關於 國防科技發展的特點 ，我們在網路上蒐集到這些相關的討論、資訊與評價

0930華爾街日報

*【美國和歐盟將攜手解決晶片短缺和技術問題】
美國和歐盟官員同意聯合起來，努力促進半導體供應鏈並保持在新興技術領域的領先地位。
https://tinyurl.com/yhd2x9va

*【美歐在匹茲堡就科技、貿易和中國問題展開會談】
定於週三在匹茲堡舉行的高級別貿易和技術會議旨在緩和美國與歐盟之間的爭執，而雙方在中國問題上的政策分歧有可能使關係更趨緊張。
https://tinyurl.com/ygxzlp6s

*【鮑威爾稱供應鏈瓶頸可能導致高通膨持續得更久】
美聯準會主席鮑威爾表示，美聯準會認為目前的價格飆升主要是由於供應鏈瓶頸造成的，會持續到明年才會消退。
https://tinyurl.com/yerlryss

*【岸田文雄將出任日本下一任首相】
日本前外務大臣岸田文雄當選日本執政黨黨魁，保證了他將成為日本下一任首相。
https://tinyurl.com/yghol8ry

*【德國新政府未成形，歐盟重大決策尚需等待】
德國新一屆政府的構成尚不明朗，這意味著歐盟內部在經濟政策和國防事務等方面的緊急決策都被擱置了。
https://tinyurl.com/yjz3e7g5

*【民主黨人爭取將移民改革納入預算方案的努力再次被否決】
美國總統拜登的移民議程遭受了新的挫折，參議院規則的仲裁者說，民主黨人為國內數百萬非法移民提供入籍途徑的替代計劃不能被納入正在國會審議的3.5兆美元預算計劃。
https://tinyurl.com/yz6lzlyt

*【輝瑞的兒童新冠疫苗可能要到11月才能獲批】
據一位消息人士稱，輝瑞公司和BioNTech SE的兒童疫苗可能要到11月才能獲得監管部門的批准，此前這兩家公司表示他們在幾周內不會提交審批申請。
https://tinyurl.com/yzzwqemg

*【研究報告稱中國「一帶一路」倡議面臨隱性債務問題】
隱性債務和問題項目正在成為中國「一帶一路」倡議的特點，一些研究報告指出，中國國家主席習近平倡導的這個國際基礎設施發展計劃正面臨阻力。
https://tinyurl.com/yfytpf3q

*【報告稱中國已在國外發放了價值3,850億美元的隱性貸款】
週三發布的一份報告顯示，中國發放了價值3,850億美元的所謂「隱性貸款」，其收費高於西方發展機構，而較貧窮國家不必披露它們的存在。
https://tinyurl.com/yhqo5fah

*【中國恆大將向國企出售盛京銀行股份，籌資約15億美元】
中國一家國有企業與中國恆大集團達成協議，將斥資15億美元收購中國恆大在盛京銀行的大部分持股，這是中國政府試圖幫助中國恆大解決部分財務問題的最新跡象。
https://tinyurl.com/yggapr6e

*【中國恆大徘徊在違約邊緣，全球債主考慮追索選項】
持有中國恆大美元債的全球投資者正與律師和顧問探討，設法確定有哪些追索選項。懸而未決之處在於，中國政府將如何處理恆大可能倒閉的問題。
https://tinyurl.com/yf4xd7te

*【融創雖未面臨恆大式危機，但已然根基不穩】
融創的財務指標肯定好於恆大，因此或許不會立即面臨流動性問題。但如果中國房地產市場長時間維持低迷態勢，將意味著融創產生現金來償還債務的難度會日益加大。
https://tinyurl.com/ygmrdr8y

*【易綱：中國將盡可能地延長實施正常貨幣政策的時間】
中國人民銀行行長易綱說，中國將盡可能地延長實施正常貨幣政策的時間，目前不需要實施資產購買操作。
https://tinyurl.com/ygbq3vyq

*【日本政府退休金投資基金決定暫不投資人民幣計價的中國國債】
考慮到清算和流動性方面的問題，日本政府退休金投資基金已決定暫不投資人民幣計價的中國國債。
https://tinyurl.com/yz7cty87

*【中國將制定演算法治理規則】
中國啟動了一項為期三年的計劃，在大規清理互聯網的行動中，為科技公司廣泛使用的演算法制定管理規則和體系。
https://tinyurl.com/yhda66jb

*【大型車企押注固態電池將是電動汽車下一戰場】
大眾和福特等汽車公司在爭相製造價格更便宜且續航里程更長的電動汽車之際，正投入更多資金來研發一項長期以來被視為極難實現的技術：固態電池。
https://tinyurl.com/yzs2xwv3

*【寧德時代將以近3億美元收購加拿大鋰礦商Millennial Lithium】
特斯拉的供應商寧德時代新能源科技股份有限公司將以全現金方式收購Millennial Lithium Corp.，交易價值3.77億加元。
https://tinyurl.com/yelvumuu

*【對抗亞馬遜，Google嘗試通過電子商務改革贏回廣告用戶】
在爭奪數十億美元電子商務廣告費的戰役中，Google這個不可能的弱者正在努力跟上亞馬遜公司的步伐。
https://tinyurl.com/yhemgj5l

*【歐美油企的能源轉型計劃大比拼，孰能更勝一籌？】
相較於歐洲主要石油公司，投資者似乎更青睞美國大型油企的能源轉型計劃。但現在哪種方式更具優勢還沒有定論。
https://tinyurl.com/yga98jc8

*【歐元區企業和家庭信心9月份略有上升，好於預期】
歐元區企業和家庭信心9月份略有上升，好於預期；預期為小幅下降。
https://tinyurl.com/ykyxnqa2

摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

美國能否延續全球Monroe Doctrine？

轟炸敘利亞，幾乎已成為美國總統上任的「成人禮」（rite of passage）。上周拜登派出戰機空襲敘利亞多處被指控為親伊朗的軍事據點，殺戮了20多人。新聞報道篇幅極細小，相信不少讀者根本沒有留意到，真悲哀！大家還記得4年前，特朗普剛上任不久，國家主席習近平去了佛羅里達州海湖莊園（Mar-a-Lago），進行友善「家訪」，在晚宴吃甜品時，特朗普突然告訴習主席美國正對敘利亞採取飛彈襲擊嗎？

全球早已習慣美國在中東殺人，已變得麻木，根本不再是新聞。但我可以擔保，如出擊者變為中國，肯定成為鋪天蓋地的頭條新聞，必被西方傳媒千夫所指，西方將採取報復式制裁，甚至恐嚇軍事行動。其實不用幻想中國在中東採取軍事行動，中國愛好和平，根本不太可能發生。即使如在新疆再出現恐襲，中央採取必要執法行動，拘捕犯案者，相信極偏頗的西方輿論，已必將無理譴責中國在自己境內的執法。

近日美軍在台灣海峽，頻密派出偵察機進行極具挑釁性，非常接近中國領空的危險軍事行動，可隨時重演近20年前在海南島附近出現過的空中撞機事件。如不幸再發生意外，情况將比當年危險十倍，美中關係今非昔比，美國已把中國當為最大威脅的競爭對手。台灣情况亦比海南島更敏感，除歷史原因外，更絕不可小覷台積電的重要性。中國已把加速發展半導體技術的重要性，提升至等同過去發展原子彈的級別。直到完全成功前，台積電無可比擬的最先進技術和產能，仍是全球各國和所有高科技企業的兵家必爭之地。

中國半導體成功前 各國必爭台積電產能

近月不尋常地，美國第七艦隊，竟同時有三艘超級航母在西太平洋執勤：羅斯福號（USS Theodore Roosevelt）、尼米茲號（USS Nimitz）和列根號（USS Ronald Reagan）。第七艦隊母港為日本橫須賀，已駐紮在亞洲近80年，整個艦隊約擁有70艘戰艦、300隻飛機和4萬士兵，是美國海軍中最龐大的「號碼艦隊」（numbered fleet）。

再請各位幻想一下角色對掉，假如是中國航母遼寧號在加州蒙特利半島（Monterey Peninsula）對出數十海里外公海上巡航，派出偵察機執行任務，甚或舉行軍事演習，美國將會如何反應？我相信只要中國艦隊接近夏威夷，美軍已必進入最高戒備狀態，在駛近加州前，已有可能爆發了第三次世界大戰！

為何國際軍事局勢如此超級不對稱？來源出自一段美國歷史，在1823年，美國立國不到50年時，當時總統門羅（James Monroe）已在國情諮文中宣布，美國把整個南北美洲視為她的勢力範圍（sphere of influence），將不再允許歐洲列強，即西班牙、葡萄牙、英國、法國等，干預南北美州任何事務。歷史上此宣言被稱為「門羅主義」（Monroe Doctrine）。如任何外國勢力超越此紅線，美國將把行動視為等同侵犯美國主權的敵對行為（hostile act）。

在美國立國之初，歐洲列強在南北美洲仍有頗大影響力，對美國構成威脅，有些南美國家更仍未成功爭取獨立，所以門羅主義有一定的需要性。此宣言亦代表美國已儼然成為一個可與歐洲列強較勁的新超級強國，亦是美式帝國主義的開始。門羅主義有兩個主要特點，第一是聰明地，美國永遠以聽起來很崇高、很正義，但可以是極度虛無縹緲，甚至與事實完全相反的民主、自由，與和平為任何政策、任何軍事行動，包括非法攻打任何國家的藉口和理由！第二個特點是美國採取任何行動前，當然毋須得到被門羅主義所覆蓋的國家的同意，更當然毋須這些國家發聲向美國要求援助。

行使門羅主義的最重要案例當然是總統甘迺迪年代，1962年10月發生的「古巴飛彈危機」。當時蘇聯計劃在古巴部署核飛彈（回應早前美國在意大利和土耳其設置飛彈），如落實當然將威脅到距離只約100英里的美國。所以甘迺迪視此舉為直接針對美國的嚴重敵對行為，且宣布如蘇聯不馬上撤回所有軍事設施，將不惜與蘇聯開戰。幸而經雙方秘密商討後，蘇聯願意撤退，其實美國亦同意在歐洲讓步，世界才能避過核戰危機！

美國二戰後門羅主義擴至全球

在二戰中，美國當然是打敗軸心國的最大功臣，亦是最大贏家，成為全球超級強國，亦因此取得全球道德高地，從此擔當世界警察角色，更可說是把門羅主義伸延至全球！此角色非常吃重，責任包括保護全球盟友和附庸國，在美國認為必要時，甚至主動出擊，多年來亦自稱有功於維持全球海上航運安全。世界警察此重擔，美國維持全球約800個海外軍事基地，每年軍事支出超過7000億美元，約後面9個國家的總和；第二名的中國，去年軍事支出只約1850億美元，不到美國的三分之一。

請大家不要誤會門羅主義已過時，美國不再承認仍奉行此近200年歷史，充滿帝國主義色彩的外交教義。不到兩年前，在2019年4月，當時美國國家安全顧問博爾頓（John Bolton），宣布制裁古巴、委內瑞拉和尼加拉瓜，竟同時提醒全世界：「Today, we proudly proclaim for all to hear: the Monroe Doctrine is alive and well！」有點愚蠢，但總算坦白！

近日西方傳媒，再次發動攻勢，意圖挑撥離間中國與東盟各國感情。上周《經濟學人》封面故事為「The battle for China's backyard」，主要暗藏4個已不新鮮，但仍是陰毒和不正確，針對中國的指控。最離譜的指控是中國願意跟各國分享疫苗的人道立場，竟被抹黑扭曲為疫苗外交，企圖藉此爭取外交好感和令到世人忘記病毒「來自」中國。絕對需要再說清楚一次，西方多國治疫失敗，所以當疫苗研發成功後，美、加和英國等馬上囤積居奇超過自己人口數倍的疫苗，不用說不會真心幫助發展中國家，連親密歐盟國家都未能獲得足夠疫苗，所以不少已樂意開始接種中國疫苗。東南亞的優先權當然更低，何時才輪到印尼等國？所以印尼總統佐科（Joko Widodo）早在1月底已欣然率先公開表示接種了科興疫苗。

中國分享疫苗 遭西方指控為播毒開脫

至於病毒來自中國之說更無理，更陰毒。首先病毒來源仍是個謎，世衛專家都不排除外國凍肉或海產輸入的可能。再者即使來源地是中國，既然世衛專家已完全排除病毒來自武漢實驗所的可能，亦即是病毒產生純屬天然（但可能跟氣候和環境變化有關），那麼中國何罪之有？HIV病毒最初病例都在美國，至今已奪取全球超過4000萬人性命，美國需否為此道歉和賠償？西方仍指控中國在疫情剛出現時，失責沒有完全防止病毒流出中國。此項指控當然同樣無理，最初中國自顧不暇，在不到1個月內公布整個病毒基因排列，已非常了不起，能在3個月內大致控制全國疫情就更值得佩服。至今疫情已蔓延了1年，美、加、瑞典等國，有什麼控制疫情輸出的措施？連有效的本地隔離措施都沒有！散播病毒的罪名不是更重嗎？

第二個指控仍是所謂的經濟侵略。10年內，中國在東南亞投資增加了30倍，升至400億美元，投資範疇包括高速公路、高鐵、港口等有助商貿的基建設施，亦在越南、柬埔寨和馬來西亞等，開設大量工廠，這些都是互利的投資項目，即使有小量投訴僱用太多中國工人，但主要原因是本地工人水平仍未達標，不可能是中國工人工資比當地工人低吧！至於能否應付各基建項目的財務負擔，這主要是當地政府自己衡量的責任。曾看過一段希臘前財政部長瓦魯法基斯（Yanis Varoufakis）的視頻，他憶述當年財政危機時把Piraeus港口賣給中遠集團時，希臘工人覺得條例對他們不夠好，結果中方樂意把部分股份送給工會。我相信在東盟各國，在合理條例下，中方同樣有一定彈性。

西方道德標準常變 昂山素姬再成聖人

第三個無證據的指控是中國賄賂各國政客，和支持專制政權，如剛發生政變的緬甸軍政府。我不清楚實情，但這些指控嚴重，必須拿出真憑實據，不可隨口中傷。而且西方道德標準是可按本身利益而不停改變的，不久前昂山素姬仍被指控為種族滅絕羅興亞（Rohingya）族群的幫兇，差點連諾貝爾和平獎都想收回，但現在又再次開始被西方傳媒捧為逆權「聖人」！對比西方帝國主義下對整個中南半島，在過去200年的侵略、殖民和引起的多場戰亂，導致多少人家破人亡，無論中國有否干預別國內政，簡直微不足道。

第四個指控是中國「霸佔」大部分南中國海的主權，非法建設大量人工島，且把部分島嶼軍事化。根據著名新加坡學者兼前外交官馬凱碩（Kishore Mahbubani）的中立解釋，最先在南中國海建造人工島的是馬來西亞、菲律賓和越南等國，且有些數量比中國還要多，但當然中國能力強大，建造的人工島面積比其他國家大得多。馬凱碩再解釋，在中國把部分島嶼軍事化初期，中國國家主席習近平向反對的美方提出降溫解決條件，只要美國不派出戰艦駛近這些人工島進行挑釁行動，就答應停止軍事化，但不幸美方錯過機會，拒絕答應。

中國須加強國防 爭取南中國海活動空間

中國已成為一個超級強國，是不爭的事實，但中國絕不好戰，是歷史上少有40多年沒有打過仗的超級強國。中國亦非一個擴張型的霸權，更絕不會奉行帝國主義，宣布中國式的「門羅主義」。但無疑愈來愈強大的中國，亦招來美國和西方的猜忌，因此中國必須加強國防，包括爭取在自己「後園」、南中國海的活動空間。在過去，甚至可說美國第七艦隊對中國也有好處，免費為中國商業航運護航，但時到今天，多謝了，中國不需亦不可再接受此「恩惠」，中國已有足夠軍事資源保護自己，更不可把自己的石油和各種礦產資源命脈，交給隨時可封鎖航道的美國海軍手上。

我絕對相信中國在有關南海外交事務上，將盡量忍讓和保持克制，因為時間優勢在中國這邊。中國與東盟國家的經濟關係將繼續發展，時間將證明這是互利的，中國外交政策是和平的，亦即是對美國軍事保護的需要將減低。而美國佔全球經濟的比例亦必繼續下降，40年來已從全球近半跌至現在的約25%，再過10年，可能20%都不到，更大概率已被中國超越，到時如何再負擔 「9 Power Standard」的軍事開支？唯一方法將是迫使全球門羅主義覆蓋的國家，購買大量高昂的武器系統，甚或收取駐軍費用。馬凱碩和所有專家都勸喻美國避免逼東盟各國，在美國和中國兩者中作出選擇，但隨着時間過去，正確選擇將愈來愈明顯。

（中環資產持有台積電的財務權益）

中環資產投資行政總裁

[譚新強 中環新譚]