长在于光刻、光学和机械工程，但在开发AI模型或最大化利用数据方面并非强项，尽管我们每分钟都会在全球范围内产生TB级别的数据。与Mistral合作的目标是，借助其专业能力，深入挖掘我们的数据价值，帮助我们构建数据架构，并为我们的产品、运营及研发等环节开发高度定制化的模型。Mistral支持开源的理念与我们的看法一致，即AI的真正价值不在于模型本身，而在于基于模型驱动的应用。通过开源，大多数人可以获取模型的核心技术，从而将更多精力投入到应用的定制化开发上。

Mistral AI是一家欧洲公司，这一地理因素在ASML选择其作为合作伙伴的决策中占有多大比重？

我们确实乐见合作伙伴是一家欧洲公司，但需要强调的是，这次合作完全是基于产业需求的商业决策。我们评估了欧洲及其他地区的多个潜在合作伙伴，最终选择了我们认为最适合与ASML合作的团队。尽管外界媒体对此有不同的解读，但其本质是一个纯粹的商业决定。

对于初创公司而言，与ASML这类大型企业合作的关键价值是什么？大型企业应如何为初创公司提供支持？

对于初创公司而言，与ASML或其他大型企业合作时，关键在于大型企业能提供何种帮助。资金支持固然重要，尤其是在欧洲，获取资本仍然是一个挑战，但初创公司需要的远不止于此。ASML在寻求与新领域的初创公司合作时，前提是相信公司自身所具备的能力，无论是工程、运营还是其他方面，能够为初-创公司提供实质性帮助。ASML在过去40年积累了丰富的经验和教训，如果能帮助一些初创公司避免犯某些错误，这将是极大的助益。因此，对于初创公司来说，真正需要思考的是，大型企业如何能帮助其发展，因为大型企业也可能因其复杂的内部流程扼杀初创公司。这种理念应当适用于所有大型企业，但有时人们仅仅停留在投资层面。在欧洲，资本获取的难度众所周知，然而，资金到位后，其他因素对于公司的成功同样至关重要。

欧洲在深度技术领域具备优势，但为何难以诞生万亿级美元的工业巨头？欧洲需要采取哪些措施来捕获更多技术产业价值，以及新的《欧盟芯片法案》是否对此有所助益？

欧洲在教育和科研设施方面基础雄厚，这催生了大量优秀的创意和初创公司。然而，当这些公司需要扩大规模时，便面临招聘、场地、设备和投资等一系列挑战，这凸显了资本可及性的问题。其次，欧洲的整体商业环境应支持而非阻碍企业发展。与美国和中国相比，欧洲在资本可及性和政府支持方面存在显著差异。美中两国政府通常扮演产业赋能者的角色，通过制定相应法规促进产业繁荣。相反，欧洲政府的角色往往被认为是限制性的，这是一个亟待改变的重大挑战。尽管许多领导人已认识到问题所在，但从现有体系转向一个能让深度科技初创公司蓬勃发展并参与全球竞争的新体系，仍然十分困难。企业不仅要有好的创意，还必须准备好与来自美国、中国及世界其他地区的优秀公司竞争，而政府应当在此过程中提供支持而非阻碍。

欧洲在支持科技产业发展方面的现状是否有所改善？《芯片法案》2.0带来了哪些变化？

目前在问题认知层面有所改善，这部分源于紧迫感，即意识到不改变将导致严重后果。欧洲面临的挑战是，通常需要经历重大事件，如乌克兰战争或大量初创企业成功后迁往美国，才会意识到问题的存在。虽然问题已被认识到，但变革的速度仍然是一个真正的挑战。以《芯片法案》2.0为例，确实出现了一些改进。该法案的关注点更广泛，覆盖了整个生态系统而不仅限于芯片制造，并且加强了与经济和产业的联系。然而，欧盟委员会仍倾向于过多介入具体项目，业界需要持续说服他们，产业应由产业自身来主导，而非由委员会主导。

面对人工智能驱动的存储芯片需求激增以及宏观经济环境的变化，供应链合作模式发生了怎样的调整？对未来市场需求的可见度如何？

市场变化发生在过去大约六个月内。六个月前，市场对2026至2027年的预期是健康但相对平稳。例如在2025年7月的季度财报中，由于客户增长乏力，公司甚至无法确认增长预期。但在过去的六个月里，业界普遍认识到人工智能将转化为大规模的基础设施建设，这一过程可能持续三到五年。基础设施到位后，将催生大量新产品，如机器人、医疗健康和能源产品等，从而需要更多芯片。市场情绪从几个月甚至几年前的普遍怀疑转变为当前的积极乐观，整个行业都在努力追赶积压的大量订单。因此，有观点认为这种需求旺盛的状况可能持续到2027至2028年，甚至更久。通常情况下，对未来两到三年的市场有较清晰的可见度，这与客户及其下游客户的可见度基本一致。在此之后，则需要通过建模来预测未来需求。人工智能已经极大地改变了行业需求格局，目前约占半导体产量的一半，超越了传统的手机、个人电脑和电动汽车等驱动因素。

在科技行业，有一种观点认为成功的公司每一代产品都必须进行“赌上公司”级别的投入才能生存，对此您如何看待？

一家公司，尤其是成功的公司，最容易犯的错误就是相信过去的成功经验能够指引未来的成功。当一家公司非常成功时，很容易产生自满情绪，并可能忽视对未来五到十年的思考。世界变化迅速，例如，如果大多数公司现在不投身于人工智能，就可能被远远甩在后面。而拥抱人工智能则需要公司内部进行重大变革，例如在ASML内部，围绕AI重组公司就是一个相当大的调整。因此，公司必须时刻关注未来的发展趋势并为此做好准备，即使未来十年所需的能力与过去十年截然不同。半导体设备行业相对幸运，因为20年前生产的设备至今仍在使用，这使得挑战相对容易一些。尽管如此，公司仍在不断寻找新的机会，例如3D集成就是ASML正在关注并会持续投入的方向。审视未来并为之准备，是任何公司董事会和首席执行官的核心职责之一。