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。

机器人正在变得越来越像"机器"，还是越来越像"智能体"？过去几年，具身智能的热度几乎一路飙升。大模型让机器人开始"听懂、看懂、理解"，但真正走向现实世界后，一个更棘手的问题摆在产业面前：当AI真正进入物理世界，仅靠一个大模型，真的够吗？答案显然是否定的。 一台能够稳定工作的具身智能机器人，背后是一整套复杂的技术系统——GPU提供算力，CPU/MCU承担控制，电机与驱动决定运动能力，传感器负责感知，通信网络连接边缘算力与机器人本体，电池决定续航，而软件与Agent则决定机器人究竟能不能"自主行动"。也正因此，具身智能正在从"模型竞赛"，快速进入一场系统级工程能力竞赛。 8月21日，12家具身智能产业链企业齐聚南京，试图从产业链不同技术环节，拼出一张具身智能的"全景图"，欢迎现场感受具身智能发展的重要时刻！ GPU，正在从"算力中心"走向机器人"大脑" 机器人要实现实时感知、视觉理解、路径规划和运动决策，对算力提出了完全不同于传统AI应用的要求。Imagination技术经理孙千喆将带来《面向机器人领域的GPU融合计算与加速》，探讨GPU如何与机器人计算架构深度融合，为具身智能提供更加高效的计算能力。 与此同时，象帝先计算将从国产高性能GPU角度，分享《国产高性能GPU助力具身智能多场景应用》。一个值得关注的问题是：未来的机器人算力平台，会不会形成一套不同于传统数据中心AI的全新架构？ 从"大脑"到"关节"：机器人真正难的，是把智能变成动作 AI可以告诉机器人"我要拿起这个杯子"，但如何精准地完成抓取、移动、转向和落杯？这背后，是控制、驱动、电机、功率器件等一整套硬件系统。瑞萨电子机器人方案架构师金磊将分享《人形机器人中的产品与方案布局》；极海半导体则将聚焦机器人关节，带来《"MCU+驱动+功率"全栈式电机芯片矩阵，赋能机器人关节高效精准驱控》。 从MCU到驱动，再到功率器件，机器人正在进入一个越来越明显的趋势："智能"最终必须通过每一个关节、每一台电机落地。 机器人要真正进入现实世界，首先得"看见"和"感知" 人类依靠视觉、听觉、触觉、嗅觉理解世界。机器人同样如此。思特威将分享《高性能图像传感器让具身智能更好地看到和认知世界》，从视觉感知切入具身智能；郑州炜盛电子则进一步把"嗅觉"带入机器人，分享《嗅觉感知重塑具身智能新生态——炜盛气体传感器创新分享》。 当摄像头之外，气体、温度、压力、距离等更多传感器进入机器人，具身智能的"感知边界"正在不断扩大。未来的机器人，可能不是拥有一个更大的模型，而是拥有一套更接近人类感知体系的"数字神经系统"。 算力之外，还有一个容易被忽视的问题：通信 机器人越来越智能，也意味着机器人内部和机器人与边缘计算平台之间需要传输越来越多的数据。 上海鹏瞰科技将带来《全光网络赋能具身智能：面向边缘算力与实时控制的通信底座》，聚焦全光网络如何支撑具身智能时代的边缘算力与实时控制。 这背后对应的是一个越来越现实的问题：当机器人进入实时闭环，传统通信架构还能不能满足未来的算力和控制需求？ 软件正在成为具身智能的"第二战场" 硬件决定机器人能做什么，而软件决定机器人怎么做、如何学习、如何协同。 多核技术将围绕《多核在具身智能软件领域所面临的挑战与工作》展开分享。而论坛最后，华南理工大学副教授赖晓铮将带来一个极具前瞻性的主题：《Agentic Robotics：具身智能的"Agent时刻"》。 如果说过去的机器人更多是"按照程序执行"，那么Agentic Robotics所代表的方向，是让机器人具备更强的自主规划、任务分解、环境理解和行动决策能力。这可能意味着，具身智能正在经历一次关键转变：从"机器人执行AI指令"，走向"机器人自己完成任务"。 还有一个决定机器人能走多远的关键变量：能源 飞毛腿动力将从产业链另一端带来《人形机器人电池的昨天、今天和明天》。因为对于人形机器人而言，算力越强、自由度越高、运动越复杂，就意味着更高的能耗。如果机器人只能工作几十分钟，再聪明的模型也很难真正走进现实。所以，电池、功率、散热、能量管理，最终都会成为具身智能产业化绕不开的核心问题。 一场论坛，拆解具身智能的完整技术栈 从GPU算力到国产高性能计算，从机器人方案到场景应用，从电机控制到功率驱动，从全光网络到多核软件，再到视觉、气体传感器、电池以及Agentic Robotics……这不是简单的一场专题会议，更像是一次对具身智能产业链的"技术拆解"。因为真正决定下一代机器人的，不只是"大模型有多聪明"，而是：算力够不够？感知准不准？控制稳不稳？通信快不快？能源撑不撑得住？软件能不能自主决策？最终能不能真正进入真实场景？ 具身智能的下一场竞争，已经不只是模型之间的竞争。而是一场从芯片、算法、传感器、执行器、能源，到软件和系统架构的全栈竞争。 如果你正在关注人形机器人、具身智能、Physical AI、机器人芯片、GPU、MCU、传感器、机器人电机、边缘算力、智能控制以及Agentic Robotics，这场论坛值得关注。 从一颗芯片，到一台机器人；从感知世界，到理解世界，再到真正行动——具身智能的下一站，正在从"会思考"走向"能行动"。 论坛现场，期待与产业链共同寻找具身智能真正走向规模化落地的答案。 12家具身智能产业链企业介绍如下： 01 Imagination Technologies Imagination Technologies 是一家总部位于英国的公司，致力于研发芯片和软件知识产权（IP），基于Imagination IP的产品已在全球数十亿人的电话、汽车、家庭和工作场所中使用。 02 瑞萨电子(中国) 提供专业可信的创新嵌入式设计和完整的半导体解决方案，旨在通过使用其产品的数十亿联网智能设备改善人们的工作和生活方式。作为全球领先的微控制器供应商、模拟功率器件和SoC产品的企业，瑞萨电子为汽车、工业、基础设施及物联网等各种应用提供综合解决方案。 03 象帝先计算技术(重庆)有限公司 公司成立于2020年9月，是一家高性能通用/专用处理器芯片设计企业，总部重庆，多地设研发中心。公司由国内计算机及高端芯片领域的顶尖科学家领军，集中了一批平均从业经验超过15年的资深专家。公司研发适用于桌面、工作站、边缘计算等领域的高性能、低功耗、具有完全自主知识产权的通用CPU/GPU及相关专用芯片产品。 04 上海德迩象网机器人有限公司 德尔股份旗下专注具身智能的机器人公司，成立于2025年，致力于为工业场景提供具身智能应用解决方案和机器人训练平台。 05 江苏集萃智能制造技术研究所有限公司 总部位于南京，在苏州、常州、合肥等地设立分公司。成立于2016年9月，由江苏产研院、南京江北新区及骆敏舟教授核心团队共建，由骆敏舟教授担任所长。 06 上海鹏瞰科技有限公司 鹏瞰科技致力于创建智能工业网络和计算半导体解决方案，为下一代技术革命提供动力，这些产品面向广泛的应用，包括工业控制（智能工厂、机器人）、汽车和 F5G。 首款SoC芯片PonCAN已经成功流片，与多家头部企业进行深度合作。通过全新网络传输架构，推动局域光网基础设施全栈解决方案的成熟，打破制约边缘计算大规模发展的瓶颈。 07 MulticoreWare 是一家软件开发公司，提供有关多核和多线程 CPU、GPU、DSP、FPGA 和各种 AI 硬件加速器的尖端产品和服务。公司已将产品扩展到 AI 应用程序和工具、机器学习、视频编解码器、传感器数据和融合工程。 是 HEVC 视频压缩和软件性能优化等服务的行业佼佼者。 08 珠海极海半导体有限公司 是一家专注于工业级/车规级微控制器、高性能模拟与混合信号IC及系统级芯片研发与设计的集成电路设计型企业。极海团队具备20年集成电路设计与嵌入式系统开发经验，在全球范围内拥有六大研发中心。 公司主要为工业、汽车电子、能源以及消费电子等行业提供多平台及场景的可靠芯片产品及解决方案，满足客户在高度集成、精准控制、安全识别及效能提升等创新应用中的多元需求。 09 福建飞毛腿动力科技有限公司 飞毛腿集团核心子公司，专注于为全球客户定制设计和制造锂离子电池组，产品容量覆盖从单节电池到多达400节以上的组合。该公司于2016年从飞毛腿（福建）电子有限公司分拆独立，依托SCUD集团近三十年的技术积累，现已发展成为集研发、生产、销售和服务于一体的中国高科技企业。 10 思特威（上海）电子科技股份有限公司 是一家从事 CMOS 图像传感器芯片产品研发、设计和销售的高新技术企业，总部设立于中国上海，在多个城市及国家设有研发中心。 公司始终专注于高端成像技术的创新与研发，凭借自身性能优势得到了众多客户的认可和青睐。作为致力于提供多场景应用、全性能覆盖的CMOS图像传感器产品企业，公司产品已覆盖了安防监控、机器视觉、智能车载电子、智能手机等多场景应用领域的全性能需求。 11 郑州炜盛电子科技有限公司 公司成立于2003年，是一家集传感器研发、生产、销售及应用方案服务为一体的高新技术企业，建筑面积达30000多平方米。 产品涵盖半导体、催化燃烧、电化学、红外吸收四大原理的气体传感器，红外线探测、压力、湿度、流量、水质检测等多门类传感器和应用方案，共七大系列，200多个品类，可用于300余种气体及红外线、压力、湿度、水质等多指标的检测，广泛应用在工业安全、民用消防、环境保护、家用电器、汽车电子、医疗健康、智慧城市等领域，并在新的应用方向不断开拓创新。 12 华南理工大学计算机学院 我国高等学校最早从事计算机科研与教学的单位之一，1960年设专业，2001年建院。计算机科学2026年ESI全球排名前0.34‰，拥有教育部拔尖计划2.0基地等国家级平台。 免责声明：本文采摘自"电子创新网"，仅代表作者观点，如有侵权或异议请联系我们删除。

2026年是RISC-V产业发展的一个关键"分水岭"。它已经不再是仅用于简单控制器的架构，而是在统一标准、性能突破和AI浪潮的驱动下，具备了与x86、ARM在高价值市场同台竞技的实力。 随着性能突破和生态完善，RISC-V的商业化已不再是"未来时"。市场共识认为，RISC-V正在从成本节约型备选方案，转向高价值创新的主力选择。2026年，RISC-V最重要的进展之一是RVA23 Profile与服务器平台规范1.0的落地。这为不同厂商的RISC-V芯片提供了统一的软硬件接口，意味着操作系统和软件可以实现"一次适配，全品牌通用"，扫清了进军数据中心的核心障碍。 数据显示，2025年全球RISC-V SoC出货量已达约69亿颗，预计到2031年将增长至约360亿颗，复合年增长率达31.7%。中国市场表现尤为突出，2026年产业产值约1700亿元，同比增长超35%，已成为全球最大的RISC-V应用市场。 当全球半导体产业进入架构重构的新周期，一场围绕开放指令集、国产芯片创新与AI时代计算变革的产业盛会，即将在上海临港滴水湖畔拉开帷幕。 8月13日，滴水湖论坛将正式开幕。作为中国RISC-V产业的重要交流平台，本届论坛将再次聚焦国产处理器架构创新与产业生态建设，集中发布10款代表中国先进IC设计水平、并与真实应用需求深度结合的优秀国产RISC-V芯片新品。从AI服务器、边缘智能、机器人、汽车电子，到视觉计算、服务器管理、实时控制、无线连接，覆盖多个关键领域的新一代RISC-V芯片方案，将在这一舞台集中亮相，展现中国芯片设计企业在开放架构时代的新突破。 从"架构选择"到"产业落地"：RISC-V进入规模化应用关键阶段 过去几年，RISC-V正在从技术创新阶段快速走向产业应用阶段。作为一种开放、灵活、可扩展的指令集架构，RISC-V凭借开放生态、模块化设计以及高度可定制能力，正在成为全球处理器产业的重要力量。 尤其是在AI时代，计算需求正在发生变化；云端大模型训练需要超大规模算力，而越来越多的智能应用正在走向边缘： 机器人需要实时控制； 汽车需要智能感知； 工业设备需要低延迟计算； 智能终端需要更高能效比。 这些场景并不完全依赖通用CPU，而更加需要针对应用优化的异构计算架构。RISC-V的开放特性，为芯片企业提供了重新定义处理器架构、打造领域专用芯片（Domain Specific Architecture）的机会。 从MCU到SoC，从边缘AI到服务器计算，中国企业正在加速探索属于自己的RISC-V产业路径。 10款国产RISC-V芯片集中亮相，覆盖AI、机器人、汽车等核心赛道 本届滴水湖论坛将聚焦"技术创新+产业应用"，10款国产RISC-V芯片新品将全面展示中国IC设计企业的创新实力。其中，多款芯片直指当前最热门的AI与智能终端市场。 LX500：RISC-V+AI融合服务器芯片，探索国产智算新路径 蓝芯算力（深圳）科技有限公司将带来LX500——一款面向智算场景的RISC-V+AI融合服务器芯片。随着AI计算需求快速增长，服务器芯片正在从单纯CPU竞争转向CPU、AI加速、存储、互联协同的新阶段。 RISC-V架构能否进入服务器计算领域？国产架构如何支撑AI时代基础设施？LX500将成为产业关注的重要看点。 K3：符合RVA23标准的八核60T AI算力芯片 进迭时空将展示K3芯片。作为符合RVA23标准的八核AI算力芯片，K3瞄准高性能计算与智能应用需求，体现RISC-V向高性能、多核、AI加速方向演进的重要趋势。 EA6530：高性能四合一边缘AI SoC 来自上海特普斯微电子有限公司的EA6530，将聚焦边缘智能场景。随着AI能力不断下沉，边缘设备正在成为AI计算的重要入口。如何在有限功耗和成本约束下实现高性能AI推理，是未来SoC竞争的重要方向。 EAI8800：车规级汽车电子后视镜专用芯片 汽车智能化正在推动芯片需求快速升级。北京奕斯伟计算技术股份有限公司车载事业部将发布EAI8800，一款面向汽车电子后视镜应用的车规级芯片。从智能座舱到智能驾驶，汽车电子正在成为国产芯片的重要突破领域。 HPM53M1：机器人关节CAN通信与运动控制专用RISC-V MCU 具身智能浪潮下，机器人正在成为芯片产业的新战场。北京先楫机器人半导体科技有限公司带来的HPM53M1，面向机器人关节控制与运动控制场景。未来机器人不仅需要"大脑"进行AI决策，也需要大量"小脑"完成实时控制，而专用MCU正成为机器人产业链的重要基础。 下午场还将发布： 珠海全志科技股份有限公司 V861：面向智能视觉应用的高性能专用芯片 上海赛昉半导体科技有限公司 JH-B100：智算中心服务器管理芯片 深圳格见半导体有限公司 GS32MT8800：高端实时控制双核DSP 时擎智能科技（上海）有限公司 PT153S：全国产化USB千兆网卡芯片 物奇微电子股份有限公司 WQ9002：超低功耗双频RISC-V Wi-Fi 6 SoC 本次论坛覆盖服务器、AI视觉、机器人、汽车电子、工业控制、网络连接等多个关键领域，这意味着，RISC-V正在从单一处理器生态竞争，走向覆盖多场景、多产品、多产业链的完整生态竞争。 会议议程如下： 大咖云集：RISC-V如何抓住边缘AI时代新机会？ 每届的滴水湖论坛都会邀请来自政府部门、RISC-V产业链上下游企业、投资机构、行业协会等单位的核心代表约150人现场参与，并通过媒体生态进行广泛传播。 除了新品发布，本届滴水湖论坛还将设置高端圆桌讨论环节。本次的圆桌主题是"RISC-V在边缘AI的发展机遇"，圆桌由上海开放处理器产业创新中心理事长戴伟民担任主持。参与嘉宾包括傅炜、胡振波、刘洋、王志伟等，这些来自产业、技术企业、投资机构的嘉宾将共同探讨"RISC-V如何突破生态瓶颈？边缘AI时代，RISC-V有哪些新机会？国产处理器如何从"技术可行"走向"商业成功"？开放架构如何推动中国芯片产业创新？"等热门话题，敬请关注！免责声明：本文采摘自"电子创新网"，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3日，在上海浦东嘉里酒店举行的"具身机器人专题技术研讨会"上，芯原股份董事长戴伟民及多位高管详细介绍了芯原在具身机器人领域的布局。在他看来，2026年正是具身机器人能否从"演示"跨越到"稳定交付任务"的关键转折点，而芯原股份已经站在这条赛道的核心位置。 一、AI ASIC需求爆发，芯原订单额暴涨 近年来，AI算力需求持续爆发，以英伟达为代表的通用AI GPU厂商也迎来了爆发式增长。随着AI智能体时代的开启，AI算力需求由训练转向推理的背景之下，AI AISC需求也开始爆发。 在此背景之下，芯原股份2025年业绩高速增长，其根源就在于抓住了AI算力爆发的结构性机遇。 当前云服务提供商（CSP）、互联网巨头和造车新势力都在自研AI芯片，他们需要的正是芯原这样的"造芯服务商"。虽然像谷歌TPU、亚马逊Trainium等都云服务大厂的AI ASIC（专用芯片）主要是找的博通来合作，但是还有很多其他的AI ASIC客户，特别是在国内市场，这类客户更多（比如很多的国产云端AI芯片以及造车新势力自研的智驾AI芯片等）。 对于作为国产半导体IP和芯片定制服务大厂，芯原股份董事长、首席执行官兼总裁戴伟民在开场致辞当中指出，芯原作为中国的AI ASIC龙头企业，正受益于ASIC定制浪潮，国内外的CPS和互联网大厂以及国内的AI ASIC厂商，很大一部分都是芯原的客户。 得益于抓住AI ASIC市场的需求爆发，芯原股份今年一季度财报也显示，公司实现营业收入8.36亿元，同比大涨114.47%。2026年1月1日至4月29日公司新签订单金额高达82.40亿元，绝大部分为一站式芯片定制业务订单。其中AI算力相关订单占比达到91.37%，数据处理领域占比90.15%（主要来自于云侧AI ASIC及IP）。 二、芯原没有对标的公司 谈及外界对于芯原的定位，戴伟民坦言，有人称芯原是"中国的博通"，也有人说是"中国的Arm"，但在他看来，这些都不准确。 "这说明什么？芯原没有对标公司。"戴伟民指出，这种独特性源于其SiPaaS（芯片设计平台即服务） 的商业模式。与传统的芯片设计公司（如英伟达）不同，芯原的核心业务是半导体IP授权和一站式芯片定制服务——将自研的IP授权给客户使用，或帮助客户完成从设计到量产的芯片全流程。 "我们的IP是给别人用的，也不生产自有品牌芯片，不贴牌，所以客户不需要担心。我们就是提供服务。"戴伟民强调，芯原与客户之间是"水涨船高"的共生关系。 戴伟民指出，近两年来芯原股份在A股市场的股价表现出色——"两年不到涨了超过12倍"。他半开玩笑地说道，"不是叫你去买股票哦"，而是想说明一件事，"芯原走的这条路，市场是认可的"。 三、人形机器人市场潜力巨大，中国厂商已占据半壁江山 虽然芯原吃到了云端AI ASIC市场需求爆发的红利，但是戴伟民判断，大模型和云端AI基建只是第一步，真正的价值在于AI在端侧的落地。而端侧AI的落地，需要的是针对特定场景和模型优化的定制化芯片。所以，端侧AI ASIC将是下一个风口，具身机器人正是其中的一个高价值的应用赛道。 戴伟民指出，家庭场景是具身机器人的终极落地场景 (环境为人类设计+任务多样) ，但安全/成本/可靠性门槛最高，预计2028年后开始规模化，2030年才会进入大众市场。 对照汽车自动驾驶的分级体系，戴伟民判断具身机器人整体尚处L2阶段，远未达到L3。2026年将成为具身机器人能否跨越L2进入L3门槛（从"演示"到"稳定交付任务"）的关键节点。 Yole Group汽车及机器人首席分析师杨宇指出，2025年人形机器人市场规模约6亿美元，2030年将突破60亿美元，年复合增长率约为56%，2035年将进一步达到510亿美元，年复合增长率约为55%。 从出货量预测数据来看，Yole Group在2025年发布的一份报告中预计，2025年全球人形机器人出货量约8000台，2030年将增至约13.6万台，2035年达到210万台。 杨宇还展示了当前双足人形机器人市场格局：从全球60余家活跃人形机器人企业的分布来看，中国占据半壁江山，美国约12家，欧洲相对较少且以初创公司为主。 2025年人形机器人市场份额数据显示，宇树科技（Unitree）以37%的市场份额领跑全球，前五名中有三家是中国企业。 特斯拉与SpaceX首席执行官埃隆·马斯克此前也曾表示："我认为中国将是迄今为止人形机器人市场上最大的竞争对手。""任何人都不应低估中国。中国是下一个级别的玩家。""如果美国没有突破性创新，中国将在人工智能、电动汽车制造和人形机器人领域完全占据主导地位。" 戴伟民也特别看好具身机器人市场，因为具身机器人不仅需要更高算力的端侧AI芯片来作为"大脑"，也需要更多的低功耗的端侧AI芯片来作为"小脑"，负责实时控制、运动协调、身体平衡和本能反应。显然，对于芯原股份这样的芯片设计服务和IP提供商来说，具身机器人是一个极具价值的市场。 戴伟民指出，当前具身机器人的"小脑"（运动控制）已经不错，但"大脑"（认知与决策）还远未成熟。 芯原股份首席战略官、执行副总裁、IP事业部总经理戴伟进也表示，人形机器人是行业长期终极目标，但产业落地遵循循序渐进路线。产业不必盲目追求全功能人形产品，优先复用成熟视觉、AI、视频处理技术，基于现有芯片体系打造轻量化、可量产的机器人方案，才是更务实的发展路径。 但是，如果从机器人SoC芯片市场份额来看，英伟达市场份额高达67%，而中国厂商的市场份额仅5%。 虽然当前机器人SoC芯片市场主要被国外厂商所占据，但是随着中国厂商在具身机器人市场出货量增长和市场份额的稳固，必然将会带动国产机器人SoC芯片需求的增长。 四、从IP到SoC，芯原提供一站式机器人芯片解决方案 具身机器人的本质是在物理世界中实现"感知-认知-决策-执行"的闭环智能。其算力体系并非依靠单一的端侧AI芯片，而是囊括了 CPU、GPU、NPU、ISP、VPU、DSP 等诸多计算单元的异构协同的混合计算平台。同时，计算不能全部堆在设备端，还需要端云分层协同。 芯原股份作为一家成立于2001年的国产半导体IP和芯片定制服务大厂，拥有具身机器人所需的全链路半导体IP产品矩阵，形成从感知、AI推理、视频编解码到人机交互显示的完整技术闭环，可助力具身机器人感知、决策、反馈全流的程打通，支撑量产落地。 1. 感知层：视觉与语音的"感官基石" 在机器人的感知层面，视觉系统是最为关键的一环，对此芯原也拥有 面向机器人视觉的子系统方案，该方案正是基于芯原多年来的ISP技术积累和智能驾驶领域的技术沉淀。 在机器人通过视觉感知所获取的视频流数据的处理方面，芯原也拥有强大的Hantro系列视频处理（VPU）IP，在主流视频格式支持、多核可扩展性、帧压缩、编码质量和码率控制等方面的能力突出。目前已经形成从低功耗到高性能的完整产品矩阵，覆盖视频编解码、转码加速等多种场景，适合机器人视觉视频流数据的低功耗、高压缩处理需求。 值得一提的是，芯原Hantro系列VPU IP已经被全球前20大云厂商当中的7家所采用，并且国内头部互联网企业与多家新能源车企也有采用。 此外，原始摄像头数据（RAW图/视频流）也不能直接喂给AI模型，必须先进行格式转换、去噪、色彩校正、特征提取等操作。这些本质上是涉及大量矩阵计算任务，DSP（数字信号处理器）在处理这类任务时能效远高于CPU或NPU。 除了视觉系统之外，语音/音频也是机器人感知和交互的关键部分，但是要让机器人"听得清、听得懂"就需要克服嘈杂环境、远场干扰与混音等物理障碍。而DSP在波束成型、语音降噪等算法处理上的表现，优于其他计算架构。 面对具身机器人的这类感知计算需求，芯原推出了第五代DSP产品矩阵。其中，ZSPNano系列专注于低功耗语音处理，而高性能的ZSP5000系列则针对计算机视觉、无线通信及SLAM算法进行优化。值得关注的是，其Zturbo扩展接口允许客户根据自身需求自定义指令或硬件加速模块，这种"紧耦合"或"松耦合"的定制化能力，使得DSP能够真正成为芯片IP的有机组成部分。在多核架构设计中，通过硬化的多核通信模块，DSP核之间以及与CPU之间可以实现高效的数据交互，从而在低功耗场景下依然能保持极高的鲁棒性。 2. 大脑的"AI算力核心"：NPU与GPGPU 在面向机器人大脑的AI计算方面，芯原的NPU IP和GPGPU IP拥有多年发展历史和丰富的产品矩阵。而芯原的NPU和GPGPU的核心区别在于算力配比：NPU的Tensor（张量）处理能力较大，而GPGPU的Vector（向量）处理能力与Tensor持平，可以实现Vector和Tensor协同工作的处理能力。 其中，芯原的NPU IP在市场上处于领先地位，已有接近2亿颗量产芯片出货（主要在智能手机、AIPC领域）。包括VIP Nano系列、VIP9000-FS系列、VIP9X00系列等，覆盖了从1TOPS以下到200TOPS，可满足不同的性能层级需求，适配不同形态机器人的差异化算力需求。目前，在工业机器人及服务机器人领域，芯原的NPU IP也获得了客户的采用。 在GPGPU IP方面，芯原拥有面向边缘服务器的CC9X00CC以及面向云端大模型的CC9X00TC。同时，芯原还推出了新一代CC10000系列的GPGPU IP，在300-500TOPS算力范围内，PPA（性能、功耗、面积）相比上一代提升了约40%-50%，适合于有大算力需求机器人、边缘服务器和云端产品。据芯原股份GPU/NPU产品高级副总裁张慧明透露，目前芯原正在与跟多个合作伙伴推进该IP的产品化落地。 3. 软件平台与系统方案：降低开发门槛，加速产品落地 在软件平台方面，芯原搭建了一套一站式的、统一的AI计算编译器。该AI编译器上层可以对接各种AI框架，下层则可以适配不同算力的IP，中间层则负责完成模型优化及与硬件无关的软件抽象，从而实现软件与硬件的解耦。因此，当客户AI芯片需要升级换代的时候，只需升级到芯原新的IP解决方案之后，可以继续沿用之前的软件栈和软件生态，极大的减少了客户在软件方面重复开发和相关研发投入，也缩短了芯片迭代到上市的周期。 芯原除了有NPU IP和GPGPU IP解决方案也有SoC解决方案，芯原的IP团队和SoC团队也做了一系列的芯片架构参考设计，既可以支持客户自己的SoC研发，也可以用芯原的设计服务来帮助客户提供整体的解决方案。 同时，为了满足更高算力的需求，芯原还推出了CC10000系列的Die to Die的互联（基于芯原自研的UCIe芯片互联接口技术）及Chip To chip互联方案，相关互联技术已在4nm、8nm工艺客户项目中成功流片商用。通过多芯片互联架构，可以帮助客户突破单芯片算力瓶颈，进一步释放端侧AI与具身机器人的极致算力潜力。 4. 显示与全链路优化 对于带屏显示的机器人（比如商用引导机器人、具有表情交互和画面展示功能的家用陪伴机器人）来说，还会涉及到显示处理器。芯原则通过收购逐点半导体（Pixelworks China） 的控制权，将自身的图像前处理技术与对方的图像后处理IP相结合，可以为客户提供了一整套完整的显示处理器IP解决方案。 值得一提的是，当前具身机器人"感知-认知-决策-执行"链路还面临着高带宽、高功耗、高时延的难题，一旦遇到高速移动、动态避障场景，极易出现感知滞后、决策迟缓、动作失控的后果。 对此，芯原推出了 FLEXA 全链路无 DDR 解决方案，实现分段式片上 SRAM 数据流处理、硬件并行执行，ISP、NPU、GPU、VPU、显示处理器之间可直接互通数据，全程无需外部 DDR 参与数据中转。 基于芯原FLEXA技术和六大类处理器IP打造的一体化IP子系统，可实现低时延 AI 计算、超低功耗运行和一体化流式处理。 小结： 除了这六大类处理器IP与FLEXA技术之外，芯原还拥有超过1700项数模混合IP、射频IP和接口IP，全面覆盖250nm至4nm全主流晶圆工艺节点，且所有IP均已实现大规模量产，广泛应用于AI芯片、MCU控制芯片等各类终端核心器件。在这些IP与技术和大量的芯片定制量产经验加持之下，芯原可以为机器人客户提供一站式的芯片定制服务。 芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟强调，芯原凭借全球领先的知识产权库，已成长为全球第二大数字IP供应商，并在全栈芯片定制业务领域位居全球第四。这些技术基石不仅支撑了传统的消费电子领域，更为当前具身机器人所需的复杂异构计算提供了核心驱动力。 编辑：芯智讯-浪客剑免责声明：本文采摘自"芯智讯"，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。

近日，人形机器人领域一个重大进展是优必选旗下消费级品牌优世界（UWORLD）在6月30日年度全球发布会上正式推出的U1系列全尺寸超仿生人形机器人全渠道订单量突破1.1万台！ 这在人形机器人领域属于里程碑式突破！数据显示，2025年中国企业人形机器人出货量约1.3万台，而摩根士丹利预测2026年中国人形机器人销量将达2.8万台！仅优必选一家出货就直逼2025年全年出货！ 有如此骄人的业绩，优必选是如何看待具身智能机器人的未来发展呢？在7月3日召开的芯原具身机器人专题技术研讨会上，优必选科技高级副总裁、战略投资总顾问侯宗放给出了他的判断：”具身智能的本质，不是单体机器人能力的突破，而是“系统级工业智能体”的构建。“ 换句话说——行业的问题，从来不是“机器人像不像人”，而是：能不能稳定、可控、低成本地进入生产体系。 一、具身智能的技术断层：大模型≠行动能力 侯宗放在演讲中指出优必选首先明确了一件事： 传统AI（尤其大语言模型），并不能直接转化为物理世界的行动能力。他举例说：一个简单任务——“帮我拿一瓶可乐”，背后至少包含四层技术链路： 任务理解（语言 → 意图） 任务拆解（意图 → 子任务） 空间导航（A点 → B点） 物体识别 + 操作执行 当前大模型的能力，主要停留在前两步。而真正决定机器人价值的，是后两步： 感知 + 运动控制 + 执行闭环。这意味着一个关键结论：具身智能不是“大模型延伸”，而是“AI体系重构”。 二、核心架构：总控大脑 + 分布式“小脑”的物理AI体系 他提出了一个非常关键的架构范式： Central Brain + Distributed Sub-Brains（总控大脑 + 模块小脑） 这本质上是一种“分布式智能体系统”： 1. 总控大脑（Global Brain） 负责任务理解、决策、路径规划 对应大模型 / 世界模型 更偏向云侧或高算力节点 2. 模块小脑（Local Intelligence Units） 嵌入在： 关节 执行器 传感器 材料单元 具备局部感知 + 局部控制能力 3. 结果：系统级智能，而非单点智能 这带来一个重要变化：智能不再集中在“一个大脑”，而是分布在“整个身体”。甚至进一步延伸：未来的“材料本身”，也可能具备感知与计算能力。这就是优必选所说的“物理AI进阶形态”。 三、为什么坚持做人形？但又不迷信人形 具身机器人一定要人形吗？他表示优必选对“人形”的态度非常有代表性：战略上重视，战术上克制。 1. 人形的三大价值 兼容性 ：适配人类构建的世界（工具、空间、设备） 自由度 ：双足结构带来更高操作灵活性 平台化能力 ：可向四足、轮式等形态演化 他们提出一个关键概念：人形是“第一个1”，不是最终答案。 2. 当前现实：轮式仍然主导工业 他表示在实际出货中：轮式机器人还是主力，而人形机器人还在探索中，原因很现实： 指标 人形 轮式 成本 高 低 稳定性 中 高 通过性 强 更高（工业场景） 工程成熟度 低 高 结论：工业优先级 ≠ 人形优先级 四、工业落地逻辑：从“单机替代”到“系统重构” 他指出优必选明确反对一个常见但错误的商业模型： “一台机器人 = 替代一个工人” 他们提出新的计算方式：多机器人 + 人类协同 = 工业智能综合体工业智能综合体（Industrial Intelligence System）构成：人形机器人、机械臂、移动机器人（AGV/AMR）、人类工人 目标： 整体效率优化，而不是单点替代 五、典型可落地任务：六大工业场景 他指出优必选将当前可行任务收敛为六类： 搬运（搬箱） 质量检测 物料操作 螺栓拧紧 零件装配 SPS分拣 当前能力边界：效率 ≈ 人类40%，但在质检环节已超越人类，关键约束：一致性 + 节拍控制 六、能力瓶颈：不是算力，而是“技能结构” 他表示优必选提出一个非常工程化的指标：机器人是否具备5–10个“技能包”，决定是否能进入规模化。技能包（Skill Package）体系构成： 原子动作（抓取、移动） 组合任务（搬运、装配） 场景适配（工厂/物流） 方法： 先训练“原子技能”，再组合成复杂任务 这本质上类似：软件中的“函数库” → 工业中的“动作库” 七、三层智能架构：从控制到认知的分层设计 他给出了一个清晰的具身智能技术分层： 第一层：本体控制层（实时层） 小模型 + 控制算法 高实时性、强稳定性 封闭系统为主 第二层：任务执行层（VLA层） Vision-Language-Action 多模态理解 + 任务分发 小模型即可完成 第三层：世界模型层（认知层） 空间理解 + 时间推演 未来预测能力 依赖大模型 + 高算力 所以：不是一个模型解决一切，而是分层协同。 八、算力与数据的真实问题：不是不够，而是“用不起” 他在演讲中指出一个被低估的瓶颈：数据与算力结构不匹配，现实问题：单个数据包：5GB–10GB，但500T算力仍难支撑复杂VLA训练 关键痛点： 数据过重（效率低） 缺乏标准化 训练成本极高 由此引出一个产业机会：“数据压缩 + 数据结构优化”将成为关键赛道，这也是芯原戴伟进提出的关键技术，就是要高效的压缩。 九、关键技术趋势：从芯片到材料的全面智能化 优必选给出三个重要趋势： 1. 算法写入硬件（Algo-in-Sensor） 感知前移 降低延迟 降低系统复杂度 2. 材料智能化（Smart Material） 材料具备感知与响应能力 适应环境变化（温度、压力等） 3. 能源系统重构 自动换电 24小时运行 专用能源管理芯片 因此我们可以得出如下结论：机器人，不只是“AI + 机械”，而是“AI + 硬件系统 + 材料科学”。 十、时间表：工业→商业→家庭的三级跃迁 他表示优必选给出具身智能的明确发展节奏： 阶段 时间 场景 第一阶段 2–3年 工业制造 第二阶段 3–5年 商用服务 第三阶段 5–8年 家庭/陪伴 核心逻辑就是从结构化 → 半结构化 → 非结构化 最终结论：具身智能的胜负，不在“像人”，而在“能用” 综合侯宗放的分享可以得到一个非常清晰的技术路线：不是单体智能，而是系统智能；不是模型驱动，而是架构驱动；不是替代人，而是重构生产；不是追求人形，而是追求适配；不是算力问题，而是数据与结构问题 也可以说：任何脱离应用场景的具身智能，都是伪命题。所以具身机器人行业真正的分水岭，不是发布会，也不是Demo，而是—— 什么时候，它能稳定地出现在产线上，并持续创造价值。免责声明：本文采摘自“电子创新网”，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。

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。

7月8日，中国碳化硅功率器件厂商——深圳基本半导体股份有限公司（简称"基本半导体"）正式在港交所主板上市‌，股票代码 09971。 基本半导体发行上市定价位为股31.62港元，早盘高开7.9%报34.12港元，随后股价拉升一度大涨超18%，截至发稿时，涨幅回落至12.14%，总市值107.90亿港元。 基本半导体全球发售的发售股份数目为27,386,200股H股，不涉及超额配售权股份。按最终发售价计算，公司所得款项总额约8.7亿港元，扣除估计应付上市开支后，所得款项净额约7.7亿港元。 基本半导体此次赴港IPO，拟募资主要投向：未来四年内扩大晶圆及模块产能、购买及升级生产设备；未来五年新碳化硅产品研发及技术创新；未来五年拓展全球分销网络；补充营运资金及其他一般公司用途。 全链条IDM布局成型，碳化硅功率模块市场本土第三 基本半导体成立于2016年，是国内少数具备碳化硅功率器件全链条自主能力的垂直一体化IDM企业，业务覆盖芯片设计、晶圆制造、模块封装及栅极驱动全流程。公司主要提供车规级和工业级碳化硅功率模块、碳化硅分立器件及功率半导体栅极驱动产品，应用于新能源汽车、光伏储能、工业控制等领域。 其中，基本半导体提供的高频率及高功率密度的一体化碳化硅模块产品包括两种类型，分别使用转模和灌胶工艺生产。这些模块的功率容量范围从200kW到高达500kW不等； 基本半导体提供的碳化硅分立器件主要包括：碳化硅金属氧化物半导体场效应晶体管（MOSFET）和碳化硅肖特基二极管，涵盖额定电压为650V、750V和1200V的旗舰产品； 基本半导体提供的功率半导体栅极驱动包括：栅极驱动集成电路（IC）及栅极驱动板两大类，涵盖各类电力电子应用场景以及满足高端应用需求。目前已推出成套栅极驱动产品可提供高达3MW的最大功率、单通道4W的最大功率以及60A的峰值电流。 在产能布局方面，基本半导体拥有深圳光明晶圆制造基地（2024年4月投产）、无锡模块封装基地（2022年7月投产）及坪山测试基地。2025年，光明基地产能利用率从2024年的45.2%提升至68.9%，产能8625片，实际产量5943片；无锡基地受客户需求波动影响，2025年产能利用率降至40.0%，产能12万件，实际产量48022件；坪山测试基地产能利用率从2024年的79.5%提升到了91.5%，产能72万件，实际产量685875件。 据弗若斯特沙利文数据，在2024年中国碳化硅功率半导体器件市场中，按2024年收入计，前五大参与者合共占据70.4%的市场份额。基本半导体以2.8%的市场份额排名第八。 按2024年收入计，中国碳化硅模块市场长期由国际巨头主导，其中前三家海外厂商合计占据中国功率模块市场过半份额。基本半导体在中国碳化硅功率模块市场排名第六，市场份额2.9%，在中国公司中排名第三； 按2024年收入计，基本半导体在碳化硅分立器件市场及功率半导体栅极驱动市场均排名第九，市场份额分别为2.7%及1.7%。 三年累亏超9亿元，功率半导体栅极驱动毛利率已转正 根据招股书显示，2023年至2025年，基本半导体营收分别为2.21亿元、2.99亿元、3.11亿元，2022年至2024年的年复合增长率达59.9%。虽然营收增长迅速，但基本半导体自成立以来始终未能实现盈利，净亏损分别为3.42亿元、2.37亿元和3.35亿元，三年累计亏损超9亿元。 招股书还显示，2025年基本半导体汽车电子客户达39家，其中新客户25家，平均客户价值780.2万元；可再生能源及工业应用客户高达426家，其中新客户198家，平均客户价值195.9万元。 从主营业务来看，2023年、2024年及2025年，基本半导体来自碳化硅功率模块的收入分别为人民币7700万元、人民币1.46亿元及人民币1.22亿元，分别占总收入的34.9%、48.7%及39.3%；来自碳化硅分立器件的收入分别为人民币52.6百万元、人民币52.0百万元及人民币58.4百万元，分别占我们总收入的23.9%、17.4%及18.8%；来自功率半导体栅极驱动的收入分别为人民币6680万元、8010万元及人民币1.03亿元，分别占总收入的30.3%、26.8%及33.0%。 从毛利率来看，报告期内基本半导体的毛利率仍为负值。其中，2023年毛损率高达59.6%，2024年大幅优化至9.7%，但2025年又小幅反弹至10.9%。基本半导体解释称，毛利率为负源于市场化定价策略、高昂的碳化硅原材料成本及新投产线的大额初期折旧。 具体产品毛利率方面，功率半导体栅极驱动是唯一实现正毛利率的产品线，2025年毛利率为33.9%。碳化硅功率模块和碳化硅分立器件的毛利率则分别为-23.9%和-65.4%。 从经营现金流来看，2023年、2024年及2025年，基本半导体经营活动所用现金净额分别为1.20亿元、0.24亿元及1.12亿元。 截至2025年12月31日，基本半导体流动负债净额为2.79亿元，资产净值已从2023年末的3.39亿元骤降至0.14亿元。 前五大客户与供应商集中度持续降低 2023年、2024年及2025年，基本半导体的前五大客户收入占比分别为46.4%、63.1%及40.4%，集中度呈下降趋势。其中，最大客户收入占比分别为29.7%、45.5%及20.6%。公司主要客户包括汽车制造商及其一级供应商，以及新能源领域的高科技公司。 基本半导体指出，2024年及2025年度，客户F是其前五大客户之一，且于2025年是其供应商之一。客户F成立于2022年，主要从事电动驱动系统、汽车零部件及传动部件的研发、生产与销售。客户F作为我们的客户，主要向我们采购碳化硅功率模块。客户F作为我们的供应商，主要为我们提供产品测试服务，于2025年的交易金额为人民币500万元。 基本半导体的主要供应商为碳化硅晶圆、碳化硅外延片以及生产设备及机器的供应商。2023年、2024年及2025年，基本半导体向前五大供应商支付的采购额在总采购额当中的占比分别为52.4%、43.9%及38.2%，呈逐年下降趋势，供应链集中度有所改善。 基本半导体指出，自2024年起就开始为委外加工服务采购原材料，以更好地控制材料质量和供应，并提高成本效益。报告期内，基本半导体向最大供应商A支付的采购额分别占该等期间总采购额的20.2%、26.5%及21.0%。 研发投入持续加码 在研发投入方面，基本半导体2023年至2025年研发开支分别为7580万元、9110万元及1.10亿元，占营收比重分别为34.4%、30.5%及35.3%。 从研发团队来看，截至2025年12月31日，基本半导体的研发人员为155人，占员工总数的29.5%，其中79.4%拥有学士及以上学历。 在专利方面，截至2025年12月31日，基本半导体持有170项注册专利，包括72项发明专利、81项实用新型专利及17项外观设计专利，并已提交132项专利申请。截至同日，基本半导体还拥有48项集成电路的版图设计、3项软件著作权、4个域名及39个已注册商标。 值得一提的是，自基本半导体成立以来，基本半导体一直在公司业务中以免特许使用费的方式使用青铜剑科技在中国注册的五项商标，并拟继续于相关业务中使用该等商标。2025年2月10日，基本半导体的附属公司青铜剑技术与青铜剑科技订立了一项商标许可协议（「商标许可协议」），据此，青铜剑科技同意授予青铜剑技术一项不可转让的许可，许可其以免特许使用费的方式独家使用五项在中国注册的商标（「许可商标」），期限为三年，自2025年1月1日起至2027年12月31日止。 另外，招股书披露，2025年11月一名客户就栅极驱动器产品向基本半导体附属公司——深圳青铜剑技术有限公司（青铜剑技术）提起合约申索，法庭曾批准冻结被告价值1430万元资产的强制令，目前虽已解冻，但诉讼仍在进行中。 存货与应收款风险攀升 招股书显示，基本半导体在2023年、2024年和2025年间贸易应收款及票据从2023年的1.22亿元增至2025年的1.75亿元，周转天数从149.8天延长至198.6天。基本半导体授予客户的信用期一般为30至90天，较长的回款周期加大了营运资金压力。 在存货减值方面，2023年基本半导体存货减值拨备计提了898万元，2024年因产品表现良好转回1808万元，2025年再次计提966万元，反映库存管理仍存在一定压力。 汪之涵控制45.98%投票权 从股权结构来看，截至最后实际可行日期，基本半导体创始人汪之涵博士通过青铜剑科技、基本原理、基本创享等多个持股平台，直接及间接方式合计控制了公司约45.98%的投票权。 其中，基本创享、基本创新、基本创造及基本创业均为本基本半导体的员工股分激励平台。另外，英伦博智拥有青铜剑科技19.57%的权益，而英伦博智由汪博士拥有13.00%及汪博士的母亲王永苗女士拥有25.00%的权益。 招股书资料显示，汪之涵博士在功率器件行业拥有超过17年的研究与管理经验。他于2003年7月获得中国清华大学电气工程及其自动化专业学士学位；并分别于2005年7月及2009年7月获得英国剑桥大学电力电子专业硕士学位及博士学位；2007年10月至2008年12月期间在剑桥大学工程系从事博士后研究工作。 汪博士于2009年3月创立青铜剑科技，并担任青铜剑科技董事长至今。汪博士荣获多项殊荣，包括于2020年7月获国家专利局颁发「中国专利优秀奖」、于2015年11月获中国电源学会颁发「科学技术奖青年奖」，以及于2015年8月获深圳市人民政府颁发「深圳市青年科技奖」。他亦于2019年5月获共青团广东省委员会及广东省青年联合会颁发「广东青年五四奖章」。汪博士还是广东省第14届人大代表。 此外，基本半导体的外部投资者还包括力合科创（持股5.78%）、闻泰科技（3.67%）、博世创投（2.18%）、广汽智行（1.5%） 等。 基本半导体自成立以来共完成12轮融资，累计获得现金10.32亿元，投后估值从2017年的5000万元飙升至2025年D轮投后的51.6亿元，八年增长超百倍。 小结： 与国内碳化硅IDM同行相比，基本半导体的营收规模仍偏小——2025年营收仅3.11亿元，而多数国内同行已实现毛利率转正。基本半导体在招股书中坦言，短期内仍将继续录得净亏损。 更值得关注的是，碳化硅功率器件市场仍由国际巨头主导，前三大海外厂商合计占据国内功率模块市场过半份额，本土替代之路道阻且长。 不过，随着碳化硅成本持续下探、对硅基IGBT的替代加速，以及基本半导体光明基地产能利用率从45.2%提升至68.9%的积极信号，基本半导体的盈利拐点并非遥不可及。 目前，基本半导体虽仍处亏损泥潭，但其在碳化硅功率模块本土企业中排名第三的市占率，以及D轮51.6亿元的估值，已反映了资本市场对其前景的认可。随着碳化硅在新能源汽车主驱逆变器、光伏储能等领域的渗透率持续提升，基本半导体有望借助上市募资加速产能扩张与技术迭代。 然而，从"碳化硅芯片港股第一股"到真正的行业领军者，中间隔着的是盈利能力的实质性改善。在博世、闻泰科技等产业股东的背书下，基本半导体能否在碳化硅替代浪潮中实现弯道超车，仍需时间给出答案。 编辑：芯智讯-浪客剑免责声明：本文采摘自"芯智讯"，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。

6月26日，2026中国（深圳）集成电路峰会（2026ICS峰会）在深圳市南山区蛇口希尔顿酒店隆重举办。与会专家、学者、主管部门领导与龙头企业高管等共同交流了半导体产业未来发展。 中国半导体行业协会集成电路设计分会理事长魏少军在大会发言中指出中国芯片设计产业销售额已达8260亿元，若叠加IDM体系，全行业有望首次跨越万亿人民币。这是一个原本被认为要到2030年才能触达的目标，却被提前数年兑现。 "但是一个更隐蔽但更关键的问题暴露了——规模上去了，但结构还没跟上。"他指出。 一、表面繁荣：一个"从未负增长"的奇迹行业 他表示过去20年，中国IC设计行业年复合增长率接近20%，且从未出现过年度负增长——这在全球半导体史上都极为罕见。 几个关键指标可以勾勒出当前产业的"高景气"状态： 企业数量：约3900家 小微企业占比：87% 年营收过亿企业：800+ 头部50强贡献：约1/3营收 头部集中度（过亿企业）：84.7% 结论也很清晰：中国IC设计已经完成"从无到有"，正在进入"从散到聚"的阶段。 但问题在于——这个"聚"，仍然不够深。 二、真实结构：大行业，小公司，弱底座 他表示如果只看企业数量，会误判中国半导体"很强"。但从结构拆解，会看到另一面： 1. 企业结构：典型"长尾型产业" 绝大多数企业规模小、抗风险能力弱，真正具备系统能力的公司仍然稀缺 这意味着行业的"广度"远大于"深度" 2. 产品结构：仍在价值链中低端 通信 + 消费电子芯片：占66.5%；计算类芯片：仅7.7%而计算类芯片全球平均占比约25%，这是一个非常关键的信号--中国半导体的主战场，仍然是"应用侧"，而不是"算力侧"。 换句话说：我们强在"做产品"，但弱在"定义计算范式" 3. 区域结构：三极稳定，第二梯队崛起 他表示自从区域看目前格局已基本固化： 第一梯队：上海、深圳、北京 第二梯队：武汉（+94%）、成都（+73%）、徐州等 变化不大，但有一个重要趋势区域竞争已从"拼规模"转向"拼产业完整度" 三、关键拐点：AI正在重写产业分工 他在发言中特别指出AI不是一个新赛道，而是一次"产业再分配"。 它正在改变三件事： 1. 芯片需求结构被重构 AI带来的不是单点爆发，而是系统性外溢：算力芯片（GPU/ASIC）、存储（HBM/DDR）、电源管理（PMIC）、高速接口（SerDes）、通信芯片。。。 本质是：AI = 全产业链需求放大器 2. 计算芯片成为最大变量 当前中国的短板恰恰在这里：高端CPU/GPU生态薄弱、AI训练芯片受限、软件栈仍未成熟，但机会也在这里：从"云训练"转向"端/边推理"，中国公司反而更有机会。尤其是边缘AI SoC、端侧推理芯片、专用加速器（DSA）等。 3. AI正在反向改造半导体研发 他的发言中表示，一些长三角企业已经在用AI提升设计效率而且效果显著：芯片优化效率提升：5%–10%；应用端性能提升倍数级，这意味着什么？意味着在先进工艺逼近物理极限的背景下，AI优化=直接利润， 这将带来一个趋势：EDA + AI，将成为下一轮竞争的核心基础设施。 四、被忽视的风险：三大"隐性危机" 魏少军教授也对繁荣下的风险进行了冷静地分析，目前看我们的产业还存在如下危机： 1. 人才结构断层 现状是中低端工程师供给充足，但高端人才严重稀缺，更严重的是人才流动加剧、企业"留不住人"，本质问题是不是缺人，而是缺"能打仗的人" 2. 投资体系失衡 当前产业资本存在几个问题：国资占比过高、投资决策行政化、市场机制不充分；同时，企业端也存在：过度融资预期、对赌/回购泛滥，他在发言中一个非常明确的态度："愿赌服输"，回归市场纪律。 这其实是在警告：半导体不是短周期套利行业，而是"长周期耐力赛" 3. 外部环境：深度"去耦"风险 目前趋势已经很清晰：国外技术限制向更底层延伸，覆盖EDA、材料、先进计算等，"选择性脱钩"正在发生，但一个微妙变化也值得注意：跨国企业"不愿离开中国"，但"不得不调整策略"，这将导致：供应链更加复杂、国产替代节奏加快、产业分裂加深。 五、深圳的角色：从"终端之都"到"算力变量" 他在发言中指出深圳的优势一直很清晰：通信、消费电子、应用创新，但真正的关键在于：能否从"应用驱动"，跃迁到"计算定义"，当前已经出现苗头：AI SoC公司崛起、端侧推理需求爆发、硬件+场景融合能力强，如果深圳能完成这一跃迁，将意味着中国半导体首次在"应用+算力"双侧形成闭环。 他在发言最后传递了一个非常重要的长期判断：AI的发展，才刚刚开始。甚至可以用一个更激进的表达：今天的AI渗透率，仍远低于"水电煤"。 这意味着：半导体需求不是周期，而是趋势，当前的"火爆"，不是顶点，而是起点！ 所以真正的分水岭，不是万亿，而是"能力跃迁"，万亿规模，只是一个数字节点。真正决定中国半导体未来的，是三个问题： 能否从"芯片制造"走向"计算定义"？ 能否建立真正市场化的产业体系？ 能否在AI时代重构技术主导权？ 深圳，已经站在最前线。但下一步，不再是"做大"，而是——做深、做硬、做不可替代。 这，才是万亿之后的真正考验。免责声明：本文采摘自"电子创新网张国斌"公众号，文本仅代表作者本人观点，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。

ICCAD2025结束了，不仅是参展厂商还是现场观众都创下了新的记录！高峰论坛上人满为患，两边过道上都挤满了眼睛发光的业者。展馆内人流如织，欢快的情绪洒满了整个场馆。可这依然掩盖不了一些EDA老兵们心

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

12月17日消息，近日存储模组大厂金士顿（Kingston）数据中心 SSD 业务经理 Cameron Crandall 参与 PCWorld 的 Podcast 节目《The Full Nerd》时

近日，英伟达宣布入股新思科技，并开启多年深度合作，引发行业广泛关注。作为一家以算力和应用见长的芯片公司，为什么要亲自“下场”绑定一家 EDA 工具商？与之相呼应的是，台积电早已与楷登电子在先进制程与

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，

10月29日，存储芯片大厂SK海力士（SKhynix）公布了第三季度财报。在DRAM和NAND价格全面上涨以及AI服务器高性能存储产品出货量增加的推动下，SK海力士实现了有史以来最高的季度业绩，特别是营业利润在公司历史上首次突破10万亿韩元。

最近本土GPU进入厚积薄发！今天主角家的GPU板卡曾经在发布会上被偷！2025年9月22日，珠海香山会议中心热闹非凡，国产GPU标志性产品，芯动科技“风华3号”全功能GPU新品发布会在此举行。珠海市相