基于關鍵節(jié)點識別的芯片制造復雜供應鏈網(wǎng)絡脆性研究

0 引言

自2018年起，我國芯片行業(yè)面臨一系列挑戰(zhàn)，“十四五”規(guī)劃指出，要加強集成電路等領域國家重大科技項目原創(chuàng)性、引領性科技攻關；“國家集成電路產業(yè)投資基金”成立，旨在支持芯片企業(yè)的研發(fā)、產業(yè)升級和并購等活動。全球經濟和科技快速發(fā)展，要求加速新質生產力的培養(yǎng)。這種生產力以其高科技、高效能、高質量特征，推動著經濟向高質量方向發(fā)展。隨著芯片制造領域不穩(wěn)定因素持續(xù)增加，只有堅定不移地發(fā)展新質生產力，不斷增強芯片制造供應鏈的韌性，才能最終突破層層封鎖。

在這一背景下，李巍等1揭示了跨國芯片產業(yè)供應鏈政治經濟學的復雜性，強調了供應鏈自主可控的緊迫性。崔連標等2評估了芯片進口供應鏈中斷風險。曹偉[3]利用適應性Agent圖和優(yōu)化遺傳算法、李肖肖[4利用模糊層次分析法，分析了供應鏈脆性。芯片供應鏈的韌性對國家經濟穩(wěn)定至關重要。當前，基于復雜網(wǎng)絡理論的供應鏈研究較多。例如，劉小峰等[5]已經模擬了供應鏈結構的變化，并分析了在不同干擾下的穩(wěn)定性和性能；楊康等則引入了復雜網(wǎng)絡病毒傳播動力學中的SIS模型，建立了供應鏈網(wǎng)絡風險傳播模型，為理解供應鏈風險傳播提供了新視角；Wied-mer等[7通過分析企業(yè)供應鏈網(wǎng)絡的拓撲結構，證明了供應鏈網(wǎng)絡中存在無標度性質和層級結構。

然而，已有的基于復雜網(wǎng)絡的供應鏈研究多側重于單層網(wǎng)絡分析，隨著芯片國產化不斷推進，供應鏈結構日益復雜，其多層次、跨領域特性，使得單層網(wǎng)絡模型難以全面描述復雜的上下游關系，從而限制了對韌性提升策略的深入理解。在此背景下，多層復雜網(wǎng)絡理論為我們提供了新的研究方向。其在交通領域，如在馮芬玲等[8]、薛峰等9的研究中已得到應用。供應鏈網(wǎng)絡脆性因子的研究可以通過識別復雜網(wǎng)絡中的關鍵節(jié)點來實現(xiàn)。目前，基于復雜網(wǎng)絡的關鍵節(jié)點識別算法主要有三種：對傳統(tǒng)算法的優(yōu)化、機器學習算法，以及機器學習與傳統(tǒng)算法相結合。羅越[通過圖嵌入和深度學習的相關理論，并結合網(wǎng)絡拓撲結構特性和節(jié)點特征，識別了復雜網(wǎng)絡中的關鍵節(jié)點；王亭等[1]基于改進的節(jié)點度模型和節(jié)點效率模型，構建了節(jié)點網(wǎng)絡拓撲結構重要度評價模型；謝麗霞等[1提出對K-Shell進行改進，通過平衡鄰居節(jié)點和次鄰居節(jié)點的不同影響程度，以獲取節(jié)點綜合度的方式獲取關鍵節(jié)點；李三江等[13]基于貪心迭代算法對城軌交通網(wǎng)絡進行關鍵節(jié)點識別；汪軍等[14在介數(shù)中心性算法的基礎上，引入貪心算法，計算網(wǎng)絡結構動態(tài)變化下的車站重要度。

綜上所述，已有文獻較多研究網(wǎng)絡脆性，并利用復雜網(wǎng)絡理論研究供應鏈，但基于復雜網(wǎng)絡理論研究復雜產品供應鏈脆性的較少。因此，本文依據(jù)實際情況，將我國芯片制造供應鏈網(wǎng)絡進行多層劃分并映射到復雜網(wǎng)絡中，構建多層復雜供應鏈網(wǎng)絡模型；側重全鏈路的重要性，提出該網(wǎng)絡韌性的指標，并提出鏈路毀傷最大化貪婪算法（MCDG），識別關鍵節(jié)點；在隨機攻擊、蓄意攻擊等情境下，觀察網(wǎng)絡韌性指標的變化，以識別脆性因子。

1芯片制造供應鏈多層網(wǎng)絡模型

1. 1 芯片制造供應鏈的構成

芯片作為典型的復雜產品，其全流程供應鏈是一個復雜且高度專業(yè)化的系統(tǒng)，包括原材料的供應、制造設備的開發(fā)、芯片的設計和制造，以及最終的封測過程。在上游供應鏈中，原材料和生產設備構成了整個行業(yè)最基礎的環(huán)節(jié)。其中，光刻機和刻蝕機是芯片生產中最核心的設備。中游供應鏈涉及芯片的設計和制造，在全球知識產權（IP）市場上，ARM、Synopsys和Cadence等IP巨頭占據(jù)了主導地位。對國內芯片設計公司而言，長期依賴進口IP不僅增加了成本負擔，還存在供應鏈的不確定性和安全風險。在供應鏈的末端，封測環(huán)節(jié)雖然技術含量相對較低，但市場競爭比前兩個環(huán)節(jié)更為激烈。

結合國內芯片產業(yè)實際狀況和產業(yè)通用分類方法，繪制芯片制造全流程供應鏈圖譜，如圖1所示。

1.2 芯片制造供應鏈數(shù)據(jù)來源

本文數(shù)據(jù)來源于東方財富旗下Choice金融終端，通過其產業(yè)鏈研究平臺，按照上述供應鏈圖譜構建芯片制造供應鏈全景圖。將芯片供應鏈必要的工序和材料設備視為節(jié)點整合，獲取各節(jié)點下所有以該業(yè)務為主的國內A股關聯(lián)企業(yè)。經統(tǒng)計，上游第一層半導體材料下共有20家A股關聯(lián)公司（均剔除掉ST），第二層半導體設備下共有23家；中游第三層芯片電路設計下共有11家企業(yè)，第四層集成電路制造共有19家；下游第五層集成電路封測共有16家。整個芯片制造供應鏈中共有89家強關聯(lián)A股上市企業(yè)。通過上述89家企業(yè)2022年的年度財報，獲取這些企業(yè)對應層業(yè)務的營收數(shù)據(jù)，以作為該領域內的權重依據(jù)，同時避免其他業(yè)務營收數(shù)據(jù)的干擾。

1.3芯片制造供應鏈網(wǎng)絡模型構建

通過對上述芯片制造供應鏈相關數(shù)據(jù)的整理和生產的全流程刻畫，使用多層復雜網(wǎng)絡進行建模，并使其模型盡可能地貼合實際情況，利用有向網(wǎng)絡突出供應鏈的層級特性，進而更加精準地識別出網(wǎng)絡中的關鍵節(jié)點。

1. 3. 1 網(wǎng)絡的抽象

隨著科技發(fā)展，芯片制造產業(yè)不斷細分并形成高技術壁壘，促使行業(yè)內企業(yè)專注于自身所處的生產環(huán)節(jié)，以單個企業(yè)“精細”生產，上下游企業(yè)間“聯(lián)合”的方式代替綜合生產，最終形成了多個層級供應鏈。單層網(wǎng)絡已經無法準確刻畫出多層級關系，使用多層網(wǎng)絡將同一屬性的節(jié)點放在同一層內，對應同一生產環(huán)節(jié)的企業(yè)，相互之間不存在供應關系；而層間鏈接對應的上下游供應關系。

構建刻畫現(xiàn)實世界的復雜網(wǎng)絡，主要的建模方法包括：SpaceL 法、SpaceP法、SpaceB法和SpaceC法。SpaceL法將供應鏈中的企業(yè)看作網(wǎng)絡中的節(jié)點，兩個企業(yè)間存在供應關系即將兩個節(jié)點相連；SpaceP模型每個節(jié)點都與SpaceL中的節(jié)點相同，但只要兩個企業(yè)在同一條供應鏈上可到達，就存在一條邊；SpaceB法把企業(yè)和供應關系均視為節(jié)點；SpaceC法把供應關系視為拓撲結構網(wǎng)絡中的點。通過分析可以發(fā)現(xiàn)，SpaceL法（圖2）最符合識別芯片制造供應鏈脆性的需求，其主要用于研究系統(tǒng)的拓撲結構特性和脆弱性。將芯片企業(yè)作為節(jié)點，上下游存在供應關系即在層間連接，逐步構建出多層有向復雜網(wǎng)絡模型，可為后續(xù)研究打下堅實基礎。

在芯片供應鏈多層網(wǎng)絡中，節(jié)點指網(wǎng)絡中各上市企業(yè)，邊指網(wǎng)絡中的企業(yè)之間的供應關系，層指網(wǎng)絡中同一生產流程。由于網(wǎng)絡中企業(yè)之間的供應是單向的，由第1層逐級往下，最終到達第5層，因此本文構建的多層網(wǎng)絡為有向網(wǎng)絡。

1.3.2網(wǎng)絡的構建規(guī)則與可視化

在確定好建模方法和網(wǎng)絡元素構成后，按照如下構建規(guī)則形成網(wǎng)絡：

（1）設置節(jié)點。根據(jù)前文數(shù)據(jù)，一個企業(yè)在一個環(huán)節(jié)內擁有營收數(shù)據(jù)即設置為一個節(jié)點，如同一個企業(yè)在多個環(huán)節(jié)擁有業(yè)務（如北方華創(chuàng)同時涉足半導體材料和設備），即按照所屬層次分別命名為北方華創(chuàng)1和北方華創(chuàng)2。經統(tǒng)計，整個網(wǎng)絡共有89個節(jié)點。

（2）設置層。按照生產工藝的流程順序，半導體材料為第1層，共20個節(jié)點；半導體設備為第2層，共23個節(jié)點；芯片電路設計為第3層，共11個節(jié)點；集成電路制造為第4層，共19個節(jié)點；集成電路封測為第5層，共16個節(jié)點。

（3）設置邊。本文研究的目標是從產業(yè)宏觀的供應鏈角度來對國內芯片制造供應鏈的關鍵節(jié)點進行識別。因此，在邊的設置方面，選擇營收占比，通過一定的計算來模擬每個節(jié)點出邊的數(shù)量。在每兩層之間添加100條邊，按照企業(yè)在該業(yè)務中營收占整層內所有企業(yè)營收總和的占比來分配這100條邊。企業(yè)分配出邊數(shù)量的公式可表示為：企業(yè)該業(yè)務營收/層內所有企業(yè)該業(yè)務營收總和 ×100 。由于是有向網(wǎng)絡，每個企業(yè)生產規(guī)模和采購規(guī)模成正比，因此規(guī)定節(jié)點的出邊數(shù)和入邊數(shù)相同，整個網(wǎng)絡共有400條邊。

本文采用Python和Networkx庫建立網(wǎng)絡，構建完網(wǎng)絡后利用Matplotlib進行立體可視化，直觀展示供應鏈全圖，芯片供應鏈復雜網(wǎng)絡模型如圖3所示。

1.4 網(wǎng)絡類型分析

典型的復雜網(wǎng)絡類型主要有規(guī)則網(wǎng)絡、小世界網(wǎng)絡、隨機網(wǎng)絡及無標度網(wǎng)絡。其中，無標度網(wǎng)絡特點是節(jié)點的連結度分布遵循冪律分布，即少數(shù)節(jié)點擁有極高的連接度，而大多數(shù)節(jié)點的度數(shù)較低。

利用Python對該網(wǎng)絡所有節(jié)點的度值進行計算，繪制柱狀圖后觀察度分布狀況，度分布圖如圖4所示。通過比對可以發(fā)現(xiàn)，其呈現(xiàn)出無標度特性，即少數(shù)節(jié)點擁有大量連邊，而大量節(jié)點的度分布在0～5，呈現(xiàn)出明顯的“長尾”分布。這符合現(xiàn)實芯片產業(yè)的特質，其中少數(shù)幾家頂級制造商擁有龐大而深度的產業(yè)關系，而大多數(shù)企業(yè)的產業(yè)關系則相對較為有限。這種無標度網(wǎng)絡結構的存在，使得信息、資源和市場機會更加集中于少數(shù)頭部節(jié)點，形成了產業(yè)中的明顯不平衡分布。這種現(xiàn)象進一步加強對復雜網(wǎng)絡理論在解釋和理解真實世界系統(tǒng)中普適性的認識，特別是在描述芯片供應鏈網(wǎng)絡這類由大型企業(yè)主導的行業(yè)中，無標度網(wǎng)絡模型更能準確地捕捉到節(jié)點度的分布特性，從而有助于深入理解供應鏈網(wǎng)絡的結構。

2基于節(jié)點失效對供應鏈性的影響分析

在復雜網(wǎng)絡中，基于節(jié)點失效的攻擊方法是通過有目的性地破壞網(wǎng)絡節(jié)點的方式來削弱整個系統(tǒng)性能和韌性的一種策略。在研究供應鏈脆性的背景下，探討基于節(jié)點失效的攻擊對供應鏈系統(tǒng)的影響具有重要意義。通過模擬或分析節(jié)點失效引起的連鎖效應，可以深入了解供應鏈系統(tǒng)中關鍵節(jié)點的作用，以及它們在面對各種壓力和沖擊時的表現(xiàn)。通過觀察失效結果，有助于揭示供應鏈中脆弱性的位置，識別出關鍵節(jié)點。

2.1 節(jié)點失效類型

供應鏈韌性即在面對不確定性和潛在的供應鏈中斷風險時，特別是在考慮到低頻率但高影響的事件時，能夠快速恢復到正常運營狀態(tài)的能力。在現(xiàn)實中，外部沖擊會使供應鏈面臨中斷風險，因此本文從隨機攻擊和蓄意攻擊策略兩個維度對芯片制造供應鏈網(wǎng)絡進行仿真并對比，通過選擇一些要攻擊的節(jié)點來設計一個實驗，然后計算不同攻擊策略下的網(wǎng)絡韌性，通過攻擊后韌性的反應強弱即可尋找出網(wǎng)絡中的脆性因子。

2.1.1 隨機攻擊

隨機攻擊模擬了非針對性、無差別的攻擊或故障，這些情況在現(xiàn)實世界中經常發(fā)生，如自然災害（地震、洪水、颶風、火災）、疫情（如CO-VID-19疫情），以及非計劃內的技術故障等。這類攻擊不區(qū)分節(jié)點的重要性，而是隨機選擇目標，反映了供應鏈網(wǎng)絡在面對不可預測和非針對性威脅時的脆弱性。例如，2018年英特爾公司面臨的芯片供應短缺問題，該短缺是制造過程中的技術問題導致的生產延誤，這種技術問題對供應鏈的影響是無差別的，影響了整個行業(yè)的供應鏈網(wǎng)絡。

2. 1.2 蓄意攻擊

蓄意攻擊則模擬了有目的、有針對性的攻擊行為，這些攻擊通常針對網(wǎng)絡中的關鍵節(jié)點，以實現(xiàn)最大的破壞效果。在供應鏈網(wǎng)絡中，這可能包括對關鍵技術、設備、人才的管制、封鎖或禁運。蓄意攻擊反映了國家或競爭對手為了獲得競爭優(yōu)勢而采取的戰(zhàn)略行為。例如，美國政府通過《瓦森納協(xié)定》干預荷蘭阿斯麥爾對中國出口光刻機，以及日本政府利用其在關鍵半導體原材料供應上的主導地位對韓國進行出口管制，這些都是蓄意攻擊的現(xiàn)實案例，這些行為對自標國家的芯片供應鏈造成了巨大沖擊。

2.2 網(wǎng)絡韌性評價指標

分析測定網(wǎng)絡性能常用的指標對該網(wǎng)絡的適用性，具體如下：

（1）平均路徑長度。其指網(wǎng)絡中所有節(jié)點到達其他節(jié)點最短路徑的平均值。由于芯片供應鏈網(wǎng)絡為單向不可逆的5層網(wǎng)絡，整個網(wǎng)絡所有可行的路徑長度都為4，即要實現(xiàn)產品的制造必須從第1層到達第5層。故指標對該網(wǎng)絡性能沒有意義。

（2）網(wǎng)絡凝聚程度。其指節(jié)點數(shù)目與平均最短路徑乘積的倒數(shù)。連通能力越強，節(jié)點數(shù)目越少，凝聚程度越高。由于最短路徑都為4，同樣對該網(wǎng)絡沒有意義。

（3）可達節(jié)點對比例。其指通路相連存在的兩個節(jié)點對數(shù)與網(wǎng)絡中總節(jié)點對數(shù)之比。可達節(jié)點對越多，說明節(jié)點之間的聯(lián)系越密切。在芯片供應鏈中，兩個不同環(huán)節(jié)內的企業(yè)無法獨立完成產品，且跨層級不存在供應關系，存在通路相連也不一定是相鄰層級，故該指標只能當作參考。

在芯片產業(yè)中，網(wǎng)絡韌性的傳統(tǒng)指標已不足以全面反映其性能。鑒于芯片產業(yè)流程的復雜性和層級性，以及國內產業(yè)面臨的特殊挑戰(zhàn)，全鏈路全流程產業(yè)鏈的完整性在極端情況下顯得尤為關鍵。這一網(wǎng)絡覆蓋了從原材料采購到產品交付的全過程，包括設計、制造和封測等關鍵階段。

在自然災害、全球危機或地緣政治緊張等極端環(huán)境下，供應鏈中斷會影響整個產業(yè)鏈。全鏈路全流程的供應鏈不僅確保了芯片制造的穩(wěn)健性和可靠性，還保障了關鍵步驟間的順暢銜接，對于維持產品質量和性能至關重要。此外，它提高了對不可預見事件的適應性和韌性，使產業(yè)能夠靈活調整生產計劃，迅速適應變化，并降低單一供應源的風險，確保芯片制造業(yè)的可持續(xù)性。因此，在極端環(huán)境下，全鏈路全流程產業(yè)鏈對于芯片制造生態(tài)系統(tǒng)的穩(wěn)定性和抵御潛在威脅至關重要。

綜上所述，本文根據(jù)芯片供應鏈網(wǎng)絡特質提出了一個新的網(wǎng)絡韌性指標：全鏈路占比（Pro-portionofCompleteChains，PCC），即網(wǎng)絡中所有完整的鏈路條數(shù)之和與該網(wǎng)絡無連接規(guī)則時理論上允許存在的最大鏈路條數(shù)的比值。完整路徑定義為第1層內的節(jié)點到達第5層內的節(jié)點鏈路。一條完整的鏈路代表能從頭到尾完成一個產品，貫穿整個供應鏈，連通所有環(huán)節(jié)，符合芯片制造供應鏈的實際情況。該指標公式可以表示為

式中， n₁ 表示第一層內的節(jié)點數(shù)量，其他同理; 表示第1層內第2個節(jié)點到達第5層的所有鏈路條數(shù)。各層節(jié)點數(shù)相乘即為該網(wǎng)絡全連接時允許存在的最大鏈路條數(shù)。

在Python內定義該指標后經過計算，該網(wǎng)絡擁有28387條不同的鏈路，而該網(wǎng)絡全連接時允許存在的最大鏈路條數(shù)為1538240，故該指標為0.01845（保留5位小數(shù)）。在之后的處理中，由于使用同一個網(wǎng)絡計算，為了更加直觀展示網(wǎng)絡在不同條件下的性能變化，用實際總路徑條數(shù)變化來替代PCC指標。

2.3基于節(jié)點失效的網(wǎng)絡攻擊步驟

隨機攻擊的仿真模擬過程為按照隨機數(shù)選擇對應節(jié)點序號進行移除，同時移除節(jié)點上所有的邊，直到網(wǎng)絡癱瘓（PCC值為0）。具體操作為分別隨機剔除整個網(wǎng)絡1，2，…，89個數(shù)量的節(jié)點。為了避免隨機產生的偶發(fā)性并更好地觀察出規(guī)律，重復操作100次，取PCC的平均值。

蓄意攻擊分為蓄意攻擊特定層內的隨機節(jié)點和蓄意攻擊整個網(wǎng)絡特定的節(jié)點兩種方式，具體如下：

（1）蓄意攻擊特定層內隨機節(jié)點。由于第2層擁有最多節(jié)點數(shù)（23個），分別隨機減少第1＼～5層的0，1，…，23個數(shù)量的節(jié)點，減至0即停止。為了避免隨機產生的偶發(fā)性，同樣重復100次，取PCC平均值。

（2）蓄意攻擊整個網(wǎng)絡特定節(jié)點。首先，計算出所有節(jié)點的度中心性、介數(shù)中心性、接近中心性和 k 核值；其次，按照上述結果將所有節(jié)點從大到小排序；最后，分別按照度中心性、介數(shù)中心性、接近中心性和 k 核值從大到小分別將排名前1，2，…，89數(shù)量的節(jié)點作為特定節(jié)點，并剔除其連邊。

2.4 網(wǎng)絡韌性分析

2.4.1隨機攻擊下節(jié)點失效實驗

用Python執(zhí)行特定層內隨機節(jié)點攻擊后節(jié)點失效情況，基于特定層的節(jié)點失效如圖5所示。顯然，層內節(jié)點數(shù)量大小與對整個網(wǎng)絡韌性的影響大小成反比。由于第3層內節(jié)點數(shù)最少，節(jié)點數(shù)量的減少對該層網(wǎng)絡的韌性影響最大。攻擊特定層時，選擇剔除第3層所有11個節(jié)點能最快使網(wǎng)絡完全癱瘓。這說明芯片電路設計是整個網(wǎng)絡中的薄弱環(huán)節(jié)，作為芯片產業(yè)的根技術和硬科技，EDA軟件和IP授權在大規(guī)模數(shù)字電路設計中發(fā)揮著不可替代的作用，也是集成電路技術發(fā)展的重要助推器。分析我國芯片電路設計上市企業(yè)數(shù)量較少的原因，可能有以下5方面： ① 高門檻和長回報周期。半導體IP產業(yè)需要深厚的技術積累和長期的研發(fā)投入，從研發(fā)到市場認可再到商業(yè)化收益，往往需要較長的周期，這與快速回報的投資策略并不契合。 ② 巨大的研發(fā)成本。開發(fā)一個可靠的半導體IP核心可能需要耗費大量資金，包括高昂的人才成本、專利費用，以及持續(xù)的技術更新投入。 ③ 競爭激烈且集中度高。市場上的半導體IP業(yè)務往往由少數(shù)幾家大公司主導，這些公司已經建立了強大的技術壁壘和客戶基礎，新進入者需要突破這些壁壘，這對資本是一個巨大挑戰(zhàn)。 ④ 技術風險和知識產權問題。技術更新快速，投資的技術可能很快就會被新技術取代。同時，知識產權糾紛可能導致額外的法律風險和成本。⑤ 對專業(yè)知識的需求。半導體IP產業(yè)是一個高度專業(yè)化的領域，需要投資者具備或能夠獲取相關的深入認知。這對一些更傾向于投資通用產業(yè)的資本而言，可能是一個較高的門檻。

2.4.2蓄意攻擊下節(jié)點失效實驗

用Python執(zhí)行蓄意攻擊后，得出基于常用指標排序的節(jié)點失效，如圖6所示。由圖6可知，隨機攻擊效率顯著低于其他代表蓄意攻擊的4個常用節(jié)點度量指標，且相較于蓄意攻擊需要使兩倍數(shù)量以上的節(jié)點失效，網(wǎng)絡才能完全癱瘓。由于芯片制造供應鏈存在“馬太效應”（圖4），在實際情況中，針對某些特定技術、設備、人才等進行管制、封鎖、禁運，相較于無差別的外部環(huán)境變化，對供應鏈的影響往往更加迅速和深刻。隨機攻擊與代表蓄意攻擊的4條折線的差異，從側面印證了PCC指標對于反映供應鏈網(wǎng)絡韌性的準確性。

2.5基于貪婪算法的關鍵節(jié)點識別算法

為了找出對網(wǎng)絡韌性影響最大的若干關鍵節(jié)點，在網(wǎng)絡攻擊效率的最大化問題中，目標是從一個包含 N 個節(jié)點的網(wǎng)絡中識別出一組 K 個節(jié)點，以使得某一目標函數(shù)值最大化。這一問題構成了一個NP-難的組合優(yōu)化挑戰(zhàn)。Nemhauser等[15]在研究中證明，通過應用貪婪算法可以獲得問題的近似最優(yōu)解。

基于常用指標排序的節(jié)點失效如圖6所示，通過觀察圖6可知，除接近中心性，其余三個常用指標均在某段時期內效率領先，但都存在各種缺陷。使網(wǎng)絡最快癱瘓的 K -shell指標，僅通過節(jié)點在網(wǎng)絡中所處位置對節(jié)點的重要性進行評估，導致區(qū)分度不高，中期效率并不高；發(fā)現(xiàn)第3層在整個網(wǎng)絡中最重要，與按照特定層攻擊的結論相同；第1層和第5層處在邊緣位置，這兩層內的節(jié)點介數(shù)中心性都為0，導致后期效率下降，忽視了頭尾兩層節(jié)點的重要性；而僅依靠度中心性指標有可能引起誤篩選，度中心性低，但介數(shù)中心性高的節(jié)點對網(wǎng)絡韌性可能存在很大影響。

基于此，為了盡量提高關鍵節(jié)點識別算法的準確率和執(zhí)行效率，避免常用排序算法的缺陷，根據(jù)上述研究，結合路徑條數(shù)作為韌性指標，基于傳統(tǒng)的貪心迭代算法，本文提出了鏈路毀傷最大化貪婪算法（Maximizing Chain Damage Greed，MCDG），并與上述常用排序算法做對比，驗證其優(yōu)越性。

2.5.1關鍵節(jié)點識別基本流程

基于傳統(tǒng)的貪婪迭代算法思想，結合芯片制造供應鏈網(wǎng)絡特性，遍歷整個網(wǎng)絡中所有節(jié)點，依次找出對網(wǎng)絡韌性影響最大的關鍵節(jié)點，設計了MCDG算法基本流程如圖7所示，MCDG算法對比和MCDG算法對比局部，分別如圖8和圖9所示。

由圖8可以發(fā)現(xiàn)，MCDG算法的效率自始至終排在第一，并且僅減少10個節(jié)點，先于 k -shell的11個節(jié)點，使網(wǎng)絡達到完全癱瘓，證明該算法優(yōu)于常用指標，剔除的這10個節(jié)點對整個網(wǎng)絡的韌性影響最大，屬于關鍵節(jié)點。

輸出MCDG算法剔除的全部10個節(jié)點序號列表，得到對應關鍵節(jié)點企業(yè)，輸出結果見表1。根據(jù)表1和圖9可知，初期MCDG曲線快速下降，從第5個節(jié)點開始，下降速度放緩。這說明在整個芯片制造供應鏈網(wǎng)絡中，對網(wǎng)絡韌性影響最大的脆性因子為處于半導體設備領域的北方華創(chuàng)、長電科技和處于半導體材料領域的中芯國際、滬硅產業(yè)、南大光電這5家企業(yè)。通過瀏覽相關新聞和數(shù)據(jù)，分析所得結果與實際情況基本符合。

2.5.2 供應鏈恢復能力測試

除了受攻擊時的抗毀能力，恢復能力也是供應鏈韌性的一項重要指標。通過觀察恢復情況，可以從反面印證脆性因子的準確性，并且反映出最關鍵的5家企業(yè)的內部重要性排序。具體操作為：分別對上文的5個節(jié)點加大投入，通過分別給所有節(jié)點增加1～10條出邊數(shù)量，提高在原網(wǎng)絡中的權重；再觀察PCC的變化趨勢并得出結論。

加大投人后關鍵節(jié)點對PCC的變化趨勢如圖10所示?？梢杂^察出，隨著投入逐漸加大，處于半導體設備領域的北方華創(chuàng)和長電科技對PCC的提升顯著高于半導體材料領域的中芯國際、滬硅產業(yè)、南大光電。分析內因，主要是半導體材料領域企業(yè)數(shù)量更少，中芯國際等少量企業(yè)已占據(jù)絕大部分市場份額，頭部企業(yè)集中度更高，導致后期提升有限。

綜上所述，芯片制造供應鏈網(wǎng)絡中最關鍵的三個節(jié)點為北方華創(chuàng)、長電科技和中芯國際。如果需要在短期內快速提升網(wǎng)絡韌性，可以加大對北方華創(chuàng)和長電科技的投入。

3 結語

本文通過深人了解芯片制造領域，繪制了全流程供應鏈圖譜，根據(jù)其結構特征構建了多層復雜網(wǎng)絡模型，證實了芯片制造供應鏈網(wǎng)絡具有顯著的無標度特性。同時，本文提出了專注于評估全鏈路網(wǎng)絡韌性的評價指標體系，以及基于貪婪算法的關鍵節(jié)點識別算法。結果顯示，關鍵節(jié)點均分布在上游的1＼～2層，與受到制裁的半導體材料和半導體設備領域相吻合；芯片電路設計為網(wǎng)絡的關鍵層，由于起步晚、周期長、行業(yè)壁壘高等因素，國內企業(yè)在這一領域仍然面臨挑戰(zhàn)。因此，政府應鼓勵設計企業(yè)承擔重大研發(fā)項目，聯(lián)合政產學研推進專用芯片的標準化、驗證和認證體系建設。同時，支持封測企業(yè)擴大規(guī)模、提高工藝和服務水平，并促進龍頭企業(yè)通過上市融資擴大資本，加速行業(yè)創(chuàng)新與升級。

本文雖然收集了較為完整的芯片供應鏈上市公司數(shù)據(jù)，但由于非上市公司數(shù)據(jù)獲取難度大、芯片供應商信息機密程度高、IP廠商收人規(guī)模達到上市的標準需要的周期比較長，建立技術門檻高、市場空間大的IP往往需要多年的前期技術積累和客戶驗證，目前芯片設計上市公司較少，因此本文統(tǒng)計數(shù)據(jù)不夠全面，未將華為海思、紫光展銳、地平線等一批未上市但在供應鏈中影響力巨大的企業(yè)納入研究，未來研究有待補充。

參考文獻

[1］李巍，李巧譯．解析美國對華為的“戰(zhàn)爭”—跨國供應鏈的政治經濟學［J]．當代亞太，2021（1）：4-45，159.

[2］崔連標，翁世梅，莫建雷．中國芯片進口供應鏈中斷風險、可替代性及其經濟影響評估［J]．國際貿易問題，2023（3）：124-140.

[3］曹偉．供應鏈復雜系統(tǒng)脆性傳播模型與管控方法研究［D]．北京：北京交通大學，2021.

[4］李肖肖．基于模糊層次分析法的農產品供應鏈脆性源評價[J].物流技術，2022，41（2）：96-100，127.

[5］劉小峰，陳國華．基于復雜網(wǎng)絡的供應鏈魯棒性分析［J].東南大學學報（自然科學版），2007（S2）：237-242.

[6］楊康，張仲義．供應鏈網(wǎng)絡風險傳播SIS-RP模型及仿真[J]．北京交通大學學報，2013，37（3）：122-126.

[7]WIEDMERR，GRIFFISSE.Structural characteristicsofcom-plexsupplychainnetworks[J].Journal ofBusinessLogistics，2021，42（2）：264-290.

[8］馮芬玲，蔡明旭，賈俊杰．基于多層復雜網(wǎng)絡的中歐班列運輸網(wǎng)絡關鍵節(jié)點識別研究［J]．交通運輸系統(tǒng)工程與信息技術，2022，22（6）：191-200.

[9］薛鋒，范千里，羅建．基于多層復雜網(wǎng)絡的軌道交通產業(yè)鏈優(yōu)化［J]．交通運輸工程與信息，2021，19（2）：65-73，83.

[10］羅越．基于深度學習的復雜網(wǎng)絡關鍵節(jié)點識別算法［D].

蘭州：蘭州理工大學，2023.

［11］王亭，張永，周明妮，等．融合網(wǎng)絡拓撲結構特征與客流量的城市軌道交通關鍵節(jié)點識別研究［J].交通運輸系統(tǒng)工程與信息技術，2022，22（6）：201-211.

［12］謝麗霞，孫紅紅，楊宏宇，等．基于K-shell的復雜網(wǎng)絡關鍵節(jié)點識別方法［J]．清華大學學報（自然科學版），2022，62（5）：849-861.

［13］李三江，楊昊成，朱光劍，等．基于貪心迭代算法的城軌交通網(wǎng)絡關鍵節(jié)點識別技術［J]．現(xiàn)代電子技術，2021，44（24）：102-106.

[14］汪軍，夏永躍，王運明，等．基于貪心介數(shù)的地鐵-公交復合網(wǎng)絡關鍵車站識別算法［J].鐵道標準設計，2022，66（7）：132-137.

[15]NEMHAUSERG，WOLSEYL，F(xiàn)ISHERM.Ananalysisof theapproximations for maximizingsubmodular set functions[J].Mathematical Programming，1978，14（1）：265-294.PMT

收稿日期：2025-01-13

作者簡介：

祁寧（1981—），女，博士，副教授，研究方向：供應鏈管理、機制設計。劉喆?。ㄍㄐ抛髡撸?998—），男，研究方向：供應鏈管理。