一块AI加速卡从产线下来，决定它能否被装进英伟达服务器机柜的，往往不是算力芯片本身，而是承载芯片的那块PCB板。高阶HDI和IC载板的线路细到几十微米，微孔密度以万为单位计数，任何一处肉眼不可见的三维形貌缺陷——一个凹陷、一段断差、一个填孔不实——都可能在数千瓦功耗和数百摄氏度局部温升下演变成整板失效。过去，这类检测主要在实验室里抽检完成；现在，据康微视觉创始人张晖观察，英伟达要求每一张板都需要用3D来检，检测量从抽检变成了全检。

这个从“抽检”到“全检”的切换，正在重塑一条长期被四家海外上市公司把持的细分设备赛道。美国康代、奥宝（现KLA）、台湾牧德科技与由田新技，四家合计年营收超过30亿元，构成了高端PCB检测设备市场多年来的稳定格局。但AI算力基建对载板层数、线宽和微孔密度提出的新要求，让传统2D检测手段在三维缺陷面前逐渐失效，也给新进入者留出了一道缝隙。

康微视觉近日完成近亿元Pre-A轮融资，由南京精智达清源投资基金领投，川商基金及老股东清源资本跟投，投中资本担任独家财务顾问。这家2019年成立于深圳的公司，试图用一套2D+3D混合成像方案，在AI算力板全检的窗口期里，从四家垄断者的份额中切下一块。

字段 内容
公司 深圳康微视觉技术有限公司
轮次 Pre-A轮
金额 近亿元人民币
投资方 南京精智达清源投资基金（领投）、川商基金、清源资本（老股东跟投）
财务顾问 投中资本（独家财务顾问）
总部 深圳
创始人 张晖（创始人兼CEO）
成立时间 2019年
官网 http://cognvision.com/

从智能驾驶退场，把光谱共焦传感器搬进PCB产线

康微视觉的创始团队背景，在光学检测设备公司里并不典型。据公司披露，创始人兼CEO张晖拥有近20年算法芯片化与产品化经验，曾任职高通负责芯片算法研发，后以CTO身份联合创立智能驾驶公司前向启创，该公司于2019年被上市公司收购。核心团队多毕业于西安交通大学与华中科技大学。

2019年从被收购的智能驾驶公司退出后，张晖与团队开始寻找新方向。他在接受36氪采访时解释了两段经历之间的关联：智能驾驶的核心是基于视觉感知做车辆、行人、车道线的识别，同时涉及视觉与激光雷达深度图的融合；而高端半导体的AOI检测正在从2D走向3D，在智能驾驶中积累的AI算法和多传感器融合经验可以迁移过来。这个迁移逻辑是否成立，最终要看设备在客户产线上的实际表现，而不是技术路线图上的相似性。

康微视觉的产品策略有一个关键选择：没有沿着传统2D AOI的路径做渐进式改良，而是将原本应用于半导体领域的线扫式光谱共焦传感器引入高端PCB检测。据公司称，这种2D+3D Hybrid混合成像技术能在一台设备上同时完成表观缺陷与三维形貌的检测。张晖的表述是，近两三年新型3D传感器出现，速度和精度能够与2D做到匹配，这让团队能够把实验室设备变成产线设备。

从产业链角度看，这个判断的约束条件在于：光谱共焦传感器本身并非康微视觉独家供应，其成本、寿命和在PCB产线粉尘环境下的稳定性，决定了混合成像方案能否从样机走向批量交付。公司称其全栈自研能力覆盖光学模组、运动控制到AI算法，但传感器核心器件的供应链依赖程度，公开材料中并未披露。这意味着，康微视觉在光学系统集成和算法层面可能拥有自主空间，但在核心传感器环节是否受制于上游供应商的产能、价格和交期，仍是其规模化交付中一个未被公开验证的变量。

另一个值得拆解的问题是，把实验室级3D检测能力压缩进产线节拍，本质上是在精度、速度和成本之间做三角平衡。光谱共焦方案在半导体前道检测中已被验证，但PCB产线的环境洁净度、板材翘曲和油墨表面反射特性与晶圆场景差异显著。康微视觉称其设备效率与2D基本匹配，但具体在什么料号、什么检测标准下实现匹配，公开材料未披露。如果这种匹配只在特定AI算力板料号上成立，那么其向更广泛的高端PCB市场复制时，可能需要重新适配光学参数和算法阈值。

AI不是外挂复判，而是从特征提取到缺陷分类的内嵌框架

康微视觉对自身AI能力的定位，与市面上常见的“外挂式”方案做了明确切割。据公司披露，多数第三方AI公司仅将深度学习作为插件放置在AOI设备后端做缺陷复判，而康微视觉从资料解析、特征提取到缺陷分类的整个检测链条中均内嵌自研AI框架，包括基于模板差分融合的TempDCF网络、主动负样本挖掘的DHNM框架等。

公司给出的性能指标是：3D检测精度可达±1微米，检出率超99.9%，误检率控制在5%以内。需要说明的是，这些数字来自公司披露，目前没有独立第三方检测机构或客户公开数据可以交叉验证。在AOI设备行业，检出率和误检率高度依赖具体料号、缺陷定义和阈值设定，单一数字难以直接横向比较。但若这些指标在头部客户的量产环境中得到持续复现，其意义就不仅限于技术演示。

从技术架构上看，“内嵌”与“外挂”的差异，可能体现在数据流转的实时性和模型迭代的闭环上。外挂式AI复判通常只接收2D图像或特征图，在设备后端做二次筛选，无法影响前端的成像参数和采集策略；而内嵌框架如果确实贯穿资料解析到缺陷分类的全链路，理论上可以在检测过程中动态调整特征提取逻辑，减少因成像条件波动导致的误判。这种架构差异能否转化为产线上的实际良率提升，仍需客户端的长期运行数据来验证。

从已披露的客户结构看，康微视觉称已进入国内多家千亿级PCB上市公司的供应链，终端客户覆盖英伟达、谷歌、华为等全球头部科技公司。这里存在一个关键的信息缺口：进入供应链和终端客户覆盖，并不等同于直接向英伟达、谷歌或华为销售设备。更可能的情况是，康微视觉的设备被PCB制造商采购，用于生产供应给上述终端客户的AI算力板。公司未披露直接客户名单、各客户收入占比或复购率，因此无法判断其客户集中度和收入质量。如果收入高度依赖少数几家PCB厂商，且这些厂商的资本开支周期与AI服务器需求波动高度相关，那么康微视觉的订单可见性可能比“终端客户覆盖英伟达”这一表述所暗示的更脆弱。

四家垄断者年营收超30亿，新玩家靠什么切进去

全球高端PCB检测设备市场的竞争格局，用“垄断”来形容并不夸张。美国康代、奥宝（现KLA）、台湾牧德科技与由田新技四家上市公司，合计年营收超过30亿元。这四家公司的共同特点是：在2D AOI时代积累了深厚的客户关系和产线适配经验，拥有成熟的全球服务网络。

康微视觉的切入点，是AI算力板这一细分场景对3D检测的刚性需求。张晖的判断是，康微视觉在这个细分领域跟海外厂商相比不是追赶，而是拉出了一个代差。据公司披露，设备速度比过去的产品快几倍，精度提升几倍，价格还更有优势。但“代差”这一说法来自创始人访谈，目前缺乏第三方竞品对比测试数据或客户公开评价的独立验证。四家海外厂商在3D检测领域并非没有布局，它们的技术迭代速度和价格策略，将直接决定康微视觉的窗口期有多长。

从竞争维度看，四家垄断者的护城河并不完全在单机性能。它们多年积累的全球服务网络、与大型PCB厂签订的框架协议、以及产线工程师对既有操作界面的路径依赖，构成了比技术参数更难突破的壁垒。康微视觉若想从“进入供应链”走向“替代主力机台”，需要证明的不仅是检测精度和速度，还包括设备在客户现有产线中的兼容性、备件响应速度和工艺变更时的算法适配能力。这些维度的竞争，可能比单纯的技术对标更耗时。

一个值得注意的细节是，康微视觉的团队花了前三年时间与设备公司合作提供核心算法方案，2022年才正式推出自主品牌设备，2024年实现规模化订单签约及量产交付。这意味着，其从算法供应商到整机设备商的跨越，用了五年时间。这个节奏在设备行业并不算快，但也意味着它在推出自主品牌之前，已经通过合作方接触到了真实的产线需求和工程化约束。这种“先算法后整机”的路径，可能降低了早期直接做整机的试错成本，但也可能使其在客户关系上对早期合作方存在一定依赖。公司未披露这些合作方的身份以及双方在客户归属、知识产权和竞业边界上的安排，因此无法评估这种依赖是否构成潜在风险。

领投方精智达清源基金的产业资源，比钱更重要

本轮融资的领投方南京精智达清源投资基金，其价值可能超出财务投资本身。据公司披露，康微视觉计划依托领投方在半导体产业内的资源，向技术壁垒更高的先进封装检测领域延伸，目前正与韩国技术团队合作，共同开发针对HBM等先进封装场景的检测方案。

从资本结构看，本轮由产业背景基金领投、老股东跟投，且投中资本担任独家财务顾问，说明这轮融资带有一定的战略色彩。清源资本作为老股东继续跟投，也释放了原有投资人对公司方向的持续认可。但需要指出的是，Pre-A轮近亿元融资在硬科技设备领域属于中等规模，与公司声称的“拉出代差”和“全球领跑”目标之间，存在资本体量上的张力。设备公司的竞争不仅是技术竞争，更是服务网络、交付能力和客户信任的竞争，这些都需要持续的资金投入。

投资方声明称，康微视觉是国内稀缺的高阶HDI/IC载板3D-AOI全栈方案提供商，在全球率先突破难度最大的3D图形填孔检测，亦是极少数满足头部AI硬件厂商整板全检要求的设备商。这些表述来自投资方声明，属于投资人的价值判断，而非经第三方验证的行业事实。“全球率先突破”这一说法，目前没有专利、论文或客户公开背书可以独立核实。

从产业协同的角度看，领投方能否真正为康微视觉打开先进封装检测的客户入口，取决于其在半导体封测环节的既有布局深度。先进封装检测与PCB检测在光学方案上有延续性，但HBM等场景对检测精度、热稳定性和洁净度的要求可能高出一个量级。康微视觉与韩国技术团队的合作目前仍处于开发阶段，尚未形成可验证的收入贡献。如果领投方的产业资源能够缩短其在先进封装领域的客户验证周期，这轮融资的战略价值才会真正兑现；否则，其意义可能仍停留在财务层面。

产能200台到500台：交付能力才是真正的瓶颈

康微视觉当前最紧迫的问题，不是技术，而是交付。据张晖透露，公司现有产能约为年产200台，目前产线已接近满负荷运转，计划将产能扩充至年产500台，这一目标预计在三年内完成，产线将继续保留在深圳。公司2026年营收较前一年度预计实现数倍增长。

从200台到500台，表面上是2.5倍的产能扩张，但高端检测设备的产能爬坡远比数字看起来复杂。每一台设备都需要经过光学模组装配、运动控制调试、AI模型适配和客户现场验收，其中任何一环的良率或效率问题都会被放大。康微视觉称其通过了头部客户严苛验证并持续复购，但复购的具体规模、交付周期和验收通过率均未披露。如果订单增长确实如公司所述“爆发式”，那么供应链管理、装配工人培训和现场服务工程师的储备，将比厂房面积更早成为瓶颈。

这里有一个容易被忽略的约束：高端AOI设备的交付不是“出厂即完成”，而是需要在客户产线上完成工艺适配和验收。不同PCB厂商的料号结构、板材特性和缺陷定义存在差异，这意味着每交付一台设备，都可能需要投入一定的算法调参和现场调试工时。当年产能从200台向500台爬坡时，现场服务工程师的人均产出能否同步提升，将直接决定交付周期是否会拉长。公司未披露其现场服务团队的规模和培训体系，因此无法判断这一环节是否会成为产能扩张的隐性天花板。

海外市场的拓展计划也面临类似约束。公司称海外营收占比目前为10%，主要覆盖台湾、韩国、东南亚，计划逐步提升至30%左右。但海外客户对设备供应商的服务响应能力要求通常高于国内，康微视觉目前是否在海外设有服务团队或备件仓库，公开材料中未披露。从10%到30%的跳跃，需要的不仅是设备性能，还有一套完整的海外交付与售后体系。如果海外服务依赖国内团队出差支持，响应时效和差旅成本可能侵蚀海外订单的利润空间，甚至影响客户复购意愿。

资金用途背后的战略排序：研发、产能与先进封装

本轮资金用途有三项：扩充研发与运营团队、扩大产能以应对订单增长、下一代产品与技术平台的研发。这三项排序本身透露了公司的优先级判断。

扩充研发与运营团队排在首位，说明康微视觉认为当前的技术领先优势需要持续投入才能维持。在AI算力板检测这个快速变化的场景里，客户对检测精度和速度的要求会随着芯片制程和封装技术的演进而不断提高。如果研发投入跟不上，所谓的“代差”可能在两代产品周期内被抹平。运营团队的扩充则可能指向交付管理和客户服务能力的补强，这与产能爬坡的需求是配套的。

扩大产能排在第二位，对应的是当前产线接近满负荷的现实。但产能扩张的节奏需要与订单可见性匹配。公司称2026年营收预计实现数倍增长，这一预测来自创始人，未披露订单积压量、合同金额或客户意向书的规模。如果产能扩张先行而订单不及预期，设备公司将面临固定资产折旧和人员成本的双重压力。反之，如果订单增长快于产能爬坡，交付延迟又可能损害客户信任。这种节奏的拿捏，比单纯的产能数字更考验管理层的判断力。

下一代产品与技术平台的研发，则指向光模块检测和先进封装检测两个方向。据公司披露，光模块检测领域已经完成了相应产品的开发；在先进封装方向，正与韩国技术团队合作开发针对HBM等场景的检测方案。从PCB检测延伸到光模块和Wafer 3D检测，技术上有一定的延续性，但每个新场景都有不同的缺陷定义、精度要求和客户验证流程。这些新业务目前均处于早期阶段，尚未形成可验证的收入贡献。将资金投向这些方向，意味着公司在主业产能尚未完全释放的情况下，同时押注多个技术延伸点。这种多线作战的策略，可能放大资源分散的风险，也可能在AI算力硬件检测的更大版图中提前卡位。

风险不在技术，在于验证路径和资本叙事之间的落差

康微视觉的故事里，最需要被审慎对待的，是“代差”叙事与可验证事实之间的距离。公司称设备速度比过去的产品快几倍、精度提升几倍、价格更有优势，但这些对比缺乏明确的基准——是跟四家海外厂商的哪一代产品比？在什么料号、什么检测标准下比？价格优势的幅度有多大？这些关键信息均未披露。在设备行业，脱离具体工况的性能对比往往缺乏参考价值，而“代差”一旦被用作融资叙事的主轴，就需要更扎实的第三方数据来支撑。

另一个值得注意的信息冲突是：有来源提及康微视觉A轮融资，投资方为川商基金，融资额未披露，与本次Pre-A轮融资信息不一致。这可能是不同轮次，也可能是信息记录错误，但公开材料无法确认。如果川商基金在更早的A轮中已经进入，那么本轮作为Pre-A轮的说法就需要重新审视；如果这是一次信息录入错误，那么公司的融资历史披露本身就存在瑕疵。无论哪种情况，这种不一致都提示外部观察者需要对公司融资历史的完整性保持谨慎。

从已披露的X（2024年规模化订单签约及量产交付）与Y（2026年营收预计数倍增长）来看，这意味着公司正处于从首批量产交付到规模放量的关键爬坡期。但Z——具体订单金额、客户集中度、毛利率水平、应收账款周转——均未披露，因此无法判断这种增长的质量。设备公司的营收增长可以来自真实的市场需求，也可能来自个别大客户的集中采购，两者的可持续性截然不同。如果增长主要由一两家头部PCB厂的扩产驱动，那么一旦这些客户的资本开支节奏放缓，康微视觉的收入曲线可能出现陡峭回落。

康微视觉面临的真正考验，是在产能从200台向500台扩张的过程中，能否同时保持交付质量、控制成本结构，并在海外市场建立起可复制的销售与服务能力。技术上的“代差”如果存在，最终会体现在客户复购率和市场份额的变化上；如果不存在，再多的叙事也无法替代产线上跑出来的数据。对于一家成立六年、刚刚完成Pre-A轮融资的设备公司而言，最扎实的证明不是融资新闻里的形容词，而是下一轮融资时能否拿出一份经得起审计的订单和收入清单。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：康微视觉的融资故事里，最扎实的部分不是“代差”，而是它踩中了AI算力板从抽检到全检的确定性切换。但设备行业的竞争从来不是单点技术的对决，而是交付、服务、供应链和客户信任的系统性较量。在四家年营收合计超30亿的海外厂商面前，一家年产200台、产能尚未爬坡的中国公司，真正的考验才刚刚开始。那些未被披露的订单结构、客户集中度和毛利率，才是决定这个故事成色的关键变量。