本文的行文初衷是试图基于场景、需求视角作逻辑上的审视与反思，是对认知思维的思考尝试。但实际写下来可能偏离了这个初衷，甚至有些逻辑混乱，变成了场景、需求视角下对一些硬科技领域投资赛道的部分梳理总结。
首先声明，由于没有理工科学术背景，所以本文内容单纯基于笔者自身的浅薄认知，如有失偏颇，请见谅。同时，我们的认知建立过程是后视的，但这并不妨碍我们对其作总结与思考，提炼出相应的方法论，以帮助提供一些前视的方向判断、潜在热点。我们可能会被灌输哪些方向是热点的技术方向，哪些赛道是好赛道。在市场认知趋同的大环境下，如何在好赛道具备潜质时去发掘它，可能需要更深度的认知、思考与努力，以及一些运气。但这样意味着更大的潜在回报空间。赛道的意义在于景气度与持续的增长性，而景气度与增长性在很大程度上来自对于对客户场景与需求的满足，即为客户创造价值的过程。
从底层逻辑来讲，技术、材料等都是工具（手段、过渡路径）不是目的（结果），在特定场景下契合一致性的需求, 实现价值创造与自我造血才是最终要义。这也是实验室与商业思维的差异所在，在特定的时间与空间维度下，商业可持续前提下，最好的技术不是最新的、最高端的技术，而是具备一定先进性、充分的落地场景、有力的需求契合、足够的量产能力与客户认证、可持续改善的盈利模型的达到多维度平衡的技术。在这一意义上，场景与需求的重要性不言而喻，因为这是To B 复购的基础。这与消费领域的复购意义是一致的，持续复购的基础是客户对于产品提供的某种核心价值的认可与绑定。
同时，笔者也借用了此前系列文章（如下）所涵盖的话题内容，算是基于特定维度的阶段性总结。
系列文章链接(可直接点击)
通信、电子与硬科技的框架性理解指南（一）：云计算、半导体及芯片、AloT
通信、电子与硬科技的框架性理解指南（二）：智能制造、工业机器视觉、机器人
通信、电子与硬科技的框架性理解指南（三）：汽车的电动化与智能化
通信、电子与硬科技的框架性理解指南(四):自动驾驶与无人驾驶、汽车芯片
通信、电子与硬科技的框架性理解指南(五)：有关汽车功率半导体及MCU的梳理笔记
通信、电子与硬科技的框架性理解指南（六）：硬科技的项目分析框架梳理
通信、电子与硬科技的框架性理解指南（七）：财务报表分析及财务尽调维度的框架梳理
通信、电子与硬科技的框架性理解指南(十一): EDA、半导体产业链与汽车智能化
通信、电子与硬科技的框架性理解指南(十二): 新能源汽车-锂电产业链
（一） 认知环节的后视与前视
基于场景、需求视角的逻辑审视与反思-技术演进路线与投资潜在方向
后视路径（公认的、一致性认知、被告知）：正常学习认知路径-从进入视野的、被告知的、已广泛认知的材料、产品、技术路线出发，有针对性的分解、分析其应用场景。
前视路径（主动试图发掘）：寻找大趋势下潜在、具备一定确定性的待满足场景及痛点，检索可匹配的材料、产品、技术路线，并结合量产能力的可实践性与成本控制分析。
认知的前视路径有点类似于实验室思维，探寻可能的材料、技术路线等，所以难度会大上很多。我们可以借鉴的地方是，对后视路径下的细分领域寻找潜在标的时，辅助判断其是否尝试解决一些未满足的大场景、大需求。
前视与后视是交叉的。从场景需求寻找材料、产品、技术路线的匹配度，从核心主线寻找更大增量的场景与产业链环节。交叉审视会对不确定下的确定性作一定的双重验证。
（二） 随想
实验室与商用中间相隔较大的gap: 是否量产+成本是否可控+落地场景是否为大场景、解决核心痛点
场景、需求驱动下的材料、技术路线与产品迭代-场景、需求-匹配-产品性能、结构
场景跃迁的过渡路线？（中间技术路线的持续性？是否很快更新？）
客户认证+技术能力认证（如：车规级）：认证与初始大客户意味着对落地场景、为客户创造价值的例证+具备品牌效应的可能性+更多客户导入的可能性
寻找产业链上价值量最大的环节-价值链上价值量最大的环节是？增速最快的环节是？（机器人领域：上游核心零部件在成本构成中占据约70%，属于核心技术环节，研发难度高，伴随利润率高；而中游机器人本体制造与中下游系统集成环节非价值链关键环节）
硬科技也是往性价比方向发展，性价比更大意义上是相对值而非绝对值（同样性能、同样技术产品水准下的更低价格）
硬件本身能否形成壁垒？
-是：硬件本身的技术环节：研发及量产能力
-否：竞争壁垒往软件及服务、软硬件一体化解决方案领域切换
例-软件定义汽车
（1）操作系统（高级别自动驾驶解决方案-平台化）+软硬件生态
（2）差异化的路径：系统+软硬件耦合+成本优势
（3）当硬件不能单独成为具备差异化能力的竞争壁垒时，平台生态、一体化解决方案成为新的竞争着眼点。
Why FPGA?-必要的性能平衡的产品、技术路线，契合新的增量大场景-在CPU/GPU等通用芯片与ASIC定制芯片之间出现了中间类型产品：通用性向专用性的衍变+局部特定功能的充分利用+灵活性（可硬件烧写，改变）+兼顾成本+结构本身匹配一定应用场景（分布式结构）
Why第三代功率半导体？-材料对特定场景、需求的进一步匹配+成本可控
（三） 投资主线: 科技变革带来的场景变迁
1-通信技术革命-5G（新一代通信技术）
（1）基础设施的增量：5G基站
（2）网络通信-场景/需求：新一代网络通信技术-带来大量通信信号处理需求=增加对算力提升的要求+不同功能用户对不同数据处理的分层处理需求
（3）边缘端侧场景+碎片化场景涌现=需求随之涌现：
高速率（快）
小型化（小）、集成化（对于物理限制的突破尝试）
算力专用化（利用率）
复杂环境
持续稳定运行（低功耗、稳定性）
边缘意味着迭代升级需要
（4）5G应用与升级
依托传感器与终端设备的大规模物联网场景下对低成本、低功耗的需求
对可靠性与低延时极度敏感的任务关键型服务场景【无人驾驶+自主公共和大众交通系统+无人机及其他无人驾驶飞行器+工业自动化+远程医疗+智能电网监控】
增强型移动宽带=更快服务与更好覆盖+极高数据吞吐量=5G基建=基站建设需求（与其带来的变量、增量）-新的技术方案=5G网络采用RRU+BBU多通道方案，使用分布式基站架构+RRU是无线基站的核心子系统+FPGA是RRU的主芯片（替代专用芯片ASIC）
（5） 5G驱动下的边缘场景、终端场景=低功耗+低延时+集中专用性+可靠性+成本控制
分散化的低功耗场景兴起+传统通用芯片不适用于碎片化场景+工艺制程进步有限=针对有效细分市场的专用化芯片更具性价比优势=专用芯片因需定制（以实现高集成度、速度快、面积小、功耗低的性能要求+适合大批量生产）=专用芯片（定制电路）自身灵活性不足+切换周期影响（不可改写硬件，替换存在成本，需求积累到足够程度才会发生替换）+设计周期长=中间路线芯片-FPGA
2- 信息产业的硬件基础设施-半导体
（1）半导体作为电子行业最上游的核心元器件+集成电路（芯片）作为半导体产业的核心
（2）半导体产业发展受下游领域需求驱动
（3）一些新的应用领域增量=汽车电子+5G通信+AI+云计算+物联网+…
（4）半导体核心大类=存储+模拟电路+数字（逻辑）电路+微处理器
（5）例-模拟芯片与数字芯片-不同数字信号的处理需求决定分类+性能特征决定应用领域+应用领域决定技术演进方向
电子元器件的发展趋势=高精度+高速度（高计算能力+高吞吐量）+高性价比（成本可控）+小型化（更小体积）+集成化（模组化）+低功耗
端侧、边缘侧：小型化、算力专用化、复杂环境、持续稳定运行（低功耗、稳定性）、集成化（对于物理限制的突破尝试）
模拟芯片-处理连续函数形式的模拟信号-信号链处理场景+电源管理（高稳定、低功耗）应用场景+数模转换场景=对于功耗、稳定可靠性、保真的需求=高信噪比+低失真+低功耗+高可靠性+高稳定性=替代性低=设计门槛高+认证周期长+生命周期长
数字芯片-处理离散数字信号-逻辑运算、数字信号编解码=对于效率与成本的需求=高运算速度+低成本（高性价比的运算速率）=替代性高（更新的要求）=认证周期短+生命周期短=对于新工艺+新算法的迭代要求
（6） 例-MCU
MCU-单片机-将CPU频率及规格作适当压缩，并将其与存储器、输入输出接口与外设等集成于一体的芯片级计算机+在信号链中作为电子设备的基础控制芯片起核心处理作用（专门化与功能分层与承担）
核心增量需求与场景：更大空间来自端侧与边缘侧-场景决定发展方向
MCU的应用方向=连接+显示+音频+传感+控制
MCU下游应用领域=汽车电子（智能驾驶+智能座舱+智能车控，车规级MCU应用于ECU）+工控/医疗（工业机器人+工业电机+医疗机器人）+物联网（设备互联+数据共享，通信协议与MCU的集成）+消费电子（智能家电+智能穿戴，SoC与MCU的协同）+计算机
MCU未来发展方向=更智能+更高计算及处理性能+更低功耗+更安全+集成无线连接功能+更小尺寸
智能交互需求推动原MCU方案升级为SoC方案，或SoC配合MCU使用（功能分层=SoC负责运算处理数据+MCU负责数据收集与简单处理）
（7）例-指令集架构的模式更新：端侧、移动侧牺牲性能以适配速度与功耗需求
CISC（复杂指令集）=高性能+高功耗+应用于电脑及服务器领域+处理器架构Intel x86/64系列
RISC（精简指令集）=运行速度更快+功耗更低+性能更低=应用于消费电子+工业控制+汽车电子+物联网+边缘计算等领域=处理器架构ARM+RISC-V
CISC的特点=指令长度不一+需要不同时钟周期完成指令处理+便于编程+提高存储器访问效率+设计目的以最少机器语言指令完成计算任务
RISC的特点=简单、基本指令+指令长度相同+基础操作分割成若干指令，多个指令在同一时钟周期并行完成+为提高处理器运行速度而设计的晶片体系
牺牲性能与复杂处理能力，侧重于处理速度提升与功耗较低的应用场景及对应需求
ARM向RISC-V演进：开源免费+更精简的指令集+模块化设计=匹配更低功耗、迭代开发速度要求更快的场景（物联网、边缘计算）
3-能源革命-新能源+电动化
（1）能源方式变革：
风电
光伏
锂电
氢能
...
（2）电子电气架构更新演进：
以自动驾驶为代表的智能化-场景与需求-海量数据+实时处理+系统更新升级=算力要求+通信效率-电子电气架构的匹配性
分布式架构向集中式架构发展+域集中架构作为过渡路径=分散大量ECU向个位数域控制器DCU发展+寻求增量域（自动驾驶域+智能座舱域+中央控制域）
传统分布式架构无法进行协同运算+存在大量算力冗余（无法利用）=算力浪费
分布式架构下以CAN（控制器局域网络）作为通信管线+CAN信息传输效率较低=低时延需求难契合
分布式架构单一ECU对应处理每项系统子功能+ECU数量及线束长度大幅增加=无法匹配自动驾驶复杂多样系统功能的处理要求+量产难度增加
集中式E/E架构=更利于处理OTA更新+大量数据处理+车辆数据收集+信号传输高速化
在集中式E/E下，新的架构带来价值网络的对应更替-增量机会【ECU向DCU、MCU向SOC】
动力变迁：电动机代替内燃机
电动车的三电系统=半导体领域与电控相关的功率半导体（IGBT+MOSFET）
电机驱动：通过控制电流大小精准控制电机转速+通过转速实现线性变化+更精细控制
4- 数字化与智能化
（1）数据量的持续、大幅增长
基础设施需求-数据中心IDC基建
数据中心-场景/需求：数据中心加速层对于延时属性（实时处理）的高敏感度=FPGA的低延时特征+加速层的新设计思路（为突破DRAM性能瓶颈：加速层通过众多FPGA支撑虚拟网络模型计算任务+将CPU的部分数据运算[需实时处理/加速定制]卸载至FPGA）
数据中心加速层对所部署芯片的要求：在【性能+灵活性+同构性+成本+功耗】维度的出色平衡性
（2）人工智能能力的构建：
1-人工智能领域-推理环节-需求
高性能并行运算需求
终端设备的端侧推理需求-实时响应+快速决策
处理效率与灵活性
低功耗-边缘端
2-实现算力端的匹配性-FPGA
（3）人工智能与具体行业场景应用的结合
（4）单一大场景-智能驾驶
例-1-高级别辅助驾驶及自动驾驶趋势下的场景需求（端侧）-算力侧芯片-FPGA
高速行驶环境下的强感知能力
超低时延：高速信号处理能力
高精准度
灵活升级与适配需要：快速演变的系统能力要求
例-2-传感器-自动驾驶感知层
多传感器融合趋势+不同传感器各有优劣势+对暗光环境、恶劣天气、探测距离、识别能力方面形成互补
激光雷达：技术进步较快+价格昂贵
毫米波雷达
车载摄像头
车用ISP=独立（外置：芯片性能强大+成本高）+集成（内置：内置于CMOS图像传感器+成本低+面积小+功耗低+处理能力较弱、算法简单）
（5）单一大场景-智能制造-工业领域（例）
1-主线=数字化+网络化+智能化
2-核心需求场景=降低成本+边缘侧稳定性+人力替代
核心技术场景=感知传感层+通信层+计算处理层+执行层
3-智能制造主流投资赛道：
A-机器人
核心竞争要素=可落地+应用场景明确+拥有核心技术优势+头部化+差异化细分领域+成本模型与量产+客户认证
工业机器人（降本增效趋势+机器人换人选择）
场景及需求=高危环境+重复劳动+人力效率低下的场景
核心前提：效率层面达到或超过人力+价格可接受+稳定性、标准化程度高于人力
特种机器人-恶劣环境+人力替代+效率提升=场景（偏远地区+无人机+电力设备巡检）
仓储物流机器人：场景需求=复杂动态环境下的定位 技术发展趋势=融合导航、多传感器融合成为趋势（激光SLAM导航-高精度激光雷达-依赖进口、成本高+长廊环境易定位丢失）
5G赋能移动机器人在智慧工厂的加速渗透（5G+AI+云）=广连接+低时延+高可靠（高质量通信保障）+大带宽（算力拓展+边缘计算与云计算结合）
B-芯片（工业场景下）=工业恶劣环境对芯片性能+制造材料+工艺的更高要求（低温+高温+强干扰+强震动+…极端环境）
C-自动/无人驾驶（工业场景下）=To B 的落地场景=矿区+厂区=封闭环境+车速不快+驾驶员作业强度大=车规级硬件+系统服务+无人车整车及运输服务（成本效益+方案易用性+可靠性）
智能化三要素=算法+算力+数据
数据层面是差异化的更大所在（数据采集、储存、算法训练及验证的价值闭环）
D-前沿技术
E-物流信息化
F-仓储服务
G-传感设备-能力需求=边缘计算能力+产品集成度+功耗+工作环境+通信能力+性能指标
H-行业信息化及解决方案
（6）单一大场景-AIOT
场景：数据量极速增长+碎片化场景涌现=需求切换-数据处理从网络核心层数据分析向边缘实时决策演化
趋势-集成化：通信连接与计算芯片趋于融合+集成控制、连接功能及提供丰富接口
5- 经济与社会因素-企业经营持续稳定的需求-降本+增收+增效（TO B的核心要素）
（1）降本：
降低人力成本
降低生产制造成本=原材料成本+生产环节良率对应的制造成本+产品性能稳定性对应的替换成本
（2）增收：
降本带来价格调整的空间（对产品提供方）=提供高性价比产品=提升产品竞争力
产品为客户创造价值=对企业自身带来收入增长
（3）增效：效率提升+稳定性提升
降低功耗-提升单次使用时间与整体使用寿命
提升使用效率【产品性能的利用率】
提升处理响应速度+降低时延
提升安全性与稳定性
（4） 主体-工业领域：工业物联网/工业控制-【工业网络通信+工业机器视觉+工业云+工业机器人+边缘计算】场景/需求：对延时敏感+对计算性能要求高
（四）材料
1-材料属性演变趋势（性能+成本，基于环境、场景属性与应用领域要求）
低压向高压
低频向高频
中低功率向高功率
常规使用环境向极端使用环境：温度+其他【常规温度范围向极端温度（高温+低温）范围】
原材料资源稀缺向资源供给充分性
环境破坏型（污染、毒性）向环境友好型
低效向高效：如-更优的电子迁移率
综合成本可控、降本考量因素
2-例-功率半导体
在汽车电动化趋势不断深化的背景下，电力电子器件需要承受更复杂的电力系统、更具连续性的电路结构，带来了品类的如下演进路径：BJT-GTO-MOSFET-IGBT。
从BJT/MOSFET到IGBT的逻辑分析：场景、需求1.0-材料/产品/技术路径的性能及特性-场景、需求2.0
先依据场景需求寻找具备匹配性能的材料/产品/技术路径，再从当前状态向更广应用范围拓展（依据性能寻找应用场景及需求）
场景、需求=电力应用场景的【高电压+大电流】方向
匹配“高电压+大电流”的核心性能要求=高耐压+高输入抗阻+低损耗
现有产品/技术路径特性-单一功率半导体角度：BJT高耐压、MOSFET输入抗阻高
构建具备复合属性的产品=单一功率半导体向复合功率半导体IGBT
从BJT（电流驱动）向MOSFET（电压驱动）向IGBT
第三代半导体（高频+高温+抗辐射+大功率+抗击穿性）
3-技术、性能极限下的进一步发展路径
单体向模块化封装发展（集成打破单体受限）：硅基IGBT在第七代后基本达到极限，重心将向模块化封装方向转移
4-例-锂电产业链
（1）动力电池正极材料：
动力电池对能量密度、放电功率及快速充电能力需求更为侧重
高镍三元路线：高镍具备能量密度优势+中高端电动车长续航需求+向高镍方向发展具备中长期降本的趋势（钴元素含量进一步下降+高镍材料使用带来其他材料环节用量下降）
铁锂路线：铁锂具备成本优势、安全性、循环性能优势、CTP技术能够提升铁锂的能量密度=铁锂匹配中低端车用市场对性价比的需求及储能领域对安全性、循环性能的要求
铁锂路线中：磷酸锰铁锂LMFP具备作为新一代性价比优选材料的可能性=安全性与能量密度优于磷酸铁锂+减少对稀缺资源的依赖性（主要为锰+铁资源，较磷酸铁锂的钴+镍更可得）
（2）储能电池正极材料：
储能电池对运行稳定性、安全性、循环使用程度、成本的要求更高（长寿命、低成本）
铁锂（磷酸铁锂）较三元锂电是更优的储能技术路线
全文完
联系客服
