近日，由清华大学深圳国际研究生院智能机器人实验室刘厚德教授领衔、王立博博士后担任 AI 首席研究员的大模型团队，正式发布了 VeriLoop Coder-E1—— 一款基于 Qwen3.6-27B 构建、面向仓库级代码修复与智能体式软件工程任务的开源垂类代码模型。 该模型在 Hugging Face 四项软件工程 Benchmark 中分别取得 SWE-bench Verified（85.20）、SWE-bench Pro（62.38）、Terminal-Bench 2.0（76.40）和 DeepSWE（33.63）的成绩。 截止 2026 年 7 月 27 日，在 32B 及以下开源模型的比较范围内，VeriLoop Coder-E1 在 SWE-bench Verified、 SWE-bench Pro 和 Terminal-Bench 2.0 中排名第一，在 DeepSWE 中排名第二 。在所有的开源模型中，包含一众知名模型的情况下，分别排名为第二、第一、第一和第五，统计情况如下表。 说明： 对模型综合能力作出全面评估，需明确基准评测的证据边界。基准评测仅反映模型在特定任务分布、评测协议与运行条件下的相对表现，不能据此推断其在真实软件工程环境中的整体能力。因此，本文不将四项基准评测成绩视为模型能力的最终裁决，仅客观记录相关评测结果与排名事实。 数据来源：Hugging Face 对应 Benchmark 排行榜，见 [5]—[8] Veriloop Coder- E1 背后的循证螺旋 VeriLoop Coder-E1 的核心优势来自窄域 PEFT 微调与 Self-Harness 的协同。 在冻结 Qwen3.6-27B 基座的前提下，项目以少量可训练参数强化模型面向真实软件工程任务的专门能力，包括工具契约遵循、证据 — 结论绑定、不确定性识别、验证失败解释、局部修复与回滚边界控制；相应微调权重通过可拆卸的 Surface Host Adapter 外挂加载，而不改写原始基座权重。 Self-Harness 则负责将这些能力组织为围绕同一任务持续收敛的多轮执行链：首轮依据问题描述、仓库上下文、接口约束和验收条件生成候选产物，后续轮次再将已生成代码、测试错报、工具回执、接口冲突、反证结论和修复约束重新编译为不同的结构化 Markdown 工作包，使模型在继承已确认结果的基础上，针对被证据否定的局部问题继续分析和修复，而不是对同一提示进行机械重试。官方模型与技术博客见 [1]—[2]。 该团队的方案证实了 Loop 不再只能是同一方法内部的反复试错，而是形成了一条由证据持续约束和推动的闭环：每一轮生成都必须接受反证、探索、修订与复验，只有通过验证的纠正才有资格进入下一轮并影响后续方法选择。 当系统不只是修正当前结果，而是让经验证的纠正进一步改变未来如何发现问题、界定证据、发起探查和实施修复时，这一闭环便上升为 VeriLoop 所强调的循证螺旋（Evidence-Governed Spiral）。这一执行链遵循「证 — 伪 — 探 — 修 — 验 — 化」 的循证逻辑。关于其完整概念界定，详见 VeriLoop 官方技术博客 [2]。 图 1｜VeriLoop 循证螺旋：证 — 伪 — 探 — 修 — 验 — 化的验证门控与方法级递归改进机制 循证不是用信息为既有结论提供装饰或支持，而是要求证据能够挑战并改变系统当前的认识、行动或未来探究方式；循证螺旋则进一步将这种可纠正性组织为跨轮次演化机制，使经验证且边界明确的纠正不仅修复当前结果，还能够改变系统下一轮如何界定问题、选择证据、发起探查、实施修复与决定停止。 在 VeriLoop 中，这一机制被具体化为「证 — 伪 — 探 — 修 — 验 — 化」的连续链条： 「证」负责收集并筛选能够实质改变当前判断的代码、接口、测试、执行轨迹与工具回执，同时明确已知、未知、假设及证据边界； 「伪」主动检验候选方案的前提、实现与正确性声明，推导可观察的失败条件，定位矛盾、错误与证据缺口； 「探」只围绕已经暴露的决定性缺口继续检索代码、追踪调用关系或执行必要工具，避免无目的扩张上下文； 「修」依据失配层级，将错报和反证结果转化为边界明确的局部或结构性修复条件，并保留变更依据与回滚路径； 「验」要求修订后的产物重新接受同一任务契约、测试体系与执行环境的检验，以确认修复真实有效，并排除随机性、评估偏差与环境偶然性； 「化」则只将通过验证门的结果、失败类型、适用条件与有效修复原则压缩为下一轮可调用的证据状态、方法约束与预防规则。 由此， Loop 不只是增加提示词长度、推理轮次或模型调用次数，而是让每次调用都由上一轮产生的新证据改变其判断、探索和修复方式，使一次性代码生成转化为可反证、可回滚、可验证并能够积累有效经验的软件工程闭环。 通向递归式自我改进之路 当系统已经能够反复生成、修订并验证结果，真正的问题便不再是「能否修改自身」，而是：什么使一次纠正有资格进入未来的纠错机制？ Anthropic 所代表的一类前沿愿景，将递归式自我改进理解为人工智能逐步参与乃至承担后继系统的设计、开发与验证，使本轮获得的能力继续增强下一轮研发能力。 但在构建 VeriLoop Coder-E1 的过程中，团队发现，系统即使能够修改 Prompt、工具策略、记忆、评价器、训练流程乃至模型本身，也只能证明自我修改权限扩大，不能证明真实改进已经发生；若目标、证据、评价与继承标准仍受同一组未经检验的假设支配，修改越深，奖励缺口、评价偏差与认知盲点越可能被固化到更高层机制中。 由此，团队重新定义递归式自我改进：它不是系统反复修改自身，而是经证据纠正的方法开始改变系统未来如何发现、判断和纠正错误，并且该方法仍可被新的证据再次证伪。 「一种理论若不可能被任何可设想的事件所反驳，它就不是科学理论。不可反驳性并非理论的优点，尽管人们常常这样认为，恰恰是它的缺陷。」 —— 卡尔・波普尔，《猜想与反驳》 循证螺旋正是将这一可反驳性转化为递归式自我改进的认识与工程门控：系统先界定当前主张、假设及证据边界，再为其提出可观察的失败条件；探究只针对足以改变判断的决定性缺口；修订作用于与失配相对应的层级，既可修复当前结果，也可调整问题分解、证据义务、工具选择、验证策略或停止条件；验证门随后检验修订是否真正解决失配、能否在相关变化下保持成立，并排除随机波动、评价器漏洞与环境偶然。 验证通过仍不等于递归已经发生；只有当纠正揭示出可迁移的方法性缺陷，被纳入未来纠错机制，并在后续任务中实际改变未知如何被发现、证据如何被获取、错误如何被判断以及修复如何被实施时，Loop 才真正跨越递归阈值。 在运行层面，VeriLoop Coder-E1 由 Self-Harness 维护任务锚点、证据义务与版本化状态。每轮首先基于当前假设、行动方案、探究方向和停止条件生成候选，再由反驳阶段把候选转化为可检验主张并提出可观察的失败条件；若仍存在足以改变决策的未知，系统便登记对应的证据义务，调用代码检索、静态分析、测试、运行 Trace 或其他工具获取带来源的观测，并仅允许可采纳且能够改变判断的结果更新系统状态。 图 2｜已验证纠正进入未来方法的运行轨迹及递归阈值判据机制 随后，系统依据失配发生的层级实施修订，并将修订后的产物送入验证门，同时检验原始失败、相关执行路径、回归测试及错误归因。 验证失败时，当前修订被拒绝，流程返回反驳或定向探究；验证通过时，该修订也不会直接成为永久规则，而是被登记为带有证据集合、适用范围、触发条件、失效边界与回滚路径的方法候选。 只有当这一方法候选在后续独立任务中被实际调用，并确实改变证据义务如何生成、工具如何选择、修订如何定位或验证如何组织，且再次获得证据支持时，它才被写入新的纠错方法，完成从当前结果纠正到未来方法更新的跃迁。 此时，纠正不再只解决一次任务，而是开始改变系统未来如何发现、判断和纠正错误，Loop 才真正跨越递归阈值；若后续证据与其冲突，该方法仍可被缩小适用范围、降级、回滚或撤销。 开源边界：开放模型资产，保留 Self-Harness 控制栈 团队已依据 Apache 2.0 许可证开放 VeriLoop Coder-E1 的模型权重、Tokenizer、配置文件、部分软件工程窄域 PEFT 适配器及评测材料。开发者可在许可证范围内下载、部署、修改模型，组合适配器并开展二次研究与应用开发。开放内容覆盖模型侧的代码理解、生成与推理能力，以及由窄域 PEFT 注入的工具规范、不确定性表达、回滚意识和证据绑定等专业行为。 Self-Harness 的完整实现暂不开放。它并非提示词集合或普通 Agent 脚本，而是复杂的运行时控制平面。它将一次软件工程任务编译为多轮、分阶段且相互约束的模型调用，而非对同一 Prompt 机械重试：不同轮次分别承担候选生成、反证、定向探究、修订与验证等职责，并接收由 Harness 动态构造的结构化工作包，其中持续携带任务契约、代码上下文、前轮产物、工具回执、测试错误、证据缺口、失败归因及修复边界。 Self-Harness 同时维护假设、行动、探究方向、证据义务、方法版本与停止条件，将检索、测试、静态分析和运行轨迹组织为可追溯的证据事务，并通过上下文隔离、状态更新、证据采纳、验证门、方法晋升、预算治理、权限控制、失败回退与版本回滚，决定何时继续调用模型、调用哪一阶段、向其提供哪些证据，以及哪些修订可以执行或被后续任务继承。窄域 PEFT 提供专业能力，Self-Harness 则负责将这些能力组织为可验证、可回滚、可递归继承的多轮执行过程。 此外，完整 Self-Harness 还包含任务编排、工具与验证器路由、失败归因、方法继承、安全边界及真实软件工程环境中的运行基础设施，直接决定系统能否从代码生成模型升级为能够理解仓库、执行修改、验证后果并承担回归责任的通用 Code Agent。团队下一阶段将以通用 Code Agent 为主要研发与商业化方向，因此开放其技术原理、系统边界和评测依据，同时保留生产实现，以兼顾学术可验证性、开源使用与核心产品壁垒。 发布首日即获国际社区量化适配 VeriLoop Coder-E1 在 Hugging Face 开源不足 48 小时，即被巴西以及其他第三方开发者主动制作并发布 GGUF 低精度量化版本和二次研究。该工作基于公开权重完成部署侧转换，使模型能够脱离原始高精度运行环境，通过 llama.cpp、Ollama、LM Studio 等本地推理工具运行，并可进一步部署为本地 OpenAI 兼容接口。由此，VeriLoop Coder-E1 的使用边界从服务器级原始权重部署扩展至更低显存、更有限内存和个人设备环境。同时，根据第三方公开纰漏的结果，模型表现出极强的抗「抹除」（abliteration）能力。经过 200 次尝试，其拒绝率仅从约 95% 降至约 82%。 截至 2026 年 7 月 30 日，在模型上线首日的统计窗口内，VeriLoop Coder-E1 原始仓库单日下载量达到 413 次；第三方 GGUF 量化仓库单日下载量达到 955 次。这意味着模型刚完成公开发布，国际开源社区便已开始围绕其进行权重获取、低精度量化、本地部署和工具链接入，社区对模型的关注已迅速转化为实际使用行为。相关第三方衍生仓库见 [3]—[4]。 该 GGUF 版本是对 VeriLoop Coder-E1 公开模型权重的第三方部署扩展，不包含生产级 Self-Harness，也不改变模型的技术归属与原始发布关系。其价值在于，第三方开发者在发布首日便自发投入计算与工程资源，为模型建立更低成本的本地运行路径，表明 VeriLoop Coder-E1 已开始从实验室发布成果进入由国际开源社区实际下载、部署和再开发的应用阶段。 从代码生成到状态后果建模： 以 Self-Harness 推进通用 Code Agent 权重开放只是起点。团队下一阶段将把研发与商业化重心转向通用 Code Agent：底层模型作为可替换的推理内核，生产级 Self-Harness 负责维护任务契约、仓库状态、证据义务与方法版本，编排分工明确的多轮模型调用和工具执行，并将自然语言目标转化为可观察、可反驳、可验证、可回滚的状态变化。系统在执行前预测代码、依赖、接口与运行行为的变化，执行后再以 Git Diff、编译结果、测试日志和运行 Trace 对照预测与现实；一旦出现失配，立即重新探究、回滚或重构计划。通用 Code Agent 因而不只是生成代码，而是能够预测、执行并对行动后果负责。 与以 DeepSeek 持续扩展基础模型能力为中心的 AGI 愿景不同，VeriLoop 不把通用人工智能首先理解为一个参数更多、知识更广的单体模型。真正关键的是，系统能否形成可修正的状态表征，预测行动后果，在不确定条件下规划与执行，并在现实推翻预测时，不仅修改当前答案，还改变未来如何提出问题、获取证据、选择行动和判断完成。知识可以来自预训练，能力可以由模型提供，但智能只有在状态、行动与后果形成闭环时才真正显现；循证则进一步要求，结论、方法乃至验证机制本身都不得获得不可推翻的特权。AGI 不是逼近全知，而是在更广泛的环境中持续缩小对行动后果的预测误差，并始终保留被现实纠正的能力。 软件工程是检验这一观点最严格的起点：代码仓库提供环境状态，修改和工具调用构成真实行动，编译、测试、依赖、性能与运行轨迹则给出无法由语言叙事替代的外部证据。团队将继续推进通用 Code Agent，并在公开评测和真实工程任务中与国内外前沿系统展开良性竞争，但不会只在别人挖好的坑里继续铲土。研究的意义不在于被谁铭记，而在于探索未知，并把经得起证据检验的事情做下去。正如电影《八仙》所说：「只要做对的事，人人都是无心昌。」 数据来源与相关模型仓库： 官方模型与技术博客 [1] Tsinghua SIGS Robot Lab. VeriLoop Coder-E1 [CP/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/tsinghua-sigs-robot-lab/veriloop-coder-e1 [2] VeriLoop. VeriLoop: When Evidence-Governed Correction Enters the Future, Recursive Self-Evolution Begins [EB/OL]. X, 2026-07-25 [2026-07-29]. https://x.com/free_anyone/status/2080695708357951959 社区衍生版本 [3] Ramos, R. VeriLoop Coder-E1 GGUF [CP/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/rodrigoramosrs/veriloop-coder-e1-gguf [4] Asmanov, L. VeriLoop Coder-E1 Heretic [CP/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/asmanovlev/veriloop-coder-e1-heretic Benchmark 排行榜数据源 [5] Scale AI. SWE-bench Pro Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro?leaderboard_base_model=false [6] DataCurve. DeepSWE Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/datasets/datacurve/deep-swe?leaderboard_base_model=false [7] SWE-bench. SWE-bench Verified Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/datasets/SWE-bench/SWEbench_Verified?leaderboard_base_model=false [8] Harbor Framework. Terminal-Bench 2.0 Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29]. https://huggingface.co/datasets/harborframework/terminal-bench-2.0?leaderboard_base_model=false免责声明：本文采摘自"机器之心"，仅代表作者观点，如有侵权或异议请联系我们删除。

AI算力硬件升级、碳化硅功率器件规模化落地，让半导体封装的散热与可靠性难题愈发凸显。传统有机PCB基板导热差、耐高温能力弱，无法适配超高功耗器件工况。以氧化铝、氮化铝、氮化硅为核心的陶瓷基板，凭借高导热、高绝缘、低热膨胀系数的核心优势，成为AI算力设备、高端半导体功率器件的核心封装基材，是先进陶瓷产业极具潜力的细分赛道。 ▌ 什么是陶瓷基板？半导体器件的 “高性能底座” 陶瓷基板是以特种陶瓷为基底，通过 DBC、AMB、DPC 等金属化工艺，在陶瓷表面复合铜导电层，同时承担电气绝缘、高效导热、电路载体三大核心功能。 陶瓷基体本身为三大材料体系，性能分层清晰，对应不同 AI 与功率器件应用场景： 材料 热导率 W/(m・K) 核心特点 典型应用 氧化铝 Al₂O₃ 20-30 成本低、工艺成熟，国产化程度高 中低功率 IGBT、工业电源、普通模块 氮化铝 AlN 170-230 超高导热，CTE 与硅芯片高度匹配 AI 高速光模块、算力封装、高频器件 氮化硅 Si₃N₄ 60-90 机械强度极高，抗热冲击，热循环寿命优异 SiC 功率模块、高压车规功率器件 11 月即将举办的第七届陶瓷基板及产业链发展论坛暨前沿领域先进陶瓷应用新趋势论坛，也将围绕 AI 与功率器件用陶瓷基板、先进陶瓷前沿应用开展专题交流，打通产学研用对接。 点击查看更多详情 ▌ 陶瓷基板在 AI 算力硬件中的两大核心应用 1、高速光模块：800G/1.6T/3.2T 的刚需载体 AI大模型带动800G、1.6T高速光模块及高功耗服务器普及，设备高频运行下积热、信号损耗问题突出，高精度氮化铝陶瓷基板成为刚需核心配件。 代表企业与产品 京瓷（日本）：全球高端陶瓷基板标杆企业，HTCC 高温共烧、氮化铝 DPC 基板长期垄断海外高速光模块市场，新工厂专门扩产半导体陶瓷封装基板产能为应对算力硬件需求爆发。 中瓷电子：国内 AI 光通信陶瓷基板龙头，是全球仅有的两家可批量交付 1.6T 光模块氮化铝薄膜基板企业之一，同时布局下一代 CPO 光电共封装陶瓷基座，是国产算力陶瓷基板的核心代表。 三环集团：氧化铝基板全球龙头，同时完成高导热氮化铝基板技术突破，通过头部算力客户认证，面向光模块、先进封装批量供货，打通粉体-流延-金属化的自研闭环，兼顾成本与供货稳定性。 随着 CPO 光电共封装技术逐步落地，对陶瓷基板的布线精度、平整度、热稳定性要求更高，氮化铝基板的市场需求持续扩容。 2、AI 服务器配套功率器件与先进封装 AI 服务器供电组件长期承受大电流冲击，传统有机基板易过热失效。DPC/DBC 氮化铝陶瓷基板可有效降低模块热阻、缓解高密度积热，同时凭借接近硅材的热膨胀系数，适配 Chiplet 先进封装，规避翘曲、焊点失效问题，大幅提升封装良率与设备可靠性。 代表企业与产品 国瓷材料：国内少数打通 “高纯氮化铝粉体-陶瓷基片-金属化基板” 全链条企业，上游粉体自主可控，缓解高端粉体对外依赖，适配 AI 服务器电源模块、先进封装散热基座场景。 博敏电子：由 PCB 向陶瓷基板延伸，子公司具备 DBC、AMB、DPC 工艺能力，氮化铝、氮化硅基板兼顾算力电源、车载功率模块双重场景，实现 PCB 与陶瓷基板的异构集成方案。 ▌ 陶瓷基板在半导体功率器件领域的价值 IGBT、SiC MOSFET等功率器件广泛用于光伏储能、新能源与工控，长期高压大电流工况对封装基板的散热与可靠性要求极高。传统硅基IGBT中，多用氧化铝DBC，工业级逐步切换氮化铝DBC；SiC器件对基板抗热冲击要求更高，氮化硅AMB基板已成为高端SiC模块主流选择，适用于储能、车载电控等场景。 三类关键工艺：DBC（铜箔高温键合陶瓷，适于氧化铝/氮化铝，成本适中）；AMB（活性焊料钎焊，结合力强，主打氮化硅基板，面向高可靠SiC模块）；DPC（薄膜电镀，线路精度高，多用于AI光模块精密基板）。 代表企业与产品 罗杰斯（美国）：全球氮化硅 AMB 基板传统龙头，长期垄断海外高端 SiC 功率模块市场，超薄 AMB 基板良率行业顶尖，但产能紧张、交付周期长，价格居高不下，制约下游国产化落地进度。 富乐德（富乐华）：国内功率陶瓷基板龙头，氮化硅 AMB 基板实现稳定批量量产，全球市占约 25%，产品价格相较海外竞品低 30-40%，自研高纯氮化硅粉体，解决上游原材料卡脖子，产品面向车规 SiC 模块、储能功率器件，已经进入多家头部功率器件企业供应链，是国内 SiC 功率封装基板国产替代主力企业。 江丰同芯（江丰电子）：布局 DBC、AMB 覆铜陶瓷基板产线，聚焦第三代半导体功率模组基板，面向 SiC、GaN 器件客户做认证导入，依托靶材、金属材料积累，在金属化界面工艺形成自身优势。 ▌ 产业格局：高端仍被海外垄断，国产替代窗口期到来 全球陶瓷基板市场呈现日本主导高端，国内追赶突破的格局。京瓷等海外企业，手握高纯粉体、精密烧结、金属化技术，在氮化铝、氮化硅高端基板占据主要份额；上游高纯氮化铝粉体长期由日本德山主导，是产业链关键卡点。 氧化铝基板：国内已经实现高度国产化，产能充足，成本优势明显； 高端氮化铝、氮化硅基板：粉体、高可靠金属化工艺仍是主要壁垒，但国内产业链正在快速突破，从粉体原料、陶瓷基片到 DBC/AMB/DPC 基板全链条布局提速，部分产品已经进入算力、功率半导体头部供应链。 行业数据显示，全球陶瓷基板市场保持接近 19% 的年复合增速，高端氮化铝、氮化硅基板增速显著高于行业平均水平。 ▌ 行业发展趋势 材料分化：氧化铝守住中低端市场；氮化铝深度受益 AI 光互联；氮化硅随 SiC 器件渗透打开成长空间； 工艺升级：AMB、DPC 占比持续提升，基板向着更薄、线路更细、热循环寿命更高方向演进； 全链条自主：高纯陶瓷粉体是卡脖子环节，国内企业向上游粉体延伸，打通 “粉体-基片-金属化基板” 完整链条，是国产突围的核心路径； 场景融合：AI 算力、SiC 功率器件两大赛道需求交叉，对陶瓷基板同时提出高导热、高精密、高可靠性的复合要求，倒逼材料与工艺持续迭代。 ▌ 总结 陶瓷基板着决定 AI 算力硬件、功率半导体器件的上限，是粉体配方、烧结工艺、精密金属化、翘曲控制等多学科叠加的高技术壁垒产品。 大模型浪潮带动算力基础设施建设，SiC 功率器件加速替代，陶瓷基板正迎来产业升级黄金阶段。国内先进陶瓷企业，既要补齐高端粉体与工艺短板，也需要深度对接下游 AI、功率器件客户的实际工况需求，在国产替代浪潮中把握赛道机遇。免责声明：本文采摘自“先进陶瓷材料产业链”，仅代表作者观点，如有侵权或异议请联系我们删除。

你手中拿着的手机、驾驶的电车里，藏着数十颗不知名的芯片。但在它抵达你的手里之前，已经悄悄完成了长达数万公里的全球之旅：有人画图纸，有人烧硅片，有人穿衣服，有人做搬运……而这一切，全被藏在了 Fabless、Foundry、IDM、EMS 这串看似晦涩的字母密码里。 但如果把这场"全球之旅"比作一场跨国接力赛，你会发现，这些看似晦涩的角色其实各司其职，脉络无比清晰。 01 — 第一阶段：芯片的"诞生"——制造与封测 芯片从零到一，主要涉及芯片的架构设计、晶圆制造以及封装测试。 IDM（垂直整合制造厂商）：全能型选手 代表企业： Intel、TI（德州仪器）、Infineon（英飞凌） 角色定位： 自己设计芯片、自己建厂制造、自己封装测试、甚至自己销售。他们拥有完整的产业链，掌控力极强，但资产极其重。 Fabless（无晶圆厂芯片设计公司）：脑力担当 代表企业： Qualcomm（高通）、NVIDIA（英伟达）、AMD、联发科 角色定位： 只负责芯片的电路设计与销售，不拥有制造工厂（"Fab-less"即无工厂）。他们把重资产的制造环节外包出去，集中精力搞研发。 Foundry（晶圆代工厂）：超级制造厂 代表企业： TSMC （台积电）、中芯国际（SMIC）、联电（UMC） 角色定位： 只做代工制造，不卖自己品牌的芯片。Fabless 设计好图纸后，发给 Foundry 打印在硅片上，生产出"晶圆（Wafer）"。 OSAT（外包封装测试厂）：衣服与质检 代表企业： 日月光、长电科技、通富微电 角色定位： Foundry 切割好的裸芯片（Die）非常脆弱，OSAT 负责给它加上保护外壳、引出接脚（封装），并进行电性能和可靠性测试（测试）。 02 — 第二阶段：芯片的"流通"——渠道与分销 芯片做出来后，如何从芯片原厂送到成千上万家电子制造企业的手里？这就需要供应链与分销渠道。 代理商（Authorized Distributor）：官方 正牌军队 代表企业： 安富利（Avnet）、箭牌（Arrow）、大联大（WPG） 角色定位： 拿到芯片原厂（如 ST、TI、NXP）的官方授权，主要服务中大型客户。价格透明，有原厂技术支持（FAE），但账期和起订量（MOQ）限制较严。 分销商 / 现货商（Independent Distributor）：灵活性保障 角色定位： 没有特定原厂的官方授权束缚，全球采购、灵活现货。在原厂缺货、交期过长、或客户需要小批量急用时，分销商能依靠强大的现货调配能力和供应链响应速度，帮客户"救火"和做成本优化。 03 — 第三阶段：芯片的"落地"——制造与终端 芯片本身只是一个零组件，必须焊接到电路板（PCB）上，装进终端设备里，才能送到最终消费者手中。 EMS（电子制造服务商）：代工组装厂 代表企业： 富士康（Foxconn）、捷普（Jabil）、伟创力（Flex） 角色定位： 纯代工模式。客户提供设计图纸和 BOM 表（物料清单），EMS 负责买配件、贴片（SMT）、组装成成品。 OEM（原始设备制造商）：品牌方 代表企业： 苹果、华为、特斯拉、联想 角色定位： 拥有自己的品牌和产品定义，掌握核心技术，把制造交给 EMS 或 ODM，最终将产品卖给终端消费者。 ODM（原始设计制造商）：打包方案商 代表企业： 华勤技术、闻泰科技、立讯精密 角色定位： 不仅帮你做，还帮你设计。如果某个品牌（OEM）想出一条新产品线但不想投入大量研发，就会找 ODM 拿现成的整机方案，贴上自己的品牌直接卖。 一颗芯片的"接力"全景图 将所有角色串联起来，一颗芯片的旅程通常有两种路径： 搞清楚这些角色的分工，不仅能让我们对半导体产业链有更深刻的理解，也能让我们在供应链服务中，更精准地找到自己的定位与价值，为客户解决供应链难题。免责声明：本文采摘自"美托斯国际"，仅代表作者观点，如有侵权或异议请联系我们删除。

7月2日，2026慕尼黑上海电子展期间，由四方维、与非网、慕尼黑展览（上海）有限公司联合主办的"全球电子元器件供需对接峰会"在上海新国际博览中心举行。围绕全球电子元器件供需变化、供应链韧性、国产芯片出海、绿色合规、数字化采购、PCB供应链风险以及金融赋能等议题，多位来自电子产业链上下游的企业代表展开分享与讨论。 与过去几年元器件供需论坛上反复出现的"缺芯""涨价""交期拉长"不同，这场峰会释放出的信号更复杂，也更接近电子产业链当下真实的焦虑：电子供应链的问题，已经不再只是采购部门如何找货、如何压价、如何保障交付，而是正在上升为企业全球化经营、产品合规、研发效率、供应安全和生态竞争的一部分。 如果用一句话概括这场峰会的核心判断，那就是：电子供应链正在从"交易链条"变成"战略基础设施"。过去，供应链的核心目标是成本、交期和库存。采购部门只要能把料买回来，价格足够低，交付足够快，就算完成任务。但在疫情、芯片短缺、地缘政治冲突、贸易壁垒、物流中断和ESG规则叠加之后，供应链评价体系已经被重写。今天，一个成熟的电子供应链体系，不仅要回答"有没有货"，还要回答"风险在哪里""替代方案在哪里""数据是否透明""供应商是否可靠""产品是否合规""碳足迹是否可追踪""能否支撑全球化客户的设计和采购流程"。 这意味着，电子元器件供需关系正在发生结构性变化。一方面，AI数据中心、汽车电子、人形机器人、新能源、工业自动化、航空航天等新兴应用带来了新的元器件需求；另一方面，终端企业对供应链安全、绿色合规和数据透明的要求不断提高。对中国元器件企业来说，过去依靠成本、交付和响应速度形成的竞争优势，正在被更高层级的全球化门槛重新检验。 西门子：供应链韧性是业务成功基础 作为全球工业科技公司的代表，西门子的分享为本次峰会定下了第一个关键词：韧性。 西门子Regional Commodity Manager Sophia Shi在现场介绍，西门子2025财年实现789亿欧元营收，新订单金额达到884亿欧元，净收益达104亿欧元。西门子的业务覆盖工业、基础设施、交通、医疗等多个板块，收入在欧洲、美洲和亚洲之间保持相对均衡分布。正是这种全球化业务结构，决定了西门子的供应链天然具有复杂性。西门子的客户遍布全球，产品销往全球，生产网络也覆盖全球，因此供应链韧性对西门子来说是业务成功的基础。 这一判断非常关键。过去，很多企业把供应链韧性理解为"危机来了以后有没有应急能力"，比如缺料时能不能快速找货，原厂停产时能不能临时寻找替代。但在西门子的体系中，韧性不是临时响应，而是提前构建在组织、数据、供应商管理和区域化布局中的能力。 在西门子看来，当前全球供应链主要面临三类挑战：贸易环境变化、地缘政治风险以及可获得性风险。针对这些挑战，西门子的策略包括降低依赖度、提升数据透明度、推进多层级供应链管理，以及推动local for local、regional for regional的区域化供应链体系。其中，"透明度是一切管理的基础"是现场最值得关注的表述之一。 在传统采购体系中，很多企业只管理一级供应商。一级供应商能否交货、价格是否合理、质量是否稳定，是采购部门关注的重点。但过去几年暴露出来的问题是，很多真正的风险并不发生在一级供应商，而是发生在更深层的物料、工艺、晶圆、封装、物流、金融和地缘政治环节。企业如果只看到一级供应商，就很难判断风险真正来自哪里。 因此，西门子正在从传统的一级供应商管理，转向全价值链管理。它关注的不只是供应商本身，还包括多层级供应链透明度、second source引入、地缘政治风险管理、物料优化与创新，以及供应商财务能力等因素。Sophia Shi也提到，四方维在物料生命周期管理、临近EOL物料替代、危机期间快速寻找替代物料、获取实时市场数据以及现货支持等方面，协同西门子提升供应链韧性。 芯耀计划：国产芯片出海，先要进入全球工程师工作流 如果说西门子的分享强调的是大型工业企业如何管理供应链韧性，那么四方维市场拓展经理郄天涯的分享，则回到目前比较热门的"国产芯片出海"的话题。 郄天涯表示，国产芯片出海并不容易。难点并不只是产品性能或价格，而是更具体、更底层的问题：产品不被海外工程师认知，技术资料不被信任，design in阶段无法进入候选名单，海外通路也难以建立。 这句话点出了国产芯片出海长期被低估的一面。很多企业把出海理解为参加海外展会、建设英文官网、寻找代理商或者投放广告。但在电子元器件行业，真正决定一颗芯片能否进入海外客户供应链的，往往发生在更早的研发和选型阶段。 工程师在做方案设计时，会先查找器件参数，下载数据手册，查看封装模型，比较替代料，建立BOM清单。如果这一步看不到某个国产品牌，后续采购部门就很难主动把它纳入供应商体系。也就是说，国产芯片出海不是从销售开始，而是从工程师桌面上的设计工具、参数搜索和BOM管理开始。 四方维提出的"芯耀计划"，正是试图解决这个前置问题。据介绍，四方维在电子行业数字化领域深耕20年，总部位于美国加州，中国总部位于苏州工业园区，全球员工超过300人。四方维将自身定位为全球元器件数据库的先行者，拥有庞大的元器件数据库，并通过全球70多个专业电子网站提供底层数据支持。2021年加入西门子之后，四方维的数据能力进一步接入西门子工业生态。 "芯耀计划"的底层逻辑可以概括为九个字：被看见、被研究、被采购。所谓"被看见"，是帮助中国原厂实现技术资料的信息化、国际化和合规化，并建立双语企业专区，让中国供应商进入全球工程师和采购群体的视野。所谓"被研究"，是通过参数搜索、替代料搜索、EDA模型下载和创建服务，让国产器件进入海外工程师design in阶段的考察名单。所谓"被采购"，则是通过FindChips等平台、采购软件工具，以及西门子生态中的相关接口，让国产器件数据以可选供应商身份进入更广泛的工业用户查询和使用场景。 其中，替代料展示是一个值得关注的切入口。当海外工程师查询热门国际原厂料号时，如果国产器件能够作为推荐替代料出现在显著位置，就相当于把产品摆上了竞争对手的货架。对元器件行业来说，替代料搜索天然就是一个高意向流量场景。工程师之所以查询替代料，往往是因为原料号价格高、交期长、供应不稳定，或者需要做国产替代与降本方案。如果国产器件能在这一刻出现，就不是普通广告曝光，而是直接进入需求场景。 在圆桌论坛的交流环节，郄天涯进一步把国产芯片出海的痛点概括为"三道坎"：数字坎、信任坎和绿色坎。她提到，过去海外拓展的"老三件"——逛展会、找分销商、疯狂寄样品——正在失效。原因并不是产品变差了，而是海外用户的KPI发生了变化。以前客户更强调便宜好用，现在更强调合规、质量和数字化能力。如果产品没有标准化数字资料，很难进入全球主流工程数据库；如果没有底层供应链、生产地和溯源信息，也很难消除海外客户的不信任；如果缺少数字化合规报告，也很难满足日益严格的绿色审计要求。 欧时：ESG不是口号，碳足迹正在变成供应链成本 欧时中国业务负责人蒋文辉的分享，进一步从企业内部供应链管理，扩展到全球商业格局变化。 作为拥有近百年历史的国际供应商，欧时服务全球客户，覆盖大量国际品牌和工业客户。蒋文辉在现场强调，中国企业和中国制造不应低估自身竞争力。尽管关税、地缘政治和贸易摩擦仍然存在，中国制造仍然在性价比、自动化水平、产业配套能力和供应链完整度方面具备明显优势。她提到，全球资本持续流向高科技、高增长和未来产业，在中国市场，航空航天、无人机、光模块、人形机器人、新能源汽车、医疗、半导体和电子等产业正在成为值得重点关注的方向。 但机会并不等于没有门槛。蒋文辉认为，全球供应链正在走向多元化布局。对采购端来说，供应商组合需要保持平衡，不能把所有鸡蛋放在一个篮子里；关键物资需要提前准备替代方案；战略储备与风险管理正在成为采购逻辑中的重要组成部分。 新的门槛中，最值得关注的是ESG和碳足迹。蒋文辉提醒，欧洲市场对于ESG、碳足迹、低碳能源、绿色认证等要求正在提高。对于希望出海的中国企业来说，不能只关注产品参数、价格和交付，还要从源头开始管理碳足迹。例如选择绿电工业园区、使用符合认证要求的材料、完善生产过程中的绿色管理记录，这些都可能影响企业进入海外供应链体系的能力。 在圆桌论坛中，四方维 SaaS售前顾问张宇也指出，绿色合规最容易被忽视的隐性成本，核心是"碳"。很多企业把ESG简单理解为节能用电，但实际上，碳足迹计算正在通过客户和供应链层层传导到电子行业。他以汽车供应链为例提到，BMS、BMU、PCBA、PCB等环节并不会因为不属于传统高碳行业，就天然与碳监管无关。一旦终端车企或一级供应商要求提供可认证、可溯源的碳数据，电子元器件和模组供应商就必须具备相应的数据计算和披露能力。 这对中国电子企业的启示非常直接：碳足迹不再只是欧洲法规或终端品牌的事情，而是会沿着供应链向上游传导。过去企业出海的核心成本是关税、认证、渠道和物流；未来，碳计算、数据追溯、绿色材料选择、产品护照和合规报告，都可能成为新的隐性成本。 云汉芯城：采购数字化正在从工具走向"采购中枢" 云汉芯城马骏认为，电子元器件供应链的发展，本质上是一部从线下到线上、从传统分销到数字化、再到智能化的演进史。 在传统元器件交易模式中，供应商、代理商、次终端和中大型客户之间层层流转，沟通成本和试错成本很高。对于研发客户、科技企业和中小批量制造客户来说，这种模式很难满足快速选型、灵活采购和敏捷开发需求。 云汉芯城的判断是，并不是所有采购场景都适合线上化，但在原型设计、样品制造、现货采购和中小批量制造场景中，数字化平台的价值最为明显。因为这些场景的采购特点可以概括为"小、散、临、急"：型号分散、批量不大、需求不稳定、响应时间短。传统供应链很难高效适配，而数字化平台能够通过数据、库存、价格、替代料和履约能力提高效率。 云汉芯城是一家数字化和电子产业供应链服务融合发展的平台企业，提供从电子元器件供应、产品技术方案开发到PCBA生产的一站式数字化供应链服务，主要服务在研发和中小批量采购环节有需求的科技企业。其平台注册客户达到78万，服务超过18万家企业客户，背后有2500家优质供应商。 围绕客户需求，云汉芯城将数字化采购的核心诉求归结为三点：供应链韧性和安全、透明合规、支持产品创新。基于这些需求，云汉芯城推出元器件企业内采专属商城——云汉"芯晶采"，通过SaaS或API方式对接客户ERP和SRM系统，满足寻源比价、替代选型、采购审批等业务场景。平台通过多层账号体系实现请购、审批、下单等流程留痕，并通过国产替代搜索引擎、历史价格趋势查询、BOM智能配单等工具，帮助设计师和采购人员提升效率。 更值得关注的是云汉芯城在AI方面的大力投入。在AI应用层面，云汉芯城陆续推出"芯灵通"智能客服、电子元器件搜索Skill、AI采购助手等工具矩阵，显著提升客户体验；同时，在智能问答、智能备货、型号推荐、国产替代及风险预警等核心场景中，持续驱动业务提质增效。 这意味着，在AI驱动下，元器件采购数字化正在进入新阶段。第一阶段是把线下交易搬到线上，解决信息不透明和交易效率问题；第二阶段是建立数据中台、价格趋势、替代料引擎和流程审批，解决透明合规和协同问题；第三阶段则是通过AI和自动化，把采购系统从信息工具升级为决策中枢。 教育硬件出海：从开源硬件到"可量产、可落地、可售后" 上海智位机器人股份有限公司高级工程师、蘑菇云创客空间联合创始人夏青带来的是"教育硬件出海：中国技术创新与全球市场机遇"主题分享。 夏青指出，全球STEAM和AI教育硬件需求正在爆发。随着各国对科技人才培养的重视，教育不再只是做题和刷题，而是要让学生通过真实硬件解决现实问题，在动手实践中理解科学、工程和技术。但传统开源硬件市场存在明显痛点：SKU繁杂、开发板面向工程师而非学生、品控不统一、资料体系复杂、课堂使用门槛高。 他举了一个很小但典型的例子：一根杜邦线如果质量不稳定，就可能导致课堂上连接时断时续，老师和学生花大量时间排查问题，而不是把注意力放在代码、创意和项目实现上。这个细节说明，在教育硬件场景中，供应链能力并不只体现在成本和交付上，也体现在标准化、可靠性和课堂体验上。 夏青将海外教育硬件客户真正需要的能力总结为"可量产、可落地、可售后"。这背后不是一句简单口号，而是品质管控、库存管理、生产组织、售后服务和本地化支持的系统能力。他提到，海外客户可能一次下单就是较大规模，企业必须从"小作坊式来单生产"走向可规模复制的供应链体系。 在技术创新方面，夏青也提到，要把核心技术掌握在自己手里，包括核心芯片、核心算法、关键专利和供应链控制权。其团队曾受到树莓派缺货影响，进而意识到如果核心计算平台受制于外部供应，一旦上游缺货，教育套装和终端产品都会受到影响。因此，通过自研和国产芯片应用来降低供应风险，成为教育硬件出海的重要经验之一。 PCB供应链：AI需求正在把压力传导到材料端 NCAB集团品质与技术经理张建波的分享，则把供应链问题进一步推进到PCB这一电子制造基础环节。 在"从缺料到韧性：2026 PCB供应链现状与企业应对策略"主题中，张建波指出，AI算力爆发正在通过供应链逐级传导到PCB及上游材料。需求端的一点波动，经过供应链各环节放大，会形成类似"牛鞭效应"或"蝴蝶效应"的结果。特别是在材料短缺、交期拉长背景下，真实需求和供应链自身抖动交织在一起，容易造成供需错配。 PCB供应链的压力首先来自上游材料。高性能PCB涉及树脂、玻纤布、铜箔、PPE/PPO等低损耗材料，以及钻头等加工耗材。AI服务器、高速通信和高层板需求增加，使高端玻纤布、低轮廓铜箔、高性能板材和钻孔耗材承压。张建波提到，在AI需求推动下，高端玻纤布需求增速持续超过供给，而上游材料厂商扩产需要时间，预计未来一年半到两年内相关短缺仍将持续。 从时间节奏看，张建波判断，2026年下半年短缺可能达到最紧张阶段，2027年上半年会有所缓解，但部分产能完整释放可能要到2027年下半年甚至2028年。这意味着，PCB供应链紧张不是短期价格波动，而是由AI需求、材料产能、产品结构升级和供应链预期共同形成的周期性压力。 不同类型PCB面临的风险也不同。普通多层板可能缺厚芯板，因为这类板材消耗更多玻纤和树脂，而材料厂商更愿意优先生产高附加值产品；高层板则更依赖薄PP、低损耗材料和头部客户配额；厚铜板虽然看似安全，但也会受到芯板、PP和加工产能影响；高速高频板则会面临超低轮廓铜箔、高性能树脂和加工难度带来的约束。 张建波给出的应对思路包括锁定配额、与材料厂商建立战略协作、评估替代材料、重新匹配叠层阻抗，以及通过全球供应链布局分散风险。他特别强调，替代材料不是"降级"，而是经过验证的同等效能合规选择。对PCB这样高度定制化的产品来说，供需双方必须充分沟通，才能在交期、成本、性能和可靠性之间取得平衡。 XQ-ECO2与西门子金融服务：绿色合规和金融服务能力成为出海基础设施 四方维SaaS售前顾问张宇进一步围绕"从选型到绿色合规，XQ与XQ-ECO2构建绿色供应链管理"展开分享。这个议题与欧时关于ESG和碳足迹的讨论形成闭环。 张宇介绍，XQ-ECO2面向绿色合规方向，重点解决企业出海过程中绿色供应链韧性问题。其逻辑是从元器件选型、风险识别、采购策略，到绿色合规数据管理，帮助企业把碳足迹、供应链披露和产品合规从人工表格管理，逐步转为可视化、可计算、可追溯的系统化能力。 他特别提到欧盟新电池法案、产品护照、碳足迹声明等要求。对于电池、储能、BMS、BMU、PCBA和PCB等产业链环节来说，未来产品不仅要可生产、可销售，还要有可追溯的数据链条。一个二维码背后，可能连接的是产品来源、材料构成、碳排放、流通路径、报废回收等完整信息。 这意味着，绿色合规正在从"企业社会责任"转向"产品市场准入"。未来海外客户不仅看性能、价格和交期，也会看企业是否能提供碳排放数据、绿色材料证明和供应链合规报告。对于中国电子企业来说，越早把这些数据纳入产品和供应链管理，越可能在出海竞争中减少被动。 西门子金融服务商业金融中国战略总监陈晨，则从金融角度补齐了企业出海的另一块短板。她指出，今天的出海已经不是简单买一张机票、把国内产线搬到国外就能解决的问题，而是一个系统化工程。企业要真正走出去、走得好，需要本地化运营、合规管理、人才管理、客户网络和金融支持。陈晨介绍，西门子金融服务在全球超过60个国家和地区拥有本地化运营团队，拥有当地持牌机构身份，熟捻当地政策法规与商业规则，沉淀深厚区域资源。在中国，西门子金融服务扎根超过20年，以融资租赁和商业保理服务助力本土千行百业转型升级。她强调，金融不只是钱，更是合规、效率和风险管理。对于企业出海而言，合适的金融伙伴不仅能解决设备采购、现金流和回款周期问题，也能帮助企业理解当地监管、相关补贴政策，并匹配更适合目的地市场的金融服务方案。 结语：供应链成为全球化竞争的前台能力 从全天峰会来看，电子供应链正在形成几条清晰主线。 第一，韧性成为底层能力。无论是西门子强调的多层级供应链透明度、second source和区域化管理，还是NCAB强调的PCB材料替代、配额锁定和全球供应链布局，本质上都是在解决同一个问题：当不确定性成为常态，企业如何保证供应链不断裂。 第二，国产芯片出海进入"数据通路"阶段。过去中国厂商更关注产品性能、价格和渠道建设，但海外市场真正的门槛往往在工程师选型、设计导入、BOM管理和采购系统中。四方维"芯耀计划"所强调的被看见、被研究、被采购，正是把国产器件推入海外研发和采购流程的尝试。 第三，绿色合规正在成为供应链准入条件。欧时、圆桌讨论和XQ-ECO2分享都指向同一个趋势：ESG、碳足迹、新电池法案、产品护照等要求，正在从终端品牌逐步向上游传导。对电子企业而言，碳数据不是附加项，而可能成为进入全球供应链的必答题。 第四，AI正在改变采购系统的边界。元器件采购过去是经验驱动、人工沟通密集的工作，未来会越来越依赖数据中台、替代料引擎、价格趋势、智能选型和自动化履约。采购部门不会消失，但采购人员的工作方式会发生变化：从找货、比价、催单，转向管理策略、风险、合规和供应商体系。 第五，出海需要生态支撑。教育硬件出海说明，终端企业要做到可量产、可落地、可售后；PCB供应链说明，底层材料和制造能力会影响整机交付；西门子金融服务则提示企业，海外扩张还需要资金、合规和本地运营能力支持。 对于中国电子产业而言，这场"全球电子元器件供需对接峰会"表明：供应链不再是后台能力，而是前台竞争力。过去十年，中国电子产业的关键词是国产替代、成本优势和供应链完整；未来十年，关键词可能会变成数据入口、生态协同、绿色合规、金融支撑和全球信任。谁能把产品、数据、供应链和合规体系打通，谁就更有可能在下一轮全球电子供应链重构中掌握主动权。 END 注：本文题图来自freepik、作者自制、AI 生成（微信公众平台AI配图、豆包）、媒体公开资料、皆已授权。 免责声明：本文采摘自"与非网eefocus"，本文仅代表作者个人观点，不代表萨科微及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。

这两天，美国SIA在官网公布了最新全球半导体器件市场的统计数据。根据最新信息，全球五月份的市场规模为1206亿美金，环比增长9.2%，同比增长104.3% 我第一时间里更新了我的景气度数据表（见下图）。由图可见，最近一段时间里的高速增长势头一直持续，暂时未见任何衰弱迹象 从市场的地域分布来看，各个地区野基本维持了之前的走势，格局上也没有明显变化 五月分的数据明显超过了我之前预测的数字，由此我不得不再次调高了对今年整年走势的预测。根据我最近的估算，2026年全年的全球芯片（半导体器件）市场规模将达到15050亿美金，较25年上涨96%，几乎要翻上一倍了 而中国大陆的芯片市场规模在26年将达到4000亿美金，年同比增加90% 很明显，这轮芯片市场暴涨的源动力主要来自AI行业大发展对上游算力芯片和存储器芯片的超预期需求。所以当下吃到最多红利的无疑是全球几家相关芯片的巨头了 这次，我特意整理全球最大的三家算力芯片和存储芯片的供应商的营收数据，供大家参考 三大算力芯片供应商： 图表源自《半导体芯片行业景气度季报》 英伟达（Nvidia） 2026年Q1，英伟达的总营收为816亿美金，同比大增85.2%。而且从最近三个季度来看，这个增长势头似乎还有加速的迹象。而且毛利率基本维持在75%上下 英特尔（Intel） 英特尔同期的收入是136亿美金，同比仅增加7.2%。但其毛利率接近40%，相交过去几个季度已近有明显改善 超威半导体（AMD） AMD的发展形势正好介于前两者之间 -- 其Q1的营收为103亿美金，同比增加37.8%。另外，他家52.8%的毛利率也恰好接近前两者的平均值 三大存储芯片供应商： 图表源自《半导体存储器行业景气度季报》 三星（Samsung） 三星Q1的存储器业绩实在太好了。其Q1 DRAM和NAND产品总收入高达511亿美金，较上季度增加96%，同比增加289%。而且这个势头在今年很可能继续维持下去 海力士（SK Hynix） 当初凭借HBM的先发优势，海力士的DRAM营收曾在某一季度超越三星，成为全球老大，但是目前其还是被三星大幅反超了 2026年Q1，其DRAM和NAND业务的总营收为357亿美金，同比增加200% 美光（MACRO） 由于美光的财季比其它公司早一个月，所以目前其最新财报已经更新到了Q2（3~5月份）。其Q1的DRAM、NAND总营收为238亿美金，同比增加198%。而Q2的数据为313亿美金，较Q1又上涨了73.6% 美光的数据基本预示了Q2整个存储器市场的趋势。三星和海力士的增速恐怕也会差不太多了 注）本文所有公司营收数据均来自各家公司官网的财报。其中三星的数据拆分参考了Trendforce的官网信息免责声明：本文采摘自"半导体综研"，本文仅代表作者个人观点，不代表萨科微及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。

"询价发出去，就像石沉大海。" 这是在芯片现货贸易圈里，采购和销售们最常发出的感叹。无论你在QQ群里刷屏，还是私聊一个个供应商，得到的回应往往寥寥无几，甚至杳无音信。是供应商太高冷，还是这个行业的沟通方式本身出了问题？ 最近一篇在圈内流传的分析文章《芯片贸易圈"不回信息文化"的背后》，精准地戳中了不少人的痛点。文章指出，这种普遍的"不回信息"现象，根源在于需求信息的广播模式、市场的"零售"性质以及海量的无效询价。 简单说，一个真实需求被多层转手，变成群发的二手、三手信息，供应商面对大量不确定询价，自然只会挑选最有利可图的回复。无数贸易商困在"守株待兔"的模式里，重复着低效的"一锤子买卖"。但问题真的无解吗？ 事实上，行业的先行者们早已开始行动。 一位从业二十年的芯片分销ERP的老炮，决定用一套系统挑战行业潜规则 一种新的工作方式【借助智能工具实现流程重塑】正在悄然改变游戏规则。今天，我们就结合一款专为芯片贸易商打造的智能助手"芯点点"及其核心的AI询价机器人，来看看如何打破僵局，化被动为主动。 01 痛点剖析 为什么"已读不回"成了常态？ 行业观察者们的分析很到位。表层原因是"需求广播"：采购方将同一需求同时扔给多个甚至几十个群，对供应商而言，这更像一场概率游戏，而非商业洽谈。 深层次原因则更为复杂： 首先，是关系的脆弱性。 现货交易多是陌生人之间的临时匹配，价格是唯一纽带。一次交易结束，关系基本归零。双方都没有动力为可能没有下一次的合作投入沟通成本。 其次，是信息的"注水"。 一个终端需求，经过贸易商A、B、C层层转询，传到终端供应商D时，已不知是第几手。D报了价，但前面的B、C可能自己都没拿到订单。大量报价石沉大海，挫伤了供应商回复的积极性。 最终，是模式的困境。 许多贸易商的日常工作沦为"群发料号清单"和"手动刷群"。这种模式能解决温饱，但让人陷入重复劳动和信息洪流，无力构建核心竞争力，形成恶性循环。 02 工具破局 用系统对抗无序，用规则重建信任 如何跳出"询价-无回应-再询价"的无效循环？核心在于将随机的、一次性的沟通，转化为可管理、可积累、可优化的系统性工程。这正是"芯点点"设计的底层逻辑。 第一，变"手动刷屏"为"智能寻源"，解决效率与覆盖问题。 手动在几十个群里复制粘贴同一段话，不仅效率低下，而且容易遗漏。"芯点点"的"全网询价"功能，能一键查询主流平台的库存与价格。而其灵魂助手"AI询价机器人"则更进一步，可全自动完成从需求获取、平台跳转、到模拟人工发送询价消息的全过程。 用户只需在软件中配置好任务（如每个型号询问的供应商数量、向什么标识的供应商询价等），启动机器人，它便会自动在相关网站进行询价，将操作员从重复的体力劳动中彻底解放出来。这意味着，贸易商可以用极低的成本，实现对潜在供应商的大规模、标准化触达，确保重要需求不被遗漏。 第二，变"杂乱记录"为"统一看板"，让信息流转起来。 传统模式下，询价记录分散在各个QQ窗口，报价回复稍纵即逝，难以追溯和比对。"芯点点"通过"需求管理"和"供应商报价"模块，构建了中央信息处理中心。 所有采购需求可以导入并清晰列表，针对每个需求的所有询价记录、供应商反馈（包括已报未提、已提交等状态）都集中展示。混乱的沟通被梳理为结构化的数据，孰优孰劣，一目了然。 第三，变"一锤子买卖"为"供应商关系管理"，积累长期资产。 打破陌生交易困局的关键，是筛选并沉淀优质合作伙伴。"芯点点"的"供应商管理"功能，允许用户为合作方评分、打标签甚至拉入黑名单。 更重要的是，这些积累的数据资产能反向赋能AI机器人。在"设置"中，用户可以配置询价规则，例如"过滤黑名单"、"按星级优先级询价"、"按品牌指定供应商询价"等。 建立好供应商库后，"询价时可以更好地帮助AI去挑选供应商，更符合您的询价要求，效率也更高。" 这意味着，每一次互动（无论是积极的还是消极的）都在优化你的私有"供应商数据库"，让AI机器人的下一次询价更精准、更高效。长期关系，正是从这样一次次的优化筛选开始建立的。 第四，用"规则"与"标准"过滤噪音，提升信息质量。 "无效信息泛滥"是伤害供需双方信任的毒药。"芯点点"允许用户为AI机器人设置严格的过滤规则，如"库存足余"、"精确匹配型号/品牌/封装/批次"等。 这确保了发出的询价本身是高质量、高意向的需求明确、匹配精准。供应商收到的也不再是模糊的广播，而是值得认真对待的潜在订单，这能从根本上提升报价意愿和回复率。 03 路径演进 从"江湖散兵"到"正规军"的蜕变 工具的价值，不仅在于提升当下效率，更在于重塑工作模式，指明进化路径。 当"芯点点"这样的系统接管了重复、低效的"询价"和"信息收集"环节，贸易商便能腾出宝贵的时间和精力，去做那些真正创造差异化价值、构建壁垒的事情： 深耕上游，建立稳定的货源优势。 主动寻找并维护核心代理或原厂渠道，而不再仅仅被动等待市场抛货。 服务终端，打造可靠的质量与信任。 将精力转向理解终端客户的实际应用场景、技术需求和供应链痛点，提供综合解决方案，而不仅仅是报个价。 数据驱动，实现精细化运营。 基于系统中沉淀的需求数据、报价数据、供应商数据，分析市场趋势，预判价格走向，做出更科学的决策。 04 结语 芯片贸易圈的"已读不回"，与其抱怨人性，不如审视流程。它本质上是在低效、非标、信息不对称的旧模式下，个体理性导致的集体困境。 打破困境，需要工具的赋能，更需要思维的升级。通过"芯点点"这类智能系统，贸易商可以将自己从信息的"搬运工"和"传声筒"角色中解放出来，把筛选、评估、决策的能力固化到系统中，从而将个人的精力聚焦于开拓、连接、服务等更具价值的环节。 当你的询价变得精准而专业，当你的供应商网络因持续优化而日益优质，当你的工作从应对混乱转向管理流程时，你便已经踏上了从"贸易散兵"向供应链价值管理者蜕变的道路。 那条路，才是穿越周期、可持续的生存发展之道。 免责声明：本文采摘自"龙维客栈"，本文仅代表作者本人观点，不代表萨科微和行业观点，只为转载和分享，支持保护知识产权，转载注明原出处及作者，如有侵权联系我们删除。

就在不久以前，我在公众号发布了一篇文章《目前我收集到的国产前道设备供应商已经快200家了 ...》。当时这篇文章的表格里，我一共列出了189家国产（含中国香港，不包含中国台湾）前道厂商 -- 总数40

申明：本文所有数据均来自各家厂商的官方财报和DrameXchange、SIA最近SIA官网公布了全球半导体器件（芯片）市场的最新数据。截至10月份，全球器件市场规模为727.1亿美金，环比增加4.66

想做一块全天候、完全无线、几乎“零待机功耗”的天气看板？这个项目把关键路径走通了：ESP32-S3 + 三色电子墨水屏 + 太阳能采能 + 硬件定时上电。目标形态是——贴在窗边，白天靠阳光给电池充电，

现在英伟达GB200的交付已经进入稳定交付期，根据英伟达财报电话会上的说法，现在已经满负荷生成，NVL72每周可生成约1000个机架，随着产能爬坡，三季度还将进一步加速。而且GB300的交付也会慢慢上

最近一两年的时间里，我一直在各种渠道里讲半导体测试设备（ATE）这个行业已经非常卷了，可是还有头铁的投资人不时给我发新项目的BP 最近，我又从一级市场投资人那里得到好几个新的供应商信息 不知不觉中，我的数据库里已经有99家供应商了，其中中国大陆和香港的厂商数量高达58家 ... 我收集了近十年的行业数据已经覆盖了八成以上半导体制造上游的供应链链，还有大量的原创行业景气度数据分析和研报。现在所有数据原始

最近，SEMI公布了2024年全球半导体设备市场数据：1171亿美金，较2023年增加了10.2% 很明显，2024年全球半导体设备最大的市场是中国大陆。不过随着建厂周期的变化迁移，2025年市场会暂时向中国台湾和韩国迁移 我也把把全球主要的10家半导体设备供应商的财务数据整理好了，供大家参考一下 特别说明： 1. 本数据仅仅统计各家公司的半导体领域相关设备的营收（设备本体+相关服务收入），不包含面板、光伏、SMT等领域收入 2. 部分数据包含

继去年6月份，我的公众号《半导体综研》的粉丝数量突破60,000以后，今年3月1号（周六），我公众号粉丝数量又突破了70,000人 上次我为了做一个庆祝，发布了一个全球前道半导体设备供应商的名单总表，所以这次我也考虑发布一个重量级一些的数据 在我的云盘数据库扫了一圈以后，我发现我好久没有发布国内（中国大陆）的封装产线的数据了。我最初收集行业数据的时候，就是从封装产线开始的。那周而复始，今天就把最新数据再发布一遍吧 目前最新版本里，我一共收录了757条产线信息（把已经明确停止运营的产线都删

昨天，我在公众号文章里提到媒体疯传的美国某两家阀门配件供应商对我国断供的事情。当篇文章里我主要提供的是美国的耗材配件供应商整理统计信息。今天就专门发布一下阀门件供应商的数据吧 之前，我对半导体设备配件行业数据的整理还非常粗糙，所有产品叫VALVE的都归到了一类。这显然对于需要了解具体信息的行业人士而言是远远不够的。所以今天我把阀门产品进行了进一步分类，分成真空（Vacuum）和流体（Floid）两大类 真空阀门主要是用于真空腔体的密封；而流体阀门主要是各种气体、液体管道里用于开闭和控制（其还可

全球半导体器件市场的原始数据是来自美国SIA的官网。11月份的数据还需要等一周才能出来，所以我目前还是基于到去年10月份的数据进行分析很明显，这一轮的市场高速增长很快就要触碰到达2σ的高位了。从最近十几年的历史数据来看，器件市场规模一旦到达这个位置就会回调。下游市场的购买力整体还是围绕那根中心线上下波动的，幅度很难超过2σ.这根中心线的年均增长率是大约5.8%，但是这次AI算力爆发产生的需求实在是太强烈了，远超历史上的那几次周期。所以我也不能排除突破2σ位的可能性基于这个考虑，我按照好中坏三种情况来推测2

最近因为众所周知的原因，国内半导体供应链安全的话题又在圈子内外变得异常热络起来 今天在公众号上，我也趁热度做一个美国半导体设备供应链的厂商盘点，让大家理解一下美国作为全球第一大半导体设备供应国的目前的资源和能力 如果这篇文章读者反响好，我后续考虑再做一系列材料、EDA/IP、CIM系统的美国供应链统计，供大家参考 如果大家发现任何问题，也欢迎私信和我联系。谢谢了 注）某些非美的公司被美国公司收购了，所以我特意标注了每家公司的所在地信息，请理解 免责声明：本文采

正文开始前，先说一下我知识星球线上课的安排。目前我的课件编写工作进展正常，第一部分已经基本完成。没有意外的话，19号（周四）就会开始最新的一课： 欢迎有兴趣参加的朋友在文章最后获取加入星球的方式，报名参加 注）之前的课程的录频回放文件也可以在星球云盘上下载参考 正文 这周二（10号晚上），我邀请了我做海外并购法务服务的好朋友韩利杰律师给我的会员做了一个线上讲座《半导体海外并购》 回答问题环节，我们也聊到了目前半导体行业出海并购的机会。根据韩律师的回答，我总结了

1、什么是埃（Angstrom）？ 埃（符号：?）是一种非常小的长度单位，主要用于表示微观领域的尺度，例如原子、分子之间的距离，或者晶圆制造中的薄膜厚度。1 ? 等于 (10^{-10}) 米，也就是0.1纳米（nm）。为了更直观地理解这个概念，我们可以通过以下比喻说明： 一根人的头发直径约为70,000纳米，也就是700,000 ?。 如果将1米想象为地球的直径，那么1 ? 就像是地球表面上一粒小沙子的直径。 在集成电路制造中，埃单位的引入是因为它精确而便捷，尤其适用于描述极薄的

"AT"、"MV"、"HE"、"ATV"实际上是SMIC在其晶圆制造工艺中使用的一些标识符，通常与特定的工艺、技术类型和特色流程相关。SMIC 2025 MPW 班车表如下： 1. AT — Advanced Embedded Flash (Cu-BEOL with AL-TM2 + RDL process) "AT"代表“Advanced Embedded Flash”

在文章开始前，做一个活动通知： 我最近有幸邀请到国内EDA公司-玖熠科技的CEO，钱静洁钱总给大家做一个关于国产EDA，尤其是DFT产品的线上讲座 具体时间：本周二（12月03日），19：30~21：00 活动形式：线上腾讯会议 欢迎有兴趣的朋友，届时扫码加入。活动免费，但只有100个参会名额，先到先得 注：我组织的所有线上会议的录频回放文件都会放在知识星球云盘，有兴趣的朋友欢迎加入我的知识星球获取 正文 上周五，我发布了一篇文章，对比了TSMC和