马斯克要建晶圆厂，ASML成了绕不开的一关

作者 | 山竹

出品 | 锌产业

6月11日，马斯克参加了ASML内部技术大会，并与ASML CEO Christophe Fouquet进行线上炉边谈话，议题覆盖AI、机器人、太空探索和半导体制造。

而这场不对公众开放的内部活动，真正引发外界关注的，是马斯克再次谈到Terafab。

这是一个由SpaceX、Tesla、xAI等马斯克系公司推动的半导体制造计划，简单说，马斯克想建一座服务于AI算力需求的超级晶圆厂。

如果说过去几年，AI公司争夺的是GPU、数据中心和电力，那么Terafab指向的是更深一层的问题：当算力成为所有业务的底座，芯片还能不能只靠别人制造？

01 马斯克不只想买芯片

马斯克一直不缺宏大叙事。

他造电动车，造火箭，造卫星互联网，现在又把目光投向了晶圆厂。

看上去，这像是马斯克商业版图的一次自然延伸，但放在AI产业当下的竞争环境中，它并不只是又一个“造厂”故事。

Investors报道称，马斯克此次在ASML内部技术大会上，向ASML员工介绍这一由Tesla和SpaceX等公司推动的半导体工厂设想。

Terafab最直接的背景，是马斯克系公司正在快速膨胀的算力需求。

Tesla需要芯片支撑自动驾驶和Optimus机器人，xAI需要大规模训练和推理算力，SpaceX则把AI算力的想象力带到了太空。

外媒Business Insider近日报道称，马斯克展示了SpaceX计划送入轨道的AI数据中心方案，相关卫星将搭载AI芯片机架、太阳能板和液冷散热系统。

SpaceX CFO Bret Johnson还表示，这些轨道AI数据中心初期将使用英伟达GPU，未来会引入Terafab生产的定制抗辐射芯片。

这意味着，马斯克对芯片的需求已经不只是“采购更多GPU”，他真正想解决的，是AI算力供应链的主动权问题。

过去，科技公司通常通过三种方式解决芯片问题：买英伟达GPU，用云服务，或者自己设计芯片再交给台积电、三星、英特尔等代工厂生产。Terafab的设想更激进，它试图把芯片设计、制造、封装和特定场景优化都纳入一个更靠近马斯克系业务的体系中。

这很符合马斯克一贯的做法。

Tesla不只是做汽车软件，也做电池、充电网络和整车制造；

SpaceX不只是发射火箭，也做发动机、卫星和地面终端。

垂直整合，是马斯克改造多个行业时反复使用的方法。

只不过，半导体制造不是电动车工厂，也不是火箭总装线。

晶圆厂真正困难的地方，不在于厂房够不够大，也不只在于钱够不够多，而在于工艺、材料、设备、良率、人才和供应链长时间磨合。先进制程是一套高度复杂的全球协作系统，不是单靠资本和速度就能直接推开的门。

02 ASML成了Terafab关键变量

马斯克在ASML大会上谈Terafab，最有意味的地方正在这里。

ASML不是普通设备供应商。它几乎站在先进芯片制造最关键的位置上，其EUV光刻系统使用极紫外光，让世界最先进微芯片的大规模生产成为可能。

对于AI芯片来说，越往先进制程走，越离不开EUV光刻设备，而ASML正是这一领域最核心的公司。

这也是马斯克公开称赞ASML的原因之一。

据MarketWatch报道称，马斯克此前曾在X上称ASML可说是欧洲最伟大的公司之一，对马斯克而言，ASML不是一个可以随意替换的供应商，而是Terafab如果要进入先进制造必须面对的关键节点。

此外，ASML CEO Fouquet曾表示，已与马斯克直接谈过Terafab，并认为马斯克对该项目“非常认真”。

“认真”当然不等于成功。

先进晶圆厂需要的不只是几台昂贵设备，而是一整套制造能力，台积电、三星、英特尔多年积累起来的优势，来自长期工艺迭代、客户验证和良率经验。Terafab即便能获得设备、资金和合作伙伴，也要经历从试产到量产的漫长过程。

更现实的问题是，ASML的先进设备本身就是稀缺资源，台积电、三星、英特尔等头部客户长期排队争夺EUV产能，一个新进入者想获得足够资源，必须证明自己不只是有想象力，也有可执行的工艺路线、制造团队和长期需求。

这正是Terafab最值得观察的地方。

它一方面说明，AI竞争正在把科技公司推向芯片供应链更上游。

过去，大模型公司争的是GPU集群，现在，最激进的玩家开始思考晶圆厂。

另一方面，它也说明，当AI算力需求大到现有供应体系难以让人安心时，科技巨头会忍不住想亲自下场。

马斯克能不能把这件事做成，仍然不好判断。

他过去多次证明，极端垂直整合可以改变一个行业的成本结构和迭代速度，但半导体制造的门槛，比汽车和火箭更隐蔽，也更难被外部叙事压缩。

Terafab如果成功，它将成为马斯克系公司控制AI算力入口的重要一步，如果推进不顺，它也可能最终收缩为特定芯片、封装或小规模试验线项目。

但至少现在，马斯克已经把问题摆到了ASML面前。

AI时代的芯片竞争，正在从“谁能买到更多芯片”，变成“谁能更深地控制芯片从哪里来”。