Industrial Policy in the Global Semiconductor Sector
Notice bibliographique
Résumé
The resurgence of subsidies and industrial policies has raised concerns about their potential inefficiency and alignment with multilateral principles. Critics warn that such policies may divert resources to less efficient firms and provoke retaliatory measures from other countries, leading to a wasteful ``subsidy race.'' However, subsidies for sectors with inherent cross-border externalities can have positive global effects. This paper examines these issues within the semiconductor industry: a key driver of economic growth and innovation with potentially significant learning-by-doing and strategic importance due to its dual-use applications.Our study aims to: (1) document and quantify recent industrial policies in the global semiconductor sector, (2) explore the rationale behind these policies, and (3) evaluate their economic impacts, particularly their cross-border effects, and compatibility with multilateral principles. We employ historical analysis, natural language processing, and a model-based approach to measure government support and its impacts. Our findings indicate that government support has been vital for the industry's growth, with subsidies being the primary form of support. They also highlight the importance of cross-border technology transfers through FDI, business and research collaborations, and technology licensing. China, despite significant subsidies, does not stand out as an outlier compared to other countries, given its market size.Preliminary model estimates indicate that while learning-by-doing exists, it is smaller than commonly believed, with significant international spillovers. These spillovers likely reflect cross-country technology transfers and the role of fabless clients in disseminating knowledge globally through their interactions with foundries. Such cross-border spillovers are not merely accidental but result from deliberate actions by market participants that cannot be taken for granted. Firms may choose to share knowledge across borders or restrict access to frontier technology, thereby excluding certain countries. Future research will use model estimates to simulate the quantitative implications of subsidies and to explore the dynamics of a "subsidy race'' in the semiconductor industry.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».