Report 洞见 | 趋势 | 预测 从过剩到平衡 电子元件供应链的未来之路 目录 概要 1 目录 01 02 2024：过剩状态与库存挑战之年 2 03 2025：变局中的审慎乐观 3 05 行业展望 4 07 全新贸易格局：地缘紧张局势与关税政策博弈 5 11 2025制胜战略框架 6 14 概要 02 从过剩到平衡 电子元件供应链的 未来之路 2025年或将成为电子元件供应链走出长期过 虽然确实为市场注入了复苏动力，但仍不足 以抵销全面复苏所面临的重重阻力。随着整 体需求愈发疲软，库存过剩的问题也普遍 蔓延。制造商试图向高利润产品转移，但持 续的供需失衡仍使其盈利修复过程面临不小 的压力。 策略，将成为平衡2024年遗留难题与2025年 新兴机遇的关键所在。 2025年究竟是真正复苏的起点，还是不确定性 主导的又一周期？本报告将深度解读2024年 关键趋势及其对来年的影响。 2024：过剩状态与库存挑战之年 经历两年半的严重短缺冲击后，今年供应链终 于回归‘常态’。随着企业逐步适应新环境， 采购趋势也发生了显著转变。” Jason Brake 采购总监（欧洲、中东和非洲地区） 过去一年内，供需格局向更平衡的状态逐步 过渡，机遇与挑战也争相涌现。 AI（人工智能）作为需求的驱动力迅速崛起， 制造商曾希望这一新兴技术发展能够抵销 全球芯片短缺后的需求低迷状态。尽管AI （人工智能）确实提供了不小的助力，却仍未

图分割： 6578+量子比特 子图优化（40 小区，每个 小区 1000 种配置方案） 400+量子比特 线路深度需求 1000 层+ 300 层+ 保真度 超过纠错平衡点门限 注：1、图分割所需的量子比特数（线路宽度）=N（K+log2（M+1）） 其中 N 为子图数量，K 为图节点数量，M 为子图节点数量上限 2、子图优化所需的量子比特数（线路宽度）=log2（LM），其中 要求高，最优解或近似最优解 量子算法 QAOA 分布式 QAOA 线路宽度需求 40 量子比特 16 量子比特 线路深度需求 30 层及以上 10 层及以上 保真度 超过纠错平衡点门限 注：1、最大加权独立集（QUBO 建模）所需比特数=K，K 为节点数 量 2、最大加权独立集（问题分解，QUBO）所需比特数=K’，K’是问 题分解节点数量。 3）网络流量预测问题 非实时 算力需求 量子算法/模型 量子 TSMixer 线路宽度需求 宽度（比特数）>=6 线路深度需求 深度（单个比特上放置门的总数的最 大值）>=12 保真度 超过纠错平衡点门限 注：1、量子 TSMixer 所需量子比特数≥ log4(输出特征维度)，其中 输出特征维度在三个不同的 mixer 模块中分别代表 patch 数量（单个 输入时间序列的切片数量）

目 录 当前研发状态 01 应用现状 02 未来发展方向 03 商业化挑战与突破点 04 投资逻辑建议 05 总结 06 01 运动控制进展与瓶颈 运动控制基础行走抓取已实现，动态平衡复杂地形适应 受限，如宇树科技春晚表演机器人在复杂舞台环境中需 多次调整才能稳定行走。 运动控制技术瓶颈制约应用场景拓展，复杂环境适应性 不足，限制了机器人在野外勘探、灾难救援等复杂地形 场景的应用。 与产品优化，推动行业发展。 商业化案例为行业提供成功经验与模式借鉴，助力企业拓 展市场，提升行业整体竞争力。 商业化案例对行业影响 典型商业化案例 03 2025- 2027年攻克双足动态平衡2m/s、 精细操作误差<0.1mm、8小时续航，提 升机器人实用性。 短期技术目标实现将使机器人在工业制 造、物流配送等领域应用更加广泛，满 足多样化需求。 短期技术目标 2028-

- 配套应用与供应商共创并推广至外部客户，催生可复用技术资 产，激发本地创新活力。 针对业务独特性，灯塔工厂设计灵活且可扩展的资产，融合 容器化微服务、API 及跨系统数据模型等可组合元素，平衡本地 适配与渐进扩展，支撑敏捷响应与长期演进。 2、使用低代码和无代码工具赋能员工 2024 年 76%新晋灯塔工厂部署低代码/无代码平台，即便技 术升级，单机优化仍依赖现场经验。该工具赋能一线员工自主调 双受益。面对地缘冲突、资源短缺等风险，灯塔工厂通过数字化 工具（如需求预测模型、物流仿真）提升供应链透明度与响应力， 从产品设计到交付全周期嵌入风险管理。同时，为应对定制化趋 势，采用 ETO/CTO 模式平衡规模化与灵活性，借助模块化设计 与敏捷制造满足多样化需求。鉴于供应链碳排放占企业总排放 80%以上，灯塔工厂以物联网、大数据等技术优化资源效率，并 联合上下游构建循环生态：通过材料替代、回收体系及绿色设计， 行（辐条）优化供应链韧性。灯塔工厂借此简化风控并提升响应 力，如客户、物流等辐条各司其职。当辐条能力不足时，由枢纽 主导风险管控（如供应商协同）；而物流、制造等领域则采用辐 条主导模式，将风控嵌入流程，实现针对性监控与效率平衡。 2、逐步部署：灯塔工厂的一体化策略 通过“枢纽-辐条”模式动态适配价值链特性：供应商管理、 物流交付、质量控制、库存规划等环节差异化部署数字技术，结 合大数据与算法优化需求预测及库存规划。同步搭建综合数据平

样体现联盟优势，晚高峰时段运 营商 A 的边缘节点负载超过一定比例时，将其中部分感知计算任务自动迁移至 运营商 B 的空闲节点，联邦学习模型通过加密参数交换保持全局一致性。收益 分配模型设计则平衡了各方利益，车企按调用次数支付感知数据使用费，运营商 与市政按一定比例分成。某物流公司通过实时获取道路拥堵数据优化配送路径， 年度运输成本大幅降低，同时向联盟支付一定数据服务费，形成可持续的商业模 制；跨运营商联邦学习模型的收敛 速度较慢，需设计更高效的参数交换协议。标准化进程亦面临压力，3GPP 需尽 快定义通感信号接口规范，避免厂商私有方案导致互通壁垒，同时建立跨行业数 据定价指南以平衡商业与公共利益。未来十年，随着 6G 技术的成熟，这一网络 可能扩展至环境监测领域，联合气象部门实时感知空气质量与灾害风险，最终构 建“人-车-路-网-环境”全要素数字孪生城市，为 L5 级自动驾驶提供无缝支持， 在发展过程中，联盟网络面临着诸多挑战，有技术层面因素，如异构系统集 成困难，不同系统和技术标准的对接复杂。有管理方面因素，多方协作与信任建 立不易，参与方利益诉求和信任基础不同，需明确规则和透明流程，同时平衡各 方利益并制定合理激励机制以促进参与和贡献。有标准化和合规性方面因素，联 盟网络缺乏统一标准，不同厂商技术方案差异导致互操作性和兼容性问题，同时 需遵守各种法律法规和行业规范，确保合规运营。

状调查报告》显示，84%以上的企业面临云成本管理挑战，管理云 支出已经连续两年成为企业用云面临的最大挑战。FinOps 可提供有 效应对复杂云环境的成本管理框架，同时提升业务敏捷性与成本效 率的动态平衡。当前，云成本治理基于 FinOps 理念由资源监控过渡 云计算蓝皮书（2024 年） 8 至精细化治理阶段，实现方式不断升级。一是云成本治理基于对云 原生应用组件的资源监控，实现成本的精细化、动态化管理。云原 是“云计算+人工智 能”模式逐步应用于能源业务生产各环节，成为落实“双碳”目标 重要抓手。企业在能源勘探、碳排放监测过程中积累了大量生产数 据，通过对数据进行整合与处理，可以围绕碳排放的降低与平衡进 行人工智能训练，从能源认知分析、能源生产优化、能源预测维护 等多方面探索“双碳”战略的进一步落实方式。例如，中国海油依 托人工智能云平台将岩层、油气产能数据进行评估与分析，提升能 源勘探 地 域分布看，全国大部分省份已完成初步上云，用云量第一梯队主要 集中在京津冀、长三角、珠三角等地，东南地区用云量明显高于中 西部地区。结合各地区供云量数据来看，我国部分省份存在云资源 供需不平衡的情况，例如贵州、宁夏、内蒙古等省份的供云量远高 于其用云量，川渝地区的用云量则高于其自身供云量。 数据来源：中国信通院，2024 年 5 月 图 9 2023 年 31 个省（自治区、直辖市）用云量指数

见、管得住、能追溯的基础上，寻 找低空经济的核心应用场景。为了应对低空飞行器的安全性能问题，运营商需要提升关键技术的自主能力，以确保产 业安全和信息安全。同时，运营商必须在“放”和“管”之间寻找平衡，即在释放低空经济活力的同时，确保低空区域的 安全，这涉及到用户信息登记、飞行许可发放平台的建设，以及低空空域管制系统的完善。 低空运营模式探索：电信运营商需要构筑全生命周期的运营能力， 率，降低运维成本。 除了训练，推理也是自智网络需要关注的关键能力之一。通过知识蒸馏、模型量化和推理引擎优化等新技术突破，可以 不断降低推理成本。根据不同应用场景的需求，可以选择不同尺寸的模型，以平衡推理硬件、速度和效果。这些措施有 助于实现低成本推理，满足自智网络的发展需求。 10 自智网络发展趋势 得越来越快，单个训练集群的规模从万卡级别开始向十万卡级别迈进。然而，AI芯片算力的升级速度却难以跟上集群 多目标协同优化：通过设定多个优化目标，协调各个目标和指标之间的协调性，确保在实现局部最优的同时，整体提升 全局性能。通过智能算法和精细化建模，在不同的优化目标（如网络容量、延迟、能效等）之间找到平衡点，避免局部 优化导致全局性能下降，有效解决复杂网络中资源配置、负载均衡等问题，确保各个子系统在协同运行时都能达到最 佳状态，推动整个网络的高效和稳定。 如何在高频次大规模的数据流中快速

长久竞争力。运营商背景云厂商，通过完善基础设施布局，重点发展传统政企客户，持续扩大在云市场的投入，在基础云领域取得 显著增长。在大模型时代，运营商背景云厂商聚焦算力基础设施建设，并同步提升PaaS能力，努力实现IaaS与PaaS发展平衡化。依 托其在政企行业坚实的客户基础，加速推进各类型云业务落地。 29.0% 12.5% 10.5% 9.3% 6.3% 5.6% 6.3% 5.0% 3.5% 2.7% 9.3% Transformer 解码器 Transformer 编码器 2023 Meta LLaMa 开源模型 LLaMa 开源模型基座 LLaMa 模型优势 金融 互联网 工业 设计 零售 …… 平衡模型开发成本效益 确保数据安全 广泛场景定制化能力 支持离线部署和升级， 可有效保证数据安全性， 满足行业监管要求 依托预训练通用大模型 底座进行微调，所需参 数规模较低，训练周期 较短 通过在通用大模型底座

少的量子比特资源来模拟实现大规模的基因组组装，而且不需要这 些规模较小的量子计算机之间存在量子层面的互联。 最后，一个优秀的参数化量子线路需要在保证试探波函数包含 基态的表达能力与尽可能减少参数化量子态搜索空间之间找到平衡。 我们设计并启动了问题启发式的参数化量子线路，所生成的试探波 函数仅包含可行解。与传统的硬件高效参数化量子线路（Hardware efficient ansatz，HEA）相比，这种方法在搜索空间上具有指数级的 量子比特。所有光量子比特都工作及存储在光纤环路中以供后续的 量子计算使用。 电气系统主要指测量与反馈部分，由平衡零差探测器、可编程 逻辑门阵列（FPGA）、上位机、强度调制器（IM）、相位调制器组 成（PM）。通过控制上位机，将需要求解的 Ising 问题矩阵下载到 FPGA 中，FPGA 通过平衡零差探测器测量得到光纤环路中的光脉冲 量子信息技术应用案例集（2024） 26 幅值，从 量子比特。所有光量子比特都工作及存储在光纤环路中以供后续的 量子计算使用。 电学系统主要指测量与反馈部分，由平衡零差探测器、可编程 逻辑门阵列（FPGA）、上位机、强度调制器（IM）、相位调制器组 成（PM）。通过控制上位机，将需要求解的 Ising 问题矩阵下载到 FPGA 中，FPGA 通过平衡零差探测器测量得到光纤环路中的光脉冲 幅值，从而获得光量子比特的相位和振幅信息。根据需要求解的 Ising

均衡与移动性能优化。 PLUS R15-17 • • • • • • • 在先前的AI/ML基础上引入了： 工作项目 研究项目 NG-RAN的AI/ML：增强数据收集与信令，从而实现节能、负载平衡和负载均衡。 AI/ML模型转移：根据流量与性能需求，将AI模型下载到UE。 AI/ML管理：专注于生命周期的部署与推理阶段。 NR空中接口的AI/ML：CSI反馈、波束管理和定位的早期评估。 之后，人们将利用5G现有投资来提高效率并保持成本控 制。从长远来看，行业将把革命性技术融入渐进的6G标 准，从而为应用的根本变革奠定基础。 这种分阶段的战略最终可能在财务可持续性与创新之间找 到必要的平衡，从而协调运营商和设备供应商的利益。 我们很可能会看到一种将演进与革命相结合的混 合方式。 思博伦5G报告 从5G所面临过的 最严峻挑战中 23 2025 进展、关键点与未来展望 通过尽