「几十亿条料号」是个口径问题：开源元器件数据库该做的只有一层唯一性

核心观点：这个项目里最贵的不是把几十亿条数据存下来，是让其中每一条都能被别人复核。SiliconExpert 官方 About 页写得很直白——10 亿+ 部件库由 500 多名电气、软件与数据工程师手工打造，API 数据每日更新。按公开云价折算，几百 GB 存储每月只要几美元，和几百人一年的成本差四到五个数量级。所以正确动作不是复刻一个「免费 SiliconExpert」，而是只做一层它最不可能开放、也最需要公共治理的东西：品牌 + 型号的唯一标识，以及这个判定背后的证据链。

数据核对日期 2026-11-08。官网直连返回 Akamai Access Denied，本档案依据官网公开页在搜索索引中的快照（About / FAQ / Pricing / 中文「设计权」页）、官方中文站文案、代理商公开材料与第三方 2026 年采购指南整理；凡属估计值，逐处标注。

项目代号 CUPI（Component URL & Provenance Index），工作代号，非正式产品名。立项日期 2026-11-08。

一、先把三个数字校准，不然预算从第一页就算错

用户提的三个判断里，有两个需要先改口径。下面只列能追到出处的说法，宣传数字与硬指标分开写。

所以先别估服务器。真正该问的是：一条「品牌 + 型号」要花多少人力，才能被判定为唯一，并且三年后还能被别人复核一遍。

二、「10 亿+」不是 10 亿个型号

把 10 亿拆开看：同一颗芯片，会因为卷带 / 托盘 / 管装、无铅与 RoHS 版本、不同分销商 SKU、数据手册修订历史、停产前后状态各占记录；无源器件更夸张，一个片式电阻系列按阻值 × 精度 × 耐压 × 温度系数 × 封装 × 包装展开，本身就是笛卡尔积。

拿可核对的锚点比一下：DigiKey 官网自述「Over 18 million listed parts, with over a million available for immediate shipment」；Mouser 约 680 万 products、1,200+ 产线（第三方 2026 指南）；而 SiliconExpert 是 10 亿+。目录分销商的 listing 已是千万级，商业情报库再高两个数量级，合理的解释是索引记录数——含多来源重复、包装变体、历史版本与参数化组合，而非 10 亿个彼此不同的可采购实体。

这恰好说明「数据量还是比较大」指对了方向，但指错了对象：大的不是唯一实体，是别名与变体的组合空间。「确定唯一性」要做的，是把这块组合空间折叠回一个稳定 ID，属于实体消歧问题，不是数据库容量问题。

结论很硬：以「存多少条」为目标，会掉进一个永远追不完的坑；以「能否判定两个字符串是不是同一个可采购实体」为目标，规模反而可控，而且这个能力别人抄不走。

三、对标：这个市场分三层，贵的那层不在检索

把中英文同类平台按「靠什么收钱」分层，比按功能罗列更能看清定价逻辑。

定价佐证：SiliconExpert 的 Pricing 页与 FAQ 都只给「customized quote」，不公开价格。第三方 2026 采购指南给 $5,000–9,000 每席位每年，另有报道称团队档 $10k–25k、API 约 $100k/年，Z2Data $12k–35k、Supplyframe DSI $7.5k–50k——区间跨度这么大，说明它根本不是标准品定价。用户说的「几万块」与国内代理的基础席位或单模块档位相符，但不能当官方价引用。

关键观察：三层里没有一层按「数据条数」收费。交易层赚履约，发现层赚调用量，决策层赚的是你敢不敢拿这条数据去做停产决策。年费买的是「出了事有出处」，不是「查得到」。

四、年费几万块，买到的到底是什么

官网 FAQ 里三句话可以直接当需求文档读：其一，「over 1 billion components, including cross references, lifecycle, parametric, obsolescence forecasts, regulation compliance and inventory data」；其二，「We centralize and normalize that data」；其三，「With over 500 data engineers ... Supporting source documentation is always provided」。

第三句最关键，它把产品性质说穿了：交付物不是参数表，是每一条断言背后的证据。合规场景里，一条 RoHS 状态写错，责任不在数据库厂商的服务器，在拿它签字的工程师身上——所以必须能一键回溯到原厂声明文件、版本与日期。中文站列出的字段清单也印证这一点：ECCN、REACH、SCIP、中国 RoHS、冲突矿产、材料申明、PCN、JEDEC 文档，几乎每一项都要挂原始凭证。

还有时效。Pricing 页写 API 数据「updated daily」。元器件数据的价值衰减极快：PCN、EOL、最后采购通知、料号尾缀变更、原厂并购后的品牌迁移，每周都在发生。一个不能持续更新的库，上线当天就是历史档案。

成本结构于是浮现：抓取与解析是一次性工程；规范化与消歧、证据链维护、合规字段判定三项都带持续人力，而且每一项都需要有人署名。前一项可以自动化，后三项就是那 500 多名工程师的日常。

再补一层拿不到的东西：SiliconExpert 是 Arrow Electronics 的子公司，能借助授权分销的交易数据训练停产年限预测。这类数据开源项目既拿不到，也不该假装拿得到；把它列进竞品功能表而不标数据前提，是这类 BP 最常见的自欺。

五、把成本算成可复核的账

下面全部是量级估算，不是报价。单价取公开云存储的常见档位，人力按官方自述的 500+ 工程师规模粗折，未计福利、管理与销售，只为比较数量级。

如果有人拿「几十亿条数据」当预算理由，方向就反了：真正把价格推到几万块一年的，是每天都要有人判断「这两个料号到底是不是同一个东西」，并且把判断依据留档。存储只是这场成本里最便宜的一项。

反过来看，开源项目能省下的恰恰是最大的那块——不养几百人做全参数清洗，只把唯一性判定这一层做薄、做可复核，让原厂公告、分销商目录与社区贡献各自出证据，由规则而不是人力去合并。

六、法律边界：先划清不能搬什么

事实与表达要分开。料号字符串、标称阻值、封装尺寸这类事实通常不受著作权保护；但数据手册 PDF、参数表的编排与文字表述受保护。在欧盟，数据库还可能因「获取、核验或呈现内容的实质性投资」享有 15 年的 sui generis 数据库权（Directive 96/9/EC），可阻止对实质部分的抽取与再利用——元器件目录显然属于「有实质性投资」的那一类。

DSM 指令 (EU) 2019/790 第 3、4 条给了文本与数据挖掘例外，但第 4 条允许权利人用机器可读方式保留权利（robots.txt、TDM 保留协议等），且研究例外对主体有要求。商业开源项目不能默认自己适用，看见 robots.txt 就该停下，而不是绕开。

结论对架构是硬的：不要搬运别人清洗好的结果集，只从权利清晰的原始事实层取数——原厂公开料号页、PCN / EOL 公告、标准机构文档、明确以 CC0 / ODbL 或开放 API 条款发布的数据。每条记录只存「断言 + 来源 URL + 抓取时间 + 内容哈希 + 许可证」，不复制原文、不镜像 PDF。

自己产出的库建议用 ODbL 发布（OpenStreetMap 2012 年正是为对应数据库权，从 CC 迁到 ODbL），代码用 Apache-2.0 或 MIT，纯事实层可考虑 CC0；内容权利混杂时按 ODbL 的建议逐条标注。这一步必须在写第一行采集脚本之前定，否则后期无法追溯授权链，整个项目会被一次下架要求打回原点。

七、开源侧已经走到哪一步

这个方向并不空白，缺的东西反而很具体。下表只列能查到实现细节的项目。

四组放在一起，缺口非常清楚：缺一个不属于任何平台、可跨目录引用、带版本与证据、能被社区仲裁的公开标识。大家都在各自的主键里重复造轮子，而且都不敢宣称「这两个料号是同一个东西」有可复核的依据。

八、结论：只做唯一性这一层

项目代号 CUPI，产品定义压成一句话：不存全部参数，只存「谁、在什么时候、凭什么说这两个字符串指向同一个可采购实体」。

与商业库不是竞争，是分工。开源层负责标识、别名、品牌沿革与变更事件的公共品；商业平台继续在停产年限预测、合规文档、风险评分上收费。开源层越可信，商业库的规范化成本反而越低，二者并不互斥。

这也解释了为什么「几万块太贵」不能直接推出「做一个免费的」：用户真正付不起的是判断与责任，而判断需要持续的人力与制度。开源能替代的是「唯一性由一家说了算」这件事，不是「有人替你签字」。

可验证性是唯一护城河：每条断言可被任何人用来源 URL 与哈希重放，争议走公开 PR 与仲裁记录，错误可回滚但历史不可抹除。商业库给结论，开源层给复核结论的能力——这正好是本站做元器件内容时反复遇到的同一道题。

九、最小数据模型、ID 设计与分期

字段刻意压到七类：规范 ID、品牌命名空间、规范 MPN、别名集、生命周期事件（PCN / EOL / 最后采购，带日期与公告链接）、来源证据（URL + 时间 + 哈希 + 许可证）、置信度与仲裁记录。不收库存、不收价格、不收合规结论、不托管数据手册。

ID 借 purl（Package URL）的思路，形如 cupi:brand/mpn@rev?pkg=...&grade=...#variant：用命名空间消解品牌并购，旧品牌料号映射到新命名空间但保留原 ID；用限定符吸收包装与等级尾缀，避免把变体炸成主表行。规范里必须写死大小写、连字符、前导零与尾缀的处理规则——MPN 消歧翻车，八成翻在这些地方，而不是参数比对。

治理借 nawotech/parts 的 Git 流程：JSONL 入库、SQLite 构建、PR 评审、按品类设 maintainer；新增合并候选必须由两个独立来源支持，冲突进仲裁队列而不是自动合并。这和项目一「只产出候选、不自动归并」是同一条纪律——误合并的代价不可逆。

分期：0–12 周只做一个品类（建议先做无源器件，或某一类 MCU）、1 万个实体、3 个来源，配套公开校验器与 CI；第二阶段补品牌沿革与 PCN / EOL 事件订阅；第三阶段才谈社区治理与只读 API。任何阶段都不以条数为验收指标，以争议解决率与证据可重放率为准。

十、明确的放弃清单与三条止损线

• 不做全参数库、不采分销商价格与库存、不提供停产年限预测——这三件正好是商业库的收费核心，也是责任最重的部分。
• 不做「免费替代 SiliconExpert」的宣传。名字里只有「开源数据库」而没有「标识层」，第一天就会被拿来比条数，然后死在条数上。
• 不收录来源不明或权利不清的数据。宁可只有 1 万条可复核记录，不要 1 亿条来路不明的行。
• 不承诺工程可用性。文档首页必须写清：本层用于标识与溯源，不替代原厂数据手册，不构成替代料验证或合规结论。

止损线：其一，12 周内若 1 万个实体的争议仲裁平均耗时超过 14 天，说明治理模型不成立；其二，若上游出现机器可读的权利保留或正式函件要求停止采集，立即下线该来源而不是绕开；其三，若没有任何第三方工具愿意接入这个 ID（哪怕只是一个 KiCad 插件），说明这层没有公共品价值，停。

总结

回到最初那个问题：几十亿条数据，成本会不会很高？按字节算，一点都不高；按「每条都能被复核」算，高到一家公司要养 500 多名工程师，所以才卖几万块一年。

开源能改的不是这个价，是这个结构。把唯一性判定从一家公司的私有资产，变成有出处、可回滚、可仲裁的公共层；把需要人签字的高价值判断留在商业侧。这样既不用假装能免费复刻一个 SiliconExpert，也确实把最该开放的那一层开放了。

一句话收口：别建一个更大的库，建一层谁都能查的账。

返回 创意树洞 · 项目一 私谱 BP · 项目二 一键分发风险分析；相关实务见 元器件撮合服务。

2026-11-08 补记：上游正在把访问变成可计价商品（Pay Per Crawl → Pay Per Use / x402，可对页面、数据集、API 与 MCP 工具收费），Content Signals 也只是请求而非许可。原档案「不采分销商价格与库存、只收权利清晰的原始事实」的放弃清单由此更成立；第一单应先人工交付 BOM 消歧报告，见 准入围墙下的 5W1H 重排。