事件与实践
2026年，中微公司宣布其自主研发的“Primo Domingo”高选择性刻蚀设备正式付运。这款设备面向GAA（全环绕栅极）、3D NAND与3D DRAM等先进制程，刻蚀深宽比分别达到60:1、90:1与140:1，填补了国内空白。对非半导体专业的读者而言，这些数字的含义可以这样理解：在指甲盖大小的硅片上，要刻出宽度仅为头发丝万分之一、但深度是其数十倍甚至上百倍的沟槽，且上下宽度必须高度一致——这既是精度的极限，也是工程经验的极限。
更具管理学价值的是这类创新的知识特征。刻蚀设备的性能，并不完全由图纸决定：反应腔内的等离子体分布、气体配比的微小差异、材料表面的微观状态，都会显著影响刻蚀结果。相当一部分关键知识，无法完全编码为文档，而是存在于资深工程师的“手感”与长期试错积累的数据之中。中微公司如何在高度依赖隐性知识的领域实现持续突破，正是本案例关注的核心。
分析
一、用SECI模型解剖隐性知识的转化路径
Nonaka的SECI模型将知识创造描述为四个过程的螺旋上升：社会化（隐性→隐性）、外化（隐性→显性）、组合化（显性→显性）、内化（显性→隐性）。在刻蚀设备研发中，“社会化”体现为资深工程师带领新人反复调试设备，徒弟在旁观察、模仿、体会；“外化”是最难也最关键的一步——把“气体流量应该稍微调大一点”这类模糊经验，转化为可记录的参数窗口与工艺配方（recipe）；“组合化”则是把分散在数百个工艺配方中的数据汇总，形成可复用的工艺库；“内化”是新一代工程师通过学习工艺库，快速形成新的操作直觉。硬科技企业知识管理的水平，很大程度上取决于“外化”这一步做得是否彻底——外化不足，知识就锁在个人头脑里，随人员流动而流失。
二、从 absorptive capacity（吸收能力）看自主创新的前提
Cohen & Levinthal提出的吸收能力理论指出，企业识别、消化并应用外部新知识的能力，取决于其已有的相关知识基础。这一理论解释了为什么“引进—消化—吸收—再创新”的路径，在不同企业中效果迥异：吸收能力不足的企业，即便获得同样的技术资料，也难以真正理解其背后的设计逻辑，只能停留在模仿层面。中微能够填补空白，前提是其在此之前已通过多代产品的研发，积累了足够深厚的等离子体物理与精密制造知识基础。这提示管理者：研发投入的价值不仅在于当期产出，更在于它构建了未来承接新知识的“底座”——这一底座无法用资金短期购得，只能靠时间沉淀。
三、试错数据的资产化：从“经验”到“资产”的管理跨越
在传统制造思维中，一次失败的刻蚀实验只是成本；但在知识管理的视角下，每一次试错都产生了一组“什么条件下不行”的宝贵数据。把试错数据资产化，需要三项管理基础设施：其一，统一的实验记录规范，确保每一次实验的条件、过程与结果完整可追溯；其二，结构化的数据底座，使不同批次、不同设备的实验数据可以横向比较；其三，复盘机制，将实验结果定期转化为工艺库更新。近年来兴起的“工业基础数据库”建设，其管理学意义正在于此——把散落在个体与团队中的经验，转化为组织层面可检索、可复用的资产。国家推进的产业基础能力提升规划中，“工业基础数据库”被列为重点，正是这一逻辑的政策呼应。
启示
第一，知识密集型企业的核心管理任务，是把隐性知识持续转化为组织资产。这一转化不会自动发生，需要制度化的外化机制——工艺文档规范、复盘会议、案例库建设等，都是外化的具体载体。第二，警惕“关键人风险”。当一个工艺环节的知识高度集中于个别人时，组织就暴露在人员流失的风险之下。可通过“双人备份制”与强制文档化来分散风险。第三，研发投入具有双重回报：既产生当期技术成果，又积累未来吸收新知识的能力。在预算紧张时砍掉基础研究，实质是在透支未来的吸收能力。第四，失败数据的价值被系统性低估。建立“负面结果数据库”，记录哪些路径已被验证走不通，其价值往往不亚于成功经验的汇总。
其他思考
- 请以你所在企业（或一个你熟悉的组织）为例，识别一项高度依赖“隐性知识”的关键工作，并运用SECI模型设计一个将其部分外化的具体方案。
- “关键人风险”在中小企业尤为突出。请为一家依赖少数资深技术人员的企业，设计一套包含备份、文档化与激励三个维度的知识留存机制。
- 试错数据资产化需要投入记录与管理成本，短期内会降低“效率”。请从管理会计角度，设计一套衡量“试错数据资产”价值的方法，说明如何向管理层证明这笔投入是值得的。
关键词：知识管理；SECI模型；隐性知识；吸收能力；工业基础数据库；硬科技企业
来源：公开报道整理（中微公司Primo Domingo高选择性刻蚀设备付运、工业和信息化部等八部门《产业基础能力提升“十五五”规划》） | 整理：经管讲堂
原文链接：https://www.rcbom.com/mgt/6754.html
