半导体清洗槽里的浓度计，撕开了一道被海外巨头焊死多年的口子
在芯片制造的湿法清洗与刻蚀工艺中，化学药液浓度的精准控制直接关系良率。过氧化氢、氨水这类高纯度、高腐蚀性药液的配比稍有漂移，整批晶圆就可能报废。但长期以来，产线上用于实时监测这些药液浓度的近红外浓度计，几乎被海外品牌垄断。设备贵、认证周期长、服务响应慢，是国内晶圆厂和清洗设备商多年来的隐痛。直到一家无锡公司把自研的MEMS光学分光系统塞进了浓度计，并开始批量装进国产半导体清洗设备，这个高度封闭的市场才被撕开一道口子。
这家公司是无锡迅杰光远科技有限公司（英文简称IAS）。2026年9月29日，迅杰光远宣布完成超亿元B轮融资，由深创投、云晖资本、翠微基金共同投资。公司称，本轮资金将投向四个方向：深化MEMS分光、计量建模及AI算法等底层技术研发；加速傅立叶变换等高端新品市场推广；推进半导体行业批量化渗透与多项检测新产品研发；以及持续投入AI与光谱分析的融合。
这不是一笔孤立的硬科技融资。它的特殊之处在于，一家做近红外光谱分析仪的公司，选择以半导体清洗设备作为国产替代的突破口——一个对精度、材料兼容性和认证门槛要求最苛刻的场景。如果这个切口能持续扩大，它验证的不只是迅杰光远一家公司的技术能力，而是国产高端分析仪器从“能用”走向“产线级可靠”的一条可能路径。
| 字段 | 内容 |
|---|---|
| 公司 | 无锡迅杰光远科技有限公司（英文简称IAS） |
| 轮次 | B轮 |
| 金额 | 超亿元（具体金额未披露） |
| 投资方 | 深创投、云晖资本、翠微基金 |
| 总部 | 无锡 |
| 创始人 | 未披露 |
| 官网 | https://www.ias-glb.com |
MEMS分光把实验室仪器压进现场，但真正的壁垒在模型和场景数据
近红外光谱分析技术的原理并不新鲜：用近红外光照射样品，通过分子对特定波长光的吸收特征来推断成分含量。传统近红外光谱仪的问题在于，分光系统需要复杂精密的光学部件，导致设备笨重、昂贵，只能待在实验室里。迅杰光远的技术路线，据公司披露，是依托自主研发的MEMS（微机电系统）光学分光技术，将分光系统高度集成，从而在硬件小型化和成本上打开空间。
但硬件只是入场券。近红外光谱分析的一个长期痛点是模型普适性差：同一个模型在不同产区、不同品种的样品上经常“水土不服”。迅杰光远称，公司建立了覆盖主要产区、多品种的本地化模型数据库，并结合自适应算法优化，以解决模型本地化问题。同时，公司披露通过侧照旋转盘检测池设计与信号采集系统优化，提升现场检测的重复性与准确性。
从技术逻辑看，这条路径的合理性在于：近红外光谱仪的商业价值不取决于单台设备的性能参数，而取决于它能否在具体工艺场景中持续给出可信的检测结果。这意味着建模能力、场景数据积累和现场工程经验，可能比光学硬件本身更接近竞争壁垒的核心。迅杰光远CTO兰树明在融资相关报道中表示：“以往国产仪器相较于进口产品往往处于劣势，但在AI加持下，国产仪器有了后发优势，AI对光谱行业一定会起到良性的推动作用。”这一判断的前提是，AI需要足够多、足够高质量的现场数据来训练和迭代模型——而这恰恰是国产厂商在服务国内客户时可能积累的优势。
不过，公司披露的技术细节目前仍以定性描述为主。MEMS分光系统的具体性能指标、本地化模型数据库的规模、自适应算法的实际效果，均未在公开材料中给出可量化的数据。这意味着，外界尚无法独立判断其技术领先程度，只能从商业落地情况反推。
值得进一步拆解的是，MEMS分光路线本身并非迅杰光远独有。MEMS技术在光谱仪领域的应用，核心价值在于用微加工工艺替代传统分立光学元件，从而压缩体积、降低装配复杂度。但MEMS分光器件在近红外波段的信噪比、热稳定性和长期漂移特性，会直接决定一台浓度计能否在半导体产线上连续运行而不发生精度衰减。公司披露的“光源寿命等关键指标更胜一筹”指向的是光源端，而非分光器件本身。分光系统的长期稳定性、抗振动能力、以及在过氧化氢和氨水这类强腐蚀性药液环境中的光学窗口防护方案，才是半导体场景下更隐蔽的技术关卡。这些细节在公开材料中均未展开，外界只能从“批量化装备”这一结果倒推其工程成熟度。
从“唯一一家”到“批量化”，半导体清洗的国产替代含金量有多高
迅杰光远在半导体领域的表述，是这轮融资中最具冲击力的信息点。据公司披露，迅杰光远已成为国内唯一一家批量化装备在半导体清洗设备上的国产近红外浓度计品牌。深创投集团投资团队在声明中亦称，迅杰光远是“国内唯一实现半导体领域溶液浓度检测光谱仪国产替代的厂商”。
“唯一”是一个需要谨慎对待的词。它意味着在公开信息可查的范围内，目前没有其他国产近红外浓度计品牌实现同等规模的半导体清洗设备批量装机。但“唯一”不等于“独占”：它可能反映的是市场窗口期的先发优势，而非不可逾越的技术壁垒。半导体清洗设备市场本身高度封闭，设备商对核心零部件的认证周期长、替换成本高，一旦某家供应商完成验证并进入批量供应，后来者要切入就需要付出更高的时间和成本。从这个角度看，先发优势在这个场景里确实有相当的含金量。
据公司披露，在对标国际产品的对比中，迅杰光远对过氧化氢、氨水等关键药液的检测精度表现优异，光源寿命等关键指标更胜一筹。这一说法来自公司方面，尚无独立第三方检测数据佐证。但半导体清洗设备商愿意批量采用，本身就是一种强验证：在产线上，任何一家设备商都不会拿良率冒险去换一个“国产替代”的名头。
值得关注的是“批量化”这个词。它暗示迅杰光远在半导体清洗设备市场的收入已经不是单台试用的阶段，而是进入了持续复购的供应关系。但公司未披露具体的装机数量、客户名称或收入占比，因此外界无法判断这块业务在公司整体营收中的权重。半导体检测业务究竟是迅杰光远的核心收入来源，还是尚处于早期放量阶段的战略业务，目前仍是一个未解的问题。
从产业链位置看，迅杰光远在半导体清洗场景中的角色是二级供应商：它把浓度计卖给清洗设备商，再由清洗设备商集成到整机中交付给晶圆厂。这种供应结构意味着，迅杰光远的直接客户数量可能并不多，但每一个客户的认证都意味着一条设备产品线的准入。一旦进入某家清洗设备商的合格供应商名录，后续的订单往往跟随该设备商的出货节奏走，收入的可预测性相对较高。但反过来，这种结构也意味着迅杰光远对下游设备商的依赖度较高，其半导体业务的放量速度并不完全掌握在自己手中。清洗设备商自身的市场拓展节奏、晶圆厂的资本开支周期、以及国产清洗设备在先进制程中的渗透进度，都会间接影响浓度计的装机量。公司未披露其半导体业务对应的清洗设备商数量，也未说明是否已进入多家设备商的供应链。如果目前仅绑定单一或少数设备商，那么“批量化”的可持续性就需要打一个问号。
化工与石化的“标杆项目”策略，验证的是可复制性而非单点能力
与半导体业务的高门槛、长周期不同，迅杰光远在精细化工和石油石化领域的打法更偏向行业渗透。据公司披露，在双氧水、氯碱、氮肥等细分行业，公司通过“行业专家+标杆客户”的组织阵型，与氯碱工业协会、双氧水协会等行业协会建立合作关系，打造了多个标准化标杆项目。在石油炼化方向，公司已启动与某大型石油炼化企业的轻质油品检测合作项目，推进实验室设备验收与在线设备安装。
这套打法的逻辑很清晰：化工行业的工艺检测需求高度分散，每个细分行业都有自己的工艺参数和检测标准。通过与行业协会绑定、先做标杆项目，再向同行业其他企业复制，可以降低市场教育成本。但“标杆项目”这个表述本身也透露出一个信息：这些项目更多承担的是示范和验证功能，而非大规模收入来源。公司未披露标杆项目的数量、合同金额或后续转化率，因此这套策略的商业化效率尚待观察。
从行业特性看，双氧水、氯碱、氮肥都属于大宗化学品，工艺成熟、利润率相对较薄，生产企业对检测设备的采购决策往往高度看重投入产出比。近红外在线检测系统在这些场景中的价值主张，是替代人工取样和实验室化验，把检测周期从小时级压缩到分钟级甚至实时，从而减少质量波动带来的物料浪费和能耗损失。这个价值主张在理论上成立，但要说服一家利润微薄的化工厂掏出数十万甚至上百万元采购在线检测系统，需要标杆项目给出可量化的回报数据。公司披露的信息中，恰恰缺少这部分内容：标杆项目为客户节省了多少成本、降低了多少不合格率、投资回收期多长，均未公开。这意味着“标杆项目”目前更多是一个市场拓展的抓手，而非已经验证的可复制商业模型。
2026年4月，迅杰光远发布了实验室级高端产品傅立叶变换近红外光谱分析仪。据公司披露，该产品具备更高的分辨率和更宽的光谱范围，标志着公司产品线实现从便携式、在线式到高端实验室级的全场景覆盖。这一产品发布的时机值得玩味：它发生在B轮融资完成前约五个月，意味着投资方在决策时已经看到了公司在高端产品线上的布局。但傅立叶变换近红外光谱仪是一个竞争更激烈的品类，海外品牌在这一领域有数十年的积累，国产产品要在这个价位段打开市场，面临的不仅是技术对标，还有用户对高端仪器品牌的惯性信任。
傅立叶变换近红外光谱仪与MEMS分光设备在技术路线上有本质差异：前者通过干涉仪扫描获得完整光谱，分辨率和波数精度更高，适合复杂体系的定性定量分析；后者则更侧重特定场景下的快速检测和成本控制。迅杰光远同时布局两条路线，意味着它需要在两个不同的技术栈上同时投入研发资源。这种“全场景覆盖”的产品策略，在商业上可以覆盖更多客户预算区间，但在研发上也可能分散精力。尤其是在傅立叶变换这个海外品牌深耕多年的品类中，迅杰光远作为后来者，其新品在分辨率、扫描速度、长期稳定性等核心指标上能否真正对标，目前同样缺乏第三方数据支撑。
“硬件+AI”的叙事之下，持续性收入模式还停留在投资方的推演阶段
本轮融资的报道中，一个反复出现的表述是：投资方认为，AI与光谱的深度融合标志着迅杰光远正从“硬件设备供应商”向“智能分析平台服务商”进化，其价值空间将从单一设备销售扩展至数据服务、算法订阅、云端协同的持续性收入模式。
这是一个典型的投资逻辑推演，而非已经兑现的商业事实。从公司披露的信息看，迅杰光远确实在AI方向上有实质投入：据公司披露，其已构建从边缘端到云端的AI技术体系，产品端配备边缘计算能力，支持模型自动生成与优化、数据自动上传及预防性维护；通过大语言模型与人工经验结合，打造算法库、数据库、知识库三位一体的专家系统；针对集团用户，以私有云形式训练与工艺场景绑定的专有大模型。
但“构建了技术体系”与“形成了持续性收入”之间，隔着一条需要时间和客户验证的鸿沟。公司未披露任何关于数据服务、算法订阅或云端协同收入的具体数据，也未说明现有客户中是否有任何一家为软件或服务单独付费。从行业惯例看，工业检测设备的客户通常习惯于一次性采购硬件，对订阅制服务的接受度远低于消费级软件市场。要让化工厂或炼油厂为“算法订阅”持续付费，需要证明这套服务能带来可量化的成本节约或良率提升——这比卖一台设备难得多。
更现实的解读是，AI能力在当前阶段更多是迅杰光远硬件的差异化卖点，而非独立的收入来源。它帮助公司在投标和产品对比中建立技术形象，但距离“智能分析平台服务商”的定位，还有相当的距离。
这里有一个容易被忽略的细节：边缘计算能力与云端大模型在工业场景中的角色并不相同。边缘端的模型自动生成与优化，解决的是单台设备在不同工况下的自适应问题；而云端大模型和专家系统，解决的是跨设备、跨工厂的知识沉淀和复用问题。前者可以直接提升单台设备的检测准确率和运维效率，后者则需要足够多的设备联网和数据回流才能产生价值。迅杰光远披露的AI体系覆盖了这两个层面，但两个层面的商业化路径完全不同。边缘AI能力可以作为硬件溢价的一部分直接体现在设备售价中，而云端大模型和专家系统则需要客户在采购硬件之外，额外为软件和服务付费。公司未披露其设备联网率、数据回流规模或云端服务的客户采用情况，因此“数据飞轮”目前更像是一个方向性判断，而非已经转起来的商业闭环。
海外市场押注农产品贸易，价格优势能否抵消本地化适配的摩擦成本
迅杰光远的海外策略与国内形成鲜明对比：国内主攻半导体、化工、石化等高门槛工业场景，海外则锚定农品贸易市场及下游的粮油加工、食品加工、饲料工业。据公司披露，海外业务聚焦油菜籽、大豆、小麦、棕榈油、橄榄油等全球大宗农产品的品质快检与过程控制需求，产品相较海外竞品拥有显著的价格优势，并在海外建立了本地化的应用支持和建模服务团队。
这个选择有其务实的一面。农产品贸易的品质快检是一个价格敏感度较高、技术门槛相对适中的市场，国产仪器的性价比优势更容易发挥作用。同时，迅杰光远在国内农业领域积累的建模经验，理论上可以迁移到海外同类作物上。但“本地化”这个词在农产品检测中意味着大量重复性工作：不同产区的同一种作物，其光谱特征可能因气候、土壤、品种差异而显著不同，需要重新采集数据、训练模型。公司称已在海外建立本地化团队，但团队规模、覆盖区域和实际服务能力均未披露。
一个需要警惕的风险是：海外农产品检测市场的竞争格局与国内不同。在这个领域，迅杰光远面对的不是被垄断的高端市场，而是已有成熟玩家和既定渠道的充分竞争市场。价格优势可以打开第一扇门，但能否形成持续复购和品牌粘性，取决于本地化服务的深度和响应速度。公司在融资报道中提到的风险因素——“海外市场拓展面临本地化适配挑战”——正是对这一不确定性的承认。
从市场结构看，全球大宗农产品贸易的品质检测通常由买卖双方认可的第三方检验机构或贸易商自建实验室完成，快检设备在这个链条中的角色是辅助决策而非最终仲裁。这意味着迅杰光远的海外客户可能更看重设备的便携性、检测速度和与实验室结果的吻合度，而非单纯的采购价格。如果本地化模型无法在目标产区达到与实验室方法足够接近的准确率，价格优势就可能被后续的校准成本和客户信任缺口所抵消。公司披露的“本地化应用支持和建模服务团队”是否具备在多个海外产区同时开展数据采集和模型训练的能力，是决定海外业务能否从试点走向放量的关键变量。目前公开信息无法回答这个问题。
超亿元B轮的资金结构没有披露，四大用途的优先级排序才是关键
本轮融资的具体金额仅表述为“超亿元”，未披露精确数字。三家投资方——深创投、云晖资本、翠微基金——的各自出资比例、估值水平和股权稀释情况均未公开。这使得外界难以判断这轮融资在公司资本结构中的实际分量。
从资金用途的表述看，四个方向并列呈现，但优先级和资源分配比例未披露。这留下了一个关键问题：在有限的资金盘子下，迅杰光远会优先把资源投向哪里？是继续加码半导体检测的研发和市场导入，还是加速傅立叶变换高端产品的推广，抑或是投入AI数据体系建设和海外市场拓展？这四个方向对应着完全不同的时间周期和风险收益特征。半导体业务周期长但壁垒高，高端实验室产品竞争激烈但单价高，AI投入需要长期积累才能转化为收入，海外市场则面临本地化适配的不确定性。
深创投作为领投方之一，其投资逻辑在声明中表述得相当明确：看好迅杰光远在高端仪器仪表领域自主可控的战略价值，以及AI时代数据飞轮的长期潜力。但“数据飞轮”这个概念需要警惕：飞轮转起来的前提是数据持续回流、模型持续优化、客户持续付费，三者缺一不可。目前公开信息只能确认迅杰光远在多个行业有设备装机，但数据回流的规模、模型优化的实际效果、以及客户是否愿意为数据服务付费，均未得到验证。
从已披露的半导体清洗设备批量装机、化工行业标杆项目和傅立叶变换新品发布来看，迅杰光远在“把产品卖出去”这件事上已经走过了从0到1的阶段。但B轮融资要验证的核心命题，不是“能不能卖设备”，而是“能不能在多个行业同时建立可持续的竞争壁垒”。这个命题的答案，取决于半导体业务的放量速度、高端产品的市场接受度、以及AI能力能否从成本中心转化为收入来源。三者中任何一个的进展不及预期，都可能让“全场景覆盖”的叙事出现裂缝。
另一个值得注意的细节是，本轮融资的三家投资方中，深创投的表述最为具体和积极，云晖资本和翠微基金则未在公开材料中单独发声。这种信息不对称可能只是披露节奏的差异，也可能反映不同投资方在本轮中的角色和话语权不同。在缺乏出资比例和董事会席位信息的情况下，外界无法判断这三家机构在迅杰光远后续战略决策中的实际影响力。对于一家同时推进四条业务线的公司来说，投资方之间的战略共识程度，可能比融资金额本身更能影响公司未来两年的资源配置方向。
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：迅杰光远的故事里，最值得跟踪的不是“超亿元B轮”这个数字，而是半导体清洗设备上那台国产近红外浓度计能否从“唯一一家”变成“持续放量”。在高端仪器领域，先发优势的保质期取决于后来者的追赶速度和客户切换成本。迅杰光远用MEMS分光把设备做小做便宜，用行业标杆项目打开化工市场，用傅立叶变换新品冲击实验室高端——这三步棋的逻辑都成立，但每一步都踩在不同的时间节奏上。真正的考验在于：当半导体业务的认证红利逐渐释放完毕，当海外农产品市场的价格战开始侵蚀毛利，当AI订阅模式迟迟无法兑现收入时，这家公司能否在“硬件供应商”的定位上站稳脚跟，而不是被“平台服务商”的叙事推着走向一个尚未被验证的远方。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。