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(lǐng)域國家重大科技項目原創(chuàng)性、引領(lǐng)性科技攻關(guān)；“國家集成電路產(chǎn)業(yè)投資基金”成立，旨在支持芯片企業(yè)的研發(fā)、產(chǎn)業(yè)升級和并購等活動。全球經(jīng)濟和科技快速發(fā)展，要求加速新質(zhì)生產(chǎn)力的培養(yǎng)。這種生產(chǎn)力以其高科技、高效能、高質(zhì)量特征，推動著經(jīng)濟向高質(zhì)量方向發(fā)展。隨著芯片制造領(lǐng)域不穩(wěn)定因素持續(xù)增加，只有堅定不移地發(fā)展新質(zhì)生產(chǎn)力，不斷增強芯片制造供應(yīng)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(chǎn)業(yè)供應(yīng)鏈政治經(jīng)濟學(xué)的復(fù)雜性，強調(diào)了供應(yīng)鏈自主可控的緊迫性。崔連標等2評估了芯片進口供應(yīng)鏈中斷風(fēng)險。曹偉[3]利用適應(yīng)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(yīng)鏈脆性。芯片供應(yīng)鏈的韌性對國家經(jīng)濟穩(wěn)定至關(guān)重要。當前，基于復(fù)雜網(wǎng)絡(luò)理論的供應(yīng)鏈研究較多。例如，劉小峰等[5]已經(jīng)模擬了供應(yīng)鏈結(jié)構(gòu)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(fù)雜網(wǎng)絡(luò)病毒傳播動力學(xué)中的SIS模型，建立了供應(yīng)鏈網(wǎng)絡(luò)風(fēng)險傳播模型，為理解供應(yīng)鏈風(fēng)險傳播提供了新視角；Wied-mer等[7通過分析企業(yè)供應(yīng)鏈網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，證明了供應(yīng)鏈網(wǎng)絡(luò)中存在無標度性質(zhì)和層級結(jié)構(gòu)。

然而，已有的基于復(fù)雜網(wǎng)絡(luò)的供應(yīng)鏈研究多側(cè)重于單層網(wǎng)絡(luò)分析，隨著芯片國產(chǎn)化不斷推進，供應(yīng)鏈結(jié)構(gòu)日益復(fù)雜，其多層次、跨領(lǐng)域特性，使得單層網(wǎng)絡(luò)模型難以全面描述復(fù)雜的上下游關(guān)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(fù)雜網(wǎng)絡(luò)理論為我們提供了新的研究方向。其在交通領(lǐng)域，如在馮芬玲等[8]、薛峰等9的研究中已得到應(yīng)用。供應(yīng)鏈網(wǎng)絡(luò)脆性因子的研究可以通過識別復(fù)雜網(wǎng)絡(luò)中的關(guān)鍵節(jié)點來實現(xiàn)。目前，基于復(fù)雜網(wǎng)絡(luò)的關(guān)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(xué)習(xí)算法，以及機器學(xué)習(xí)與傳統(tǒng)算法相結(jié)合。羅越[通過圖嵌入和深度學(xué)習(xí)的相關(guān)理論，并結(jié)合網(wǎng)絡(luò)拓撲結(jié)構(gòu)特性和節(jié)點特征，識別了復(fù)雜網(wǎng)絡(luò)中的關(guān)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(gòu)建了節(jié)點網(wǎng)絡(luò)拓撲結(jié)構(gòu)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(guān)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(luò)進行關(guān)鍵節(jié)點識別；汪軍等[14在介數(shù)中心性算法的基礎(chǔ)上，引入貪心算法，計算網(wǎng)絡(luò)結(jié)構(gòu)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(luò)脆性，并利用復(fù)雜網(wǎng)絡(luò)理論研究供應(yīng)鏈，但基于復(fù)雜網(wǎng)絡(luò)理論研究復(fù)雜產(chǎn)品供應(yīng)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(yīng)鏈網(wǎng)絡(luò)進行多層劃分并映射到復(fù)雜網(wǎng)絡(luò)中，構(gòu)建多層復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)模型；側(cè)重全鏈路的重要性，提出該網(wǎng)絡(luò)韌性的指標，并提出鏈路毀傷最大化貪婪算法（MCDG），識別關(guān)鍵節(jié)點；在隨機攻擊、蓄意攻擊等情境下，觀察網(wǎng)絡(luò)韌性指標的變化，以識別脆性因子。

1芯片制造供應(yīng)鏈多層網(wǎng)絡(luò)模型

1. 1 芯片制造供應(yīng)鏈的構(gòu)成

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

結(jié)合國內(nèi)芯片產(chǎn)業(yè)實際狀況和產(chǎn)業(yè)通用分類方法，繪制芯片制造全流程供應(yīng)鏈圖譜，如圖1所示。

1.2 芯片制造供應(yīng)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(chǎn)業(yè)鏈研究平臺，按照上述供應(yīng)鏈圖譜構(gòu)建芯片制造供應(yīng)鏈全景圖。將芯片供應(yīng)鏈必要的工序和材料設(shè)備視為節(jié)點整合，獲取各節(jié)點下所有以該業(yè)務(wù)為主的國內(nèi)A股關(guān)聯(lián)企業(yè)。經(jīng)統(tǒng)計，上游第一層半導(dǎo)體材料下共有20家A股關(guān)聯(lián)公司（均剔除掉ST），第二層半導(dǎo)體設(shè)備下共有23家；中游第三層芯片電路設(shè)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(yīng)鏈中共有89家強關(guān)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(yīng)層業(yè)務(wù)的營收數(shù)據(jù)，以作為該領(lǐng)域內(nèi)的權(quán)重依據(jù)，同時避免其他業(yè)務(wù)營收數(shù)據(jù)的干擾。

1.3芯片制造供應(yīng)鏈網(wǎng)絡(luò)模型構(gòu)建

通過對上述芯片制造供應(yīng)鏈相關(guān)數(shù)據(jù)的整理和生產(chǎn)的全流程刻畫，使用多層復(fù)雜網(wǎng)絡(luò)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(luò)突出供應(yīng)鏈的層級特性，進而更加精準地識別出網(wǎng)絡(luò)中的關(guān)鍵節(jié)點。

1. 3. 1 網(wǎng)絡(luò)的抽象

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

構(gòu)建刻畫現(xiàn)實世界的復(fù)雜網(wǎng)絡(luò)，主要的建模方法包括：SpaceL 法、SpaceP法、SpaceB法和SpaceC法。SpaceL法將供應(yīng)鏈中的企業(yè)看作網(wǎng)絡(luò)中的節(jié)點，兩個企業(yè)間存在供應(yīng)關(guān)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(yīng)鏈上可到達，就存在一條邊；SpaceB法把企業(yè)和供應(yīng)關(guān)系均視為節(jié)點；SpaceC法把供應(yīng)關(guān)系視為拓撲結(jié)構(gòu)網(wǎng)絡(luò)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(yīng)鏈脆性的需求，其主要用于研究系統(tǒng)的拓撲結(jié)構(gòu)特性和脆弱性。將芯片企業(yè)作為節(jié)點，上下游存在供應(yīng)關(guān)系即在層間連接，逐步構(gòu)建出多層有向復(fù)雜網(wǎng)絡(luò)模型，可為后續(xù)研究打下堅實基礎(chǔ)。

在芯片供應(yīng)鏈多層網(wǎng)絡(luò)中，節(jié)點指網(wǎng)絡(luò)中各上市企業(yè)，邊指網(wǎng)絡(luò)中的企業(yè)之間的供應(yīng)關(guān)系，層指網(wǎng)絡(luò)中同一生產(chǎn)流程。由于網(wǎng)絡(luò)中企業(yè)之間的供應(yīng)是單向的，由第1層逐級往下，最終到達第5層，因此本文構(gòu)建的多層網(wǎng)絡(luò)為有向網(wǎng)絡(luò)。

1.3.2網(wǎng)絡(luò)的構(gòu)建規(guī)則與可視化

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

（1）設(shè)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(nèi)擁有營收數(shù)據(jù)即設(shè)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(wù)（如北方華創(chuàng)同時涉足半導(dǎo)體材料和設(shè)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(jīng)統(tǒng)計，整個網(wǎng)絡(luò)共有89個節(jié)點。

（2）設(shè)置層。按照生產(chǎn)工藝的流程順序，半導(dǎo)體材料為第1層，共20個節(jié)點；半導(dǎo)體設(shè)備為第2層，共23個節(jié)點；芯片電路設(shè)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(shè)置邊。本文研究的目標是從產(chǎn)業(yè)宏觀的供應(yīng)鏈角度來對國內(nèi)芯片制造供應(yīng)鏈的關(guān)鍵節(jié)點進行識別。因此，在邊的設(shè)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(wù)中營收占整層內(nèi)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(wù)營收/層內(nèi)所有企業(yè)該業(yè)務(wù)營收總和 ×100 。由于是有向網(wǎng)絡(luò)，每個企業(yè)生產(chǎn)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(luò)共有400條邊。

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

1.4 網(wǎng)絡(luò)類型分析

典型的復(fù)雜網(wǎng)絡(luò)類型主要有規(guī)則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、隨機網(wǎng)絡(luò)及無標度網(wǎng)絡(luò)。其中，無標度網(wǎng)絡(luò)特點是節(jié)點的連結(jié)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(luò)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(chǎn)業(yè)的特質(zhì)，其中少數(shù)幾家頂級制造商擁有龐大而深度的產(chǎn)業(yè)關(guān)系，而大多數(shù)企業(yè)的產(chǎn)業(yè)關(guān)系則相對較為有限。這種無標度網(wǎng)絡(luò)結(jié)構(gòu)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(chǎn)業(yè)中的明顯不平衡分布。這種現(xiàn)象進一步加強對復(fù)雜網(wǎng)絡(luò)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(yīng)鏈網(wǎng)絡(luò)這類由大型企業(yè)主導(dǎo)的行業(yè)中，無標度網(wǎng)絡(luò)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(yīng)鏈網(wǎng)絡(luò)的結(jié)構(gòu)。

2基于節(jié)點失效對供應(yīng)鏈性的影響分析

在復(fù)雜網(wǎng)絡(luò)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(luò)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(yīng)鏈脆性的背景下，探討基于節(jié)點失效的攻擊對供應(yīng)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(yīng)，可以深入了解供應(yīng)鏈系統(tǒng)中關(guān)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(jié)果，有助于揭示供應(yīng)鏈中脆弱性的位置，識別出關(guān)鍵節(jié)點。

2.1 節(jié)點失效類型

供應(yīng)鏈韌性即在面對不確定性和潛在的供應(yīng)鏈中斷風(fēng)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(fù)到正常運營狀態(tài)的能力。在現(xiàn)實中，外部沖擊會使供應(yīng)鏈面臨中斷風(fēng)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(yīng)鏈網(wǎng)絡(luò)進行仿真并對比，通過選擇一些要攻擊的節(jié)點來設(shè)計一個實驗，然后計算不同攻擊策略下的網(wǎng)絡(luò)韌性，通過攻擊后韌性的反應(yīng)強弱即可尋找出網(wǎng)絡(luò)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(jīng)常發(fā)生，如自然災(zāi)害（地震、洪水、颶風(fēng)、火災(zāi)）、疫情（如CO-VID-19疫情），以及非計劃內(nèi)的技術(shù)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(yīng)鏈網(wǎng)絡(luò)在面對不可預(yù)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(yīng)短缺問題，該短缺是制造過程中的技術(shù)問題導(dǎo)致的生產(chǎn)延誤，這種技術(shù)問題對供應(yīng)鏈的影響是無差別的，影響了整個行業(yè)的供應(yīng)鏈網(wǎng)絡(luò)。

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(luò)中的關(guān)鍵節(jié)點，以實現(xiàn)最大的破壞效果。在供應(yīng)鏈網(wǎng)絡(luò)中，這可能包括對關(guān)鍵技術(shù)、設(shè)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(yù)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(guān)鍵半導(dǎo)體原材料供應(yīng)上的主導(dǎo)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(yīng)鏈造成了巨大沖擊。

2.2 網(wǎng)絡(luò)韌性評價指標

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

（1）平均路徑長度。其指網(wǎng)絡(luò)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(yīng)鏈網(wǎng)絡(luò)為單向不可逆的5層網(wǎng)絡(luò)，整個網(wǎng)絡(luò)所有可行的路徑長度都為4，即要實現(xiàn)產(chǎn)品的制造必須從第1層到達第5層。故指標對該網(wǎng)絡(luò)性能沒有意義。

（2）網(wǎng)絡(luò)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(luò)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(luò)中總節(jié)點對數(shù)之比?？蛇_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(yīng)鏈中，兩個不同環(huán)節(jié)內(nèi)的企業(yè)無法獨立完成產(chǎn)品，且跨層級不存在供應(yīng)關(guān)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(chǎn)業(yè)中，網(wǎng)絡(luò)韌性的傳統(tǒng)指標已不足以全面反映其性能。鑒于芯片產(chǎn)業(yè)流程的復(fù)雜性和層級性，以及國內(nèi)產(chǎn)業(yè)面臨的特殊挑戰(zhàn)，全鏈路全流程產(chǎn)業(yè)鏈的完整性在極端情況下顯得尤為關(guān)鍵。這一網(wǎng)絡(luò)覆蓋了從原材料采購到產(chǎn)品交付的全過程，包括設(shè)計、制造和封測等關(guān)鍵階段。

在自然災(zāi)害、全球危機或地緣政治緊張等極端環(huán)境下，供應(yīng)鏈中斷會影響整個產(chǎn)業(yè)鏈。全鏈路全流程的供應(yīng)鏈不僅確保了芯片制造的穩(wěn)健性和可靠性，還保障了關(guān)鍵步驟間的順暢銜接，對于維持產(chǎn)品質(zhì)量和性能至關(guān)重要。此外，它提高了對不可預(yù)見事件的適應(yīng)性和韌性，使產(chǎn)業(yè)能夠靈活調(diào)整生產(chǎn)計劃，迅速適應(yīng)變化，并降低單一供應(yīng)源的風(fēng)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(chǎn)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(guān)重要。

綜上所述，本文根據(jù)芯片供應(yīng)鏈網(wǎng)絡(luò)特質(zhì)提出了一個新的網(wǎng)絡(luò)韌性指標：全鏈路占比（Pro-portionofCompleteChains，PCC），即網(wǎng)絡(luò)中所有完整的鏈路條數(shù)之和與該網(wǎng)絡(luò)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(nèi)的節(jié)點到達第5層內(nèi)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(chǎn)品，貫穿整個供應(yīng)鏈，連通所有環(huán)節(jié)，符合芯片制造供應(yīng)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(nèi)的節(jié)點數(shù)量，其他同理; 表示第1層內(nèi)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(luò)全連接時允許存在的最大鏈路條數(shù)。

在Python內(nèi)定義該指標后經(jīng)過計算，該網(wǎng)絡(luò)擁有28387條不同的鏈路，而該網(wǎng)絡(luò)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(luò)計算，為了更加直觀展示網(wǎng)絡(luò)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(luò)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(yīng)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(luò)癱瘓（PCC值為0）。具體操作為分別隨機剔除整個網(wǎng)絡(luò)1，2，…，89個數(shù)量的節(jié)點。為了避免隨機產(chǎn)生的偶發(fā)性并更好地觀察出規(guī)律，重復(fù)操作100次，取PCC的平均值。

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

（1）蓄意攻擊特定層內(nèi)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(chǎn)生的偶發(fā)性，同樣重復(fù)100次，取PCC平均值。

（2）蓄意攻擊整個網(wǎng)絡(luò)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(jié)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(luò)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(nèi)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(nèi)節(jié)點數(shù)量大小與對整個網(wǎng)絡(luò)韌性的影響大小成反比。由于第3層內(nèi)節(jié)點數(shù)最少，節(jié)點數(shù)量的減少對該層網(wǎng)絡(luò)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(luò)完全癱瘓。這說明芯片電路設(shè)計是整個網(wǎng)絡(luò)中的薄弱環(huán)節(jié)，作為芯片產(chǎn)業(yè)的根技術(shù)和硬科技，EDA軟件和IP授權(quán)在大規(guī)模數(shù)字電路設(shè)計中發(fā)揮著不可替代的作用，也是集成電路技術(shù)發(fā)展的重要助推器。分析我國芯片電路設(shè)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(dǎo)體IP產(chǎn)業(yè)需要深厚的技術(shù)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(dǎo)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(shù)更新投入。 ③ 競爭激烈且集中度高。市場上的半導(dǎo)體IP業(yè)務(wù)往往由少數(shù)幾家大公司主導(dǎo)，這些公司已經(jīng)建立了強大的技術(shù)壁壘和客戶基礎(chǔ)，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(shù)風(fēng)險和知識產(chǎn)權(quán)問題。技術(shù)更新快速，投資的技術(shù)可能很快就會被新技術(shù)取代。同時，知識產(chǎn)權(quán)糾紛可能導(dǎo)致額外的法律風(fēng)險和成本。⑤ 對專業(yè)知識的需求。半導(dǎo)體IP產(chǎn)業(yè)是一個高度專業(yè)化的領(lǐng)域，需要投資者具備或能夠獲取相關(guān)的深入認知。這對一些更傾向于投資通用產(chǎn)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(luò)才能完全癱瘓。由于芯片制造供應(yīng)鏈存在“馬太效應(yīng)”（圖4），在實際情況中，針對某些特定技術(shù)、設(shè)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(yīng)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(cè)面印證了PCC指標對于反映供應(yīng)鏈網(wǎng)絡(luò)韌性的準確性。

2.5基于貪婪算法的關(guān)鍵節(jié)點識別算法

為了找出對網(wǎng)絡(luò)韌性影響最大的若干關(guān)鍵節(jié)點，在網(wǎng)絡(luò)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(luò)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(gòu)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(yīng)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(nèi)效率領(lǐng)先，但都存在各種缺陷。使網(wǎng)絡(luò)最快癱瘓的 K -shell指標，僅通過節(jié)點在網(wǎng)絡(luò)中所處位置對節(jié)點的重要性進行評估，導(dǎo)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(luò)中最重要，與按照特定層攻擊的結(jié)論相同；第1層和第5層處在邊緣位置，這兩層內(nèi)的節(jié)點介數(shù)中心性都為0，導(dǎo)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(luò)韌性可能存在很大影響。

基于此，為了盡量提高關(guān)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(jié)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(guān)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(jié)合芯片制造供應(yīng)鏈網(wǎng)絡(luò)特性，遍歷整個網(wǎng)絡(luò)中所有節(jié)點，依次找出對網(wǎng)絡(luò)韌性影響最大的關(guān)鍵節(jié)點，設(shè)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(luò)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(luò)的韌性影響最大，屬于關(guān)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(yīng)關(guān)鍵節(jié)點企業(yè)，輸出結(jié)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(yīng)鏈網(wǎng)絡(luò)中，對網(wǎng)絡(luò)韌性影響最大的脆性因子為處于半導(dǎo)體設(shè)備領(lǐng)域的北方華創(chuàng)、長電科技和處于半導(dǎo)體材料領(lǐng)域的中芯國際、滬硅產(chǎn)業(yè)、南大光電這5家企業(yè)。通過瀏覽相關(guān)新聞和數(shù)據(jù)，分析所得結(jié)果與實際情況基本符合。

2.5.2 供應(yīng)鏈恢復(fù)能力測試

除了受攻擊時的抗毀能力，恢復(fù)能力也是供應(yīng)鏈韌性的一項重要指標。通過觀察恢復(fù)情況，可以從反面印證脆性因子的準確性，并且反映出最關(guān)鍵的5家企業(yè)的內(nèi)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(luò)中的權(quán)重；再觀察PCC的變化趨勢并得出結(jié)論。

加大投人后關(guān)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(dǎo)體設(shè)備領(lǐng)域的北方華創(chuàng)和長電科技對PCC的提升顯著高于半導(dǎo)體材料領(lǐng)域的中芯國際、滬硅產(chǎn)業(yè)、南大光電。分析內(nèi)因，主要是半導(dǎo)體材料領(lǐng)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(dǎo)致后期提升有限。

綜上所述，芯片制造供應(yīng)鏈網(wǎng)絡(luò)中最關(guān)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(nèi)快速提升網(wǎng)絡(luò)韌性，可以加大對北方華創(chuàng)和長電科技的投入。

3 結(jié)語

本文通過深人了解芯片制造領(lǐng)域，繪制了全流程供應(yīng)鏈圖譜，根據(jù)其結(jié)構(gòu)特征構(gòu)建了多層復(fù)雜網(wǎng)絡(luò)模型，證實了芯片制造供應(yīng)鏈網(wǎng)絡(luò)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(luò)韌性的評價指標體系，以及基于貪婪算法的關(guān)鍵節(jié)點識別算法。結(jié)果顯示，關(guān)鍵節(jié)點均分布在上游的1＼～2層，與受到制裁的半導(dǎo)體材料和半導(dǎo)體設(shè)備領(lǐng)域相吻合；芯片電路設(shè)計為網(wǎng)絡(luò)的關(guān)鍵層，由于起步晚、周期長、行業(yè)壁壘高等因素，國內(nèi)企業(yè)在這一領(lǐng)域仍然面臨挑戰(zhàn)。因此，政府應(yīng)鼓勵設(shè)計企業(yè)承擔(dān)重大研發(fā)項目，聯(lián)合政產(chǎn)學(xué)研推進專用芯片的標準化、驗證和認證體系建設(shè)。同時，支持封測企業(yè)擴大規(guī)模、提高工藝和服務(wù)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(yīng)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(yīng)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(shù)門檻高、市場空間大的IP往往需要多年的前期技術(shù)積累和客戶驗證，目前芯片設(shè)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(yīng)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(yīng)鏈的政治經(jīng)濟學(xué)［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(yīng)鏈中斷風(fēng)險、可替代性及其經(jīng)濟影響評估［J]．國際貿(mào)易問題，2023（3）：124-140.

[3］曹偉．供應(yīng)鏈復(fù)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(xué)，2021.

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

[5］劉小峰，陳國華．基于復(fù)雜網(wǎng)絡(luò)的供應(yīng)鏈魯棒性分析［J].東南大學(xué)學(xué)報（自然科學(xué)版），2007（S2）：237-242.

[6］楊康，張仲義．供應(yīng)鏈網(wǎng)絡(luò)風(fēng)險傳播SIS-RP模型及仿真[J]．北京交通大學(xué)學(xué)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(fù)雜網(wǎng)絡(luò)的中歐班列運輸網(wǎng)絡(luò)關(guān)鍵節(jié)點識別研究［J]．交通運輸系統(tǒng)工程與信息技術(shù)，2022，22（6）：191-200.

[9］薛鋒，范千里，羅建．基于多層復(fù)雜網(wǎng)絡(luò)的軌道交通產(chǎn)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(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點識別算法［D].

蘭州：蘭州理工大學(xué)，2023.

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

［12］謝麗霞，孫紅紅，楊宏宇，等．基于K-shell的復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點識別方法［J]．清華大學(xué)學(xué)報（自然科學(xué)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(luò)關(guān)鍵節(jié)點識別技術(shù)［J]．現(xiàn)代電子技術(shù)，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(fù)合網(wǎng)絡(luò)關(guān)鍵車站識別算法［J].鐵道標準設(shè)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(yīng)鏈管理、機制設(shè)計。劉喆?。ㄍㄐ抛髡撸?998—），男，研究方向：供應(yīng)鏈管理。