ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست

۲۳ مهر ۱۴۰۵

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست

ای‌اس‌ام‌ال می‌گوید برنامهٔ فعلی تولیدش برای پاسخ به تقاضای مشتریان در ۲۰۲۷ و ۲۰۲۸ کافی نیست؛ حتی با سود قابل توجهی که امروز گزارش می‌کند. ابزارهای تازهٔ انویدیا ممکن است محاسبات مهندسی را کوتاه‌تر کنند، اما سرعت بیشتر یک محاسبه به‌خودی‌خود تولید کارخانه را بالا نمی‌برد. نظرسنجی فعالان نیمه‌رسانا از مشکل نیروی ماهر خبر می‌دهد و تورم آمریکا نیز موضوعی جداگانه برای فرض‌های تأمین مالی است. این شماره تفاوت ظرفیت دستگاه، سود گزارش‌شده، زمان محاسبه و قیمت مصرف‌کننده را روشن می‌کند. آنچه باید در ادامه دید، تعهد مشخص‌تر تولید و نتیجهٔ آزمون در کار واقعی است، نه فرض رفع کمبود با نرم‌افزار.


تحلیل ژرف

ای‌اس‌ام‌ال روز ۱۴ اکتبر گفت برنامهٔ فعلی تولیدش برای پاسخ به همهٔ تقاضای مشتریان در ۲۰۲۷ و ۲۰۲۸ کافی نیست. شرکت امکان افزایش بیشتر ظرفیت در ۲۰۲۸ را بررسی می‌کند، اما هنوز از تأمین آن ظرفیت اضافه خبر نداده است. پیام این خبر برای تراشه‌سازی که خط تازه‌ای می‌سازد، از رقم فروش مهم‌تر است: بودجهٔ خرید دستگاه می‌تواند آماده باشد، ولی نوبت تحویل نه. البته این ارزیابیِ مدیریت بر برنامه‌های مشتریان استوار است؛ نه حکم قطعی دربارهٔ کمبود همهٔ تراشه‌ها. پیش‌بینی تقاضا ممکن است تغییر کند. فعلاً خبر مشخص این است که خود فروشنده، میان برنامهٔ عرضه و خواستهٔ مشتریان فاصله می‌بیند.

دامنهٔ برنامه را باید از توضیح همراه اطلاعیه خواند. ای‌اس‌ام‌ال پیش‌تر افزایش ۳۰ درصدی ظرفیت دو گروه دستگاه را در ۲۰۲۷ نسبت به ۲۰۲۶ در نظر گرفته بود: EUV با گشودگی عددی پایین و DUV غوطه‌وری. افزایش ۳۰ درصدی دیگری برای هر دو گروه در ۲۰۲۸ نیز بررسی می‌شد. اکنون شرکت می‌خواهد ببیند می‌تواند از افزایش دوم فراتر برود یا نه. تعمیم این ارقام به همهٔ محصولات یا دستگاه‌های High-NA درست نیست. حتی برای همین دو گروه نیز درصد رشد به‌تنهایی تعداد دستگاه تحویلی به هر مشتری را نشان نمی‌دهد. از نگاه ژرف، مرحلهٔ مهم بعدی تبدیل این بررسی به برنامهٔ تولیدی است که قطعه‌ساز، فضای مونتاژ، نیروی آموزش‌دیده و تعهد تحویل پشت آن باشد.

در سوی دیگر خبر، صورت‌های مالی از کار انجام‌شده حکایت دارند. فروش سه‌ماههٔ منتهی به ۲۷ سپتامبر ۱۱٫۶۶۲ میلیارد یورو، سود عملیاتی ۵٫۱۷۳ میلیارد یورو و سود خالص ۴٫۹۶۰ میلیارد یورو بوده است. حساب‌ها طبق استانداردهای آمریکا تهیه شده‌اند و حسابرسی نشده‌اند. یک نکتهٔ مهم در خواندن سود خالص، سود ۵۰۹٫۷ میلیون یورویی سرمایه‌گذاری در سهام است که جدا از سود عملیاتی ثبت شده. این درآمد فروش دستگاه نیست؛ نباید دریافت نقدی یا تکرار آن را مفروض گرفت. کم کردن مستقیم این رقم پیش از مالیات از سود خالص هم سود «تعدیل‌شده» معتبری نمی‌دهد: اثر مالیات و اقلام دیگر حسابداری باید معلوم باشد. پس بهتر است همان معیارهای گزارش‌شده، با نام دقیق خودشان، مقایسه شوند.

خدمات و ارتقای دستگاه‌های نصب‌شده بخش قابل توجه دیگری از حساب‌هاست: فروش خدمات و گزینه‌های ارتقا به ۳٫۲۸۹ میلیارد یورو رسیده و مدیریت، تقاضای ارتقای بهره‌وری را عامل قوت این بخش می‌داند. اینجا یک راه عملی در برابر انتظار برای دستگاه تازه دیده می‌شود. کارخانه ممکن است از تجهیزاتی که همین حالا دارد، در همان فضای تولید، کار بیشتری بگیرد؛ فروشنده نیز از این کار درآمد مهمی کسب می‌کند. با این همه، سود امروز پاسخ دو پرسش دیگر نیست: چه مقدار پول واقعاً برای توسعه در دسترس است و توسعه چه زمانی تمام می‌شود؟ سود بالا و محدودیت عرضه می‌توانند هم‌زمان وجود داشته باشند.

انویدیا در ۱۴ اکتبر و در نمایشگاه SEMICON West، کوتاه کردن زمان محاسبات مهندسی را مطرح کرد. کتابخانهٔ cuPotential فعلاً در دسترسی زودهنگام است و شبیه‌سازی اتمی و مولکولی را هدف می‌گیرد؛ عامل‌های هوش مصنوعی می‌توانند آزمایش‌ها را اجرا و ارزیابی کنند. در آزمایش‌های اولیهٔ اعلام‌شده، سرعت دو تا سه برابر بیشتر شده، آن هم در کارهایی که از قبل برای پردازندهٔ گرافیکی بهینه بوده‌اند. لم ریسرچ نیز قصد دارد NanoVDB را به SEMulator3D اضافه کند. ادعای سرعت تا ۳۰ برابر بیشتر، به برخی محاسبات مدل‌سازی حکاکی ویفر محدود است و عرضه برای پایان ۲۰۲۶ هدف‌گذاری شده. انویدیا و شریکش از کارهای مشخص نرم‌افزاری حرف می‌زنند؛ این ارقام نه تأیید مستقل‌اند و نه اندازه‌گیری افزایش تولید ویفر.

برای فهم فایدهٔ احتمالی، مهندسی را تصور کنیم که چند دستور حکاکی را پیش از آزمایش فیزیکی مقایسه می‌کند. محاسبهٔ سریع‌تر، اگر دقت حفظ شود، می‌تواند کمک کند گزینه‌های نامناسب زودتر کنار بروند و وقت مهندس یا تعداد آزمایش‌های ناموفق کمتر شود. اما خود محفظهٔ حکاکی لزوماً سریع‌تر نشده، فرایند منتخب هنوز باید تأیید شود و خط تازه هم خودبه‌خود نصب نمی‌شود. بنابراین خریدار نرم‌افزار باید بپرسد زمان چه کاری سنجیده شده است: فقط محاسبه، یا آماده‌سازی و کنترل نتیجه هم جزو آزمون بوده؟ دقت دو حالت یکسان مانده؟ عدد آزمون سرعت را نمی‌توان در تولید کل کارخانه ضرب کرد و نامش را ظرفیت تازه گذاشت.

نظرسنجی EMD Electronics دلیل دیگری برای توجه به کار بیرون از نرم‌افزار می‌دهد. این شرکت روز ۱۳ اکتبر نتیجهٔ بررسی ۲۰۰ پاسخ‌دهنده در سپتامبر را منتشر کرد: ۷۵ درصد، دسترسی به نیروی ماهر را بزرگ‌ترین مانع شتاب دادن به سرمایه‌گذاری داخلی دانسته‌اند. استفاده از هوش مصنوعی در برنامه‌ریزی ظرفیت ۲۴ درصد و در زمان‌بندی کارخانه ۱۴ درصد گزارش شده است. IntelliSurvey افراد را با تماس تلفنی و از گروه‌های تخصصی، هدفمند انتخاب کرده؛ این نمونه نمایندهٔ همهٔ کارخانه‌ها نیست. پژوهش را هم EMD، فروشندهٔ مواد این صنعت، سفارش داده است. آنچه می‌توان گفت این است که پاسخ‌دهندگان، در کنار استفاده از فناوری، مشکل نیرو و برنامه‌ریزی دارند. این نظرسنجی میزان ظرفیت اضافه‌شده با هوش مصنوعی را اندازه نمی‌گیرد.

این تفاوت‌ها در برآورد زمان پروژه اثر می‌گذارند. اگر محاسبات طراحی کار را معطل کرده باشد، نرم‌افزار سریع‌تر شاید گرهی باز کند؛ اگر دستگاه منتظر متخصص نصب باشد، همان نرم‌افزار ممکن است تاریخ تحویل را تغییر ندهد. این‌ها مثال فرضی‌اند، نه شرح وضعیت یک مشتری مشخص ای‌اس‌ام‌ال. برای برآورد معتبر باید دید ساعت‌های مهندسیِ صرفه‌جویی‌شده چه تغییری در مرحلهٔ بعد ایجاد می‌کنند؛ هزینهٔ محاسبه، اتصال نرم‌افزار به فرایند موجود و بررسی نتایج نیز باید حساب شود. نرم‌افزار و سرمایه‌گذاری فیزیکی می‌توانند مکمل هم باشند، اما جای هم را نمی‌گیرند. سرعت چشمگیر یک محاسبه شاید اثر کوچکی بر زمان رسیدن دستگاه آمادهٔ کار به مشتری بگذارد.

گزارش اقتصادی جداگانهٔ این بازه نیز به فرض‌های مالی پروژه مربوط می‌شود، نه به آزمون نرم‌افزار. ادارهٔ آمار کار آمریکا روز ۱۴ اکتبر اعلام کرد شاخص قیمت مصرف‌کننده در سپتامبر، با تعدیل فصلی، نسبت به ماه قبل ۰٫۶ درصد بالا رفته؛ افزایش دوازده‌ماهه ۳٫۷ درصد بوده است. بدون غذا و انرژی، این دو نرخ به‌ترتیب ۰٫۳ و ۲٫۶ درصدند. شاخص، قیمت‌های خانوار را اندازه می‌گیرد، نه هزینهٔ تجهیزات تراشه‌سازی. همچنین تصمیم آیندهٔ بانک مرکزی یا علت حرکت یک سهم را ثابت نمی‌کند. اهمیت آن برای پروژهٔ چندساله، ابهام محیط مالی است: فرض‌های تأمین مالی باید روشن باشند، ولی تورم مصرف‌کننده جای استعلام قیمت دستگاه را نمی‌گیرد.

اکنون باید سه نوع پیشرفت را جداگانه دنبال کرد: تعهد مشخص‌تر ای‌اس‌ام‌ال به ظرفیت، با نوع محصول و مراحل تحویل؛ عرضهٔ هدف‌گذاری‌شدهٔ نرم‌افزار لم در پایان سال و آزمون آن در کار واقعی مشتری؛ و در کارخانه، پذیرش دستگاه، تأیید فرایند و تأمین نیروی کافی. افزایش سرعت پس از اتصال نرم‌افزار به کار موجود ممکن است با آزمون اولیه فرق کند. تقاضا نیز می‌تواند بالا یا پایین بازبینی شود و کارایی بهتر شاید تجهیزات لازم برای یک کار را کاهش دهد. نتیجهٔ ژرف این نیست که نرم‌افزار بی‌اثر است؛ اثرش باید در مرحله‌ای مشخص و با معیار درست دیده شود. ناکافی بودن برنامهٔ عرضهٔ ای‌اس‌ام‌ال و کاهش بخشی از کار مهندسی با ابزار انویدیا می‌توانند هر دو درست باشند، بدون آنکه کمبود رفع شده باشد.

بازهٔ این شماره ۴۸ ساعت، تا ساعت ۹:۰۱ روز ۱۵ اکتبر به وقت تهران است. اطلاعیهٔ ۱۳ اکتبر EMD به دلیل ارتباط مستقیم با خبرهای همان دورهٔ SEMICON در این بازه گنجانده شده؛ چهار سند دیگر در ۳۰ ساعت اخیر منتشر شده‌اند. عکس جلد: ©ASML؛ تصویر آرشیوی تحریریه‌ای از تجهیزات High-NA در اتاق تمیز ولدهوون، با برش متناسب با صفحه. عکس یک توسعهٔ تازه‌تکمیل‌شده را نشان نمی‌دهد و تصویر ظرفیت EUV با گشودگی عددی پایین و DUV غوطه‌وریِ موضوع این گزارش نیست.


منابع و اسناد

  1. 01ASML reports €11.7 billion total net sales and €5.0 billion net income in Q3 2026ASML · ۲۲ مهر ۱۴۰۵
  2. 02Financial Statements US GAAP Q3 2026ASML · ۲۲ مهر ۱۴۰۵
  3. 03NVIDIA and Semiconductor Leaders Advance AI Across Chip Design and Manufacturing for AI-Defined FabsNVIDIA · ۲۲ مهر ۱۴۰۵
  4. 04New EMD Electronics Survey Highlights Capacity Challenges in the Semiconductor Industry, Points to Expanded Sustainability DriveEMD Electronics · ۲۱ مهر ۱۴۰۵
  5. 05Consumer Price Index - September 2026U.S. Bureau of Labor Statistics · ۲۲ مهر ۱۴۰۵

برچسب‌ها

ای‌اس‌ام‌الظرفیت نیمه‌رساناشبیه‌سازی هوش مصنوعیکیفیت سودتورم آمریکا

اخبار مرتبط

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت
۱۷ مهر ۱۴۰۵•منبع: GlobalFoundries

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت

گلوبال‌فاندریز با تی‌اس‌ام‌سی برای تولید قطعات بسته‌بندی تراشه‌های هوش مصنوعی در نیویورک توافق کرد؛ اما این خبر به معنای آماده‌شدن ظرفیت تازه در همین امروز نیست. هم‌زمان، درآمد ماهانهٔ تی‌اس‌ام‌سی و برآورد سود فصلی سامسونگ تصویری از کسب‌وکار فعلی تراشه‌سازان می‌دهند. در سوی مصرف نیز انویدیا و وزارت انرژی آمریکا برنامه‌های تازه‌ای برای پژوهش با هوش مصنوعی اعلام کرده‌اند. گزارش امروز تفاوت این اسناد را توضیح می‌دهد: قرارداد تولید با درآمد ثبت‌شده یکی نیست، سود تلفیقی سهم هوش مصنوعی را نشان نمی‌دهد و بودجهٔ پژوهش هم هنوز نتیجهٔ علمی نیست. برای فهم اثر واقعی این خبرها باید زمان تحویل، نوع هزینه و خروجی قابل سنجش هر برنامه را جدا دنبال کرد.

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت
۱۶ مهر ۱۴۰۵•منبع: Applied Digital

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت

اپلاید دیجیتال در تازه‌ترین گزارش مالی خود، ۱۸۳٫۵ میلیون دلار درآمد تجهیز فضای مشتریان را در برابر ۶۵٫۸ میلیون دلار اجارهٔ پایه ثبت کرد. این تفاوت نشان می‌دهد چرا رشد درآمد مراکز هوش مصنوعی را نمی‌توان یکسره رشد اجارهٔ تکرارشونده دانست. زیان حسابداری بزرگ، زیان تعدیل‌شدهٔ کوچک‌تر و جریان نقد مثبتِ عملیات نیز هرکدام مبنای متفاوتی دارند. گزارش امروز این حساب‌ها را باز می‌کند و سپس با اتکا به صورت‌جلسهٔ تازهٔ فدرال رزرو، تغییر چت‌جی‌پی‌تی و قیمت‌های هایکو ۵٫۵، پرسش بعدی را مطرح می‌کند: درآمد ساخت زیرساخت چگونه به درآمد پایدار استفاده از آن تبدیل می‌شود؟ پاسخ هنوز به تحویل پروژه، هزینهٔ تأمین مالی و مصرف واقعی وابسته است.

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست
۱۵ مهر ۱۴۰۵•منبع: Constellation Energy

گوگل برای افزایش ۸۹۰ مگاواتی ظرفیت هسته‌ای قرارداد بست

گوگل با تعهد خرید بلندمدت برق، پشت افزایش ظرفیت نیروگاه‌های موجود کانستلیشن ایستاده است؛ برق تازه هنوز تولید نشده است. تفاوت میان خرید برق موجود و ساخت ظرفیت اضافه، مهم‌ترین نکتهٔ این قرارداد برای خوانندهٔ خبرهای مراکز داده است. گزارش امروز توضیح می‌دهد این تعهد چه کمکی به سرمایه‌گذاری می‌کند و چه چیزهایی، از زمان تحویل تا بازده اقتصادی، هنوز روشن نیست. نتایج مالی پنگوئن، پژوهش تازهٔ اوپن‌ای‌آی دربارهٔ کار با نرم‌افزار و تغییر دسترسی امنیتی آنتروپیک نیز حدود شواهد موجود را نشان می‌دهند. جمع‌بندی ژرف این است که تعهد خرید، پیشرفت مدل و درآمد ثبت‌شده را باید جدا سنجید؛ هیچ‌کدام جای برق قابل تحویل و کار واقعاً انجام‌شده را نمی‌گیرد.

ژرف این تحلیل را به‌طور مستقل و بر پایه منابع اصلی نوشته است. برای جزئیات و زمینه کامل، پیوندهای بالا را ببینید.

می‌خواهید هوش مصنوعی را وارد کار روزمره سازمانتان کنید؟

با ما تماس بگیرید و بگویید کدام کار بیشترین وقتتان را می‌گیرد.

تماس با ما