AI芯片测试进入瓶颈时代：从Rubin测试时长7倍到CPO四次插入

AI芯片测试进入瓶颈时代：从Rubin测试时长7倍到CPO四次插入

太长不看

1.测试时长正在非线性上升：野村证券2026年7月24日发布的《先进半导体测试》显示，若把Hopper成品测试时长设为1，Blackwell约为4，Rubin约为7；系统级测试时长由1升至1.5和2.5，Blackwell到Rubin的老化测试时长还可能翻倍。成品、老化与系统级测试合计成本占比由1.9%升至2.5%和3.3%。

2.需求由4重乘数驱动：晶体管、芯粒、HBM、SerDes和电源域增加，使单颗芯片更难测、测得更久；更大封装、更高功耗和更细间距又推高设备单价；单颗芯片及封装价值上升，则进一步放大漏测与晚发现缺陷的损失。

3.先进封装制造良率悬崖：由10颗裸片组成的封装，若每颗良率均为90%，不考虑封装步骤本身损失，理论组合良率也只有约34.9%。已知良品裸片和测试前移由此成为刚需，封装互连、热应力与系统协同又要求成品测试、老化测试和系统级测试同步增强。

4.CPO可能新增4次测试插入：从EIC与PIC各自的晶圆测试，到混合键合后的双面光电晶圆测试、切割后光引擎的器件级测试，再到光引擎与ASIC共同装载后的模块／系统测试，测试对象由纯电芯片扩展到光、电、热一体化系统。

5.4家公司对应4类资产：旺矽聚焦探针卡，颖崴聚焦测试座与接口，鸿劲精密聚焦分选机和热控，致茂聚焦系统级测试、电源与光子测试。收入弹性、客户验证周期、资本强度和估值方法并不相同，不能只用“AI测试概念”横向比较。

6.投资上应把利润分层：现有AI平台放量构成基本盘，Rubin测试时长、功耗与并行度升级构成可见增量，CPO和混合键合测试属于2027年以后的期权。只有前2层应进入基准盈利预测，供应商、插入次数与量产路径尚未确定的CPO收益不宜提前资本化。

AI芯片的下一轮约束不只在先进制程、HBM和先进封装，也在“能不能被可靠地测出来”。从Hopper到Rubin，测试时长、热功耗、引脚数、封装面积和光电协同同时上升，测试正在从制造末端的一道质量检查，变成决定良率、产能与交付速度的核心闸门。

为什么AI测试从成本项变成产能瓶颈

传统消费芯片的测试逻辑，是用尽可能短的时间筛掉明显不良品。AI加速器改变了这个目标函数。单颗芯片价格更高，封装更复杂，运行环境更苛刻，一旦在数据中心集群中发生早期失效，损失不只是替换一颗芯片，还可能中断长时间训练任务。因此，芯片设计公司与云厂商对漏测的容忍度趋近于零。

这使测试厂面临一个看似矛盾的要求：既要提高覆盖率、延长测试时间，又要维持产能和交付速度。测试时间增长速度快于设备并行度提升时，测试工位就会成为吞吐瓶颈。对于资本开支而言，需求不再只来自晶圆和芯片颗数，而来自“测试秒数”的总量：

测试产能需求 ≈ 出货颗数 × 单颗测试时长 ÷ 单机并行数 ÷ 稼动率。

如果出货颗数增长30%，单颗成品测试时长再增长75%，而并行数仅提升20%，理论设备需求增幅会接近89%，显著高于出货增幅。这正是先进测试相对晶圆产量更有弹性的原因。设备厂可以通过多站并行、自动化换盘和自适应测试提高效率，但同时要面对更大封装、更高热流密度和更复杂信号完整性，效率提升并不能完全抵消测试内容增长。

野村的代际数据把这种非线性表现得很直观。

3.3%的意义在于方向。AI芯片制造成本中，计算裸片、HBM、载板和先进封装都在增加，但测试占比仍然上升，说明测试费用增速快于整颗芯片成本。高价芯片没有摊薄测试费用，测试含量反而继续变厚。

测试硬件通常在芯片量产前1—2个季度完成设计、验证与交付，部分探针卡供应商甚至在流片前就参与项目。因此，测试设备订单不仅是AI出货的结果，也可能是平台升级和客户扩产的领先指标。它比月度芯片出货更早暴露三件事：下一代封装尺寸是否确定、客户希望达到什么测试覆盖率、封测产能准备到了哪个阶段。

对投资者而言，这意味着不能只等收入确认后再验证景气。更有效的观察顺序，是先看客户测试程序冻结与新卡、新座验证，再看设备交期、扩产和零部件备货，最后才看芯片出货与供应商收入。前两组指标一旦同步改善，往往意味着需求已经从设计端传导到测试产能；反过来，如果平台规格仍频繁变化、验证周期拉长，即使远期出货叙事不变，测试厂商当期收入也可能推迟。

测试秒数如何转成设备需求

测试产业最重要的量纲是“可用工位小时”，单看芯片颗数会低估需求弹性。把初始设备需求设为1，在设备利用率不变的简化条件下，新设备需求可以写成：

设备需求倍数 ≈（1＋出货增速）×（1＋单颗测试时长增速）÷（1＋并行度增速）。

下面以芯片出货增长30%为固定条件，观察测试时长与并行度变化如何共同影响设备需求。表内为相对原有设备基数的增幅，只用于敏感性分析，并非对任何公司的盈利预测。

这张表揭示了两个容易被忽略的结论。第一，并行度提升确实能缓解设备需求，但只有在增幅接近测试时长增幅时，才能把需求弹性压回芯片出货增速。若单颗测试时长增长75%、并行度只提升20%，设备需求仍会增加约89.6%。第二，名义并行数不等于有效并行数。封装尺寸、功耗、温度均匀性、ATE通道数和测试程序同步能力都会限制同一工位可同时测试的芯片数量。

AI芯片尤其容易出现“并行度账面上升、有效吞吐提升有限”的情况。更大的封装占据更多机械空间，高功耗器件共享冷却能力时可能需要降频或错峰，数万引脚同时接触又会提高接触失败与复测概率。如果为了追求并行度而降低覆盖率，漏测风险和数据中心失效成本可能反而上升。因此，客户优化的是单位合格芯片的综合测试成本，不是单纯追求每小时接触更多器件。

设备需求也不能只按台数观察。ATE主机、探针卡、测试座、分选机、热控和接口板的扩张节奏并不相同：ATE可以通过新增通道或软件升级延长平台寿命，探针卡与测试座却常随封装和引脚定义换代；分选机机械平台可以复用，主动热控和冷板又可能因功耗跃升而重做。测试资本开支由此表现为“平台复用与接口重置并存”，其中最贴近芯片规格的部件往往具备更强ASP弹性和更高更换频率。

还要区分一次性扩产与持续性收入。设备主机主要贡献初装产能，接口件、针头、测试板、校准、维修和软件更新则随项目迭代持续发生。若一家公司的增长完全依靠新厂扩产，周期性会更强；若收入中包含随针数、卡种、测试程序和维护频率增长的复购部分，盈利持续性更好。判断测试赛道是否从设备周期升级为平台型机会，最终要看新增装机之后，耗材、服务和升级收入能否继续提高。

测试是一张四层缺陷过滤网

半导体测试最容易被误解的地方，是把晶圆测试、成品测试、老化测试和系统级测试当成互相竞争的方案。实际上，它们捕捉的缺陷不同，越复杂的芯片越需要层层过滤。

晶圆测试的经济学，是在昂贵封装发生之前识别坏裸片。成品测试的经济学，是确认封装后电性、速度、功耗与分档。老化测试针对的是“刚出厂时看起来正常、运行一段时间后失效”的器件。系统级测试则承认一个现实：现代AI芯片的缺陷可能只有在驱动、固件、操作系统、内存、互连和高负载共同工作时才会出现。

因此，测试前移与后段加测可以同时成立。先进封装使晶圆测试更重要，高功耗和复杂系统又使成品测试、老化测试和系统级测试更重要。真正可能被优化的是每一层的向量顺序和筛选效率，而不是把某一层完全删除。

自适应测试是控制成本的重要方向。它可以根据前段数据动态缩短后段测试，或者把高风险器件分配到更严格的测试路径。但自适应并不等于测试需求下降。算法需要更多跨工序数据，设备需要更稳定的接口与温控，测试程序需要更高可重复性。它更可能改变测试价值量的分配：机械自动化和普通工位被优化，高精度接口、数据软件、热控与高并行平台反而更重要。

先进封装制造了一道“良率悬崖”

先进封装的投资逻辑经常聚焦CoWoS产能、HBM堆叠和载板面积，却忽略一个更基础的问题：多芯粒系统的良率遵循乘法关系。

这还没有计入混合键合、硅通孔、中介层、再布线层、基板、焊点和封装翘曲等额外损失。封装越贵，越不能把未经充分验证的裸片送入后续流程。已知良品裸片的价值在于避免一颗坏裸片拖累整块高价值封装。

这种良率悬崖带来三个结构性变化。

第一，测试节点前移。晶圆阶段需要更高覆盖率，探针卡从传统垂直针向MEMS迁移，以应对更细间距、更高引脚数和更严格平面度。一个CoWoS模块可能对应3—5种以上探针卡设计，因为不同芯粒、不同工序和不同测试阶段都需要独立接口。

第二，封装后测试并未减少。裸片在晶圆阶段合格，不代表封装互连、热界面和系统级协同没有问题。混合键合后的隐藏互连尤其难以视觉检查，必须依赖电性、光学和热测试补充。

第三，热测试成为架构变量。Blackwell Ultra的热设计功耗可达1400瓦，野村对Rubin的假设约为1800瓦；随着Feynman可能采用GPU-on-GPU混合键合，单位面积热流密度还会进一步上升。测试设备必须在高功耗条件下维持接触稳定、温度均匀和可重复测量，否则测试平台自身的热漂移就会污染芯片性能数据。

这也解释了此前材料链报告中的一个结论：AI硬件的单位价值量不只沿GPU向外扩散，也沿“保证GPU可交付”的环节扩散。高端CCL、ABF载板、冷板和测试设备共同面对同一个驱动——更大封装、更高带宽、更高功耗和更低失效容忍度。

探针卡：从耗材变成先进封装的入口

测试连接件市场2025年超过55亿美元，野村援引行业数据预计2028年达到80亿美元。探针卡占比超过40%，2025年市场规模约28亿美元，其中MEMS探针卡接近20亿美元、占比约70%；到2030年，探针卡市场预计超过45亿美元，对应2025—2030年复合增速约11.1%。

探针卡的价值不只在针。完整结构通常包括探针头、空间转换层、印刷电路板和机械结构。高端卡需要解决四个互相制约的问题：

• 间距
  ：触点越细，针的几何一致性和平面度要求越高。
• 引脚数
  ：数万引脚同时接触时，单针接触力的微小误差会被放大。
• 信号完整性
  ：更高速的SerDes要求更短的信号路径、更低寄生参数和更精确阻抗。
• 功率完整性
  ：高电流供电与回流设计必须避免压降、发热和局部失效。

在高端探针卡中，探针头可贡献40%—50%以上价值；当引脚数超过3万—4万时，占比可能更高。测试板本身也在升级，探针卡PCB可达到40—70层，研发中的部分设计超过100层。探针卡因此已经成为由材料、机械、射频、电源和客户测试程序共同定义的定制系统。

旺矽（6223.TW）的核心逻辑就在这里。野村预计其收入由2025年的133.71亿新台币增至2028年的667.91亿新台币，2026—2028年每股收益由59.69新台币升至227.15新台币。探针卡收入在2026—2028年复合增速约91%，收入占比由68%升至83%。公司计划把MEMS与垂直探针月产能由2026年末约550万针继续提升，野村对2027年末的假设为1000万针，高于公司当时800万—900万针指引。

这个模型的吸引力是“项目数 × 卡种数 × 针数 × 单价”共同增长，但风险也集中在同一处。针数扩张是否顺利、良率和交付能否跟上、客户项目是否按期量产，都会直接决定收入斜率。野村给出的8000新台币目标价基于2027—2028年平均每股收益45倍，位于历史高位区间。高增长与高估值绑定后，任何产能延迟都会被放大。

测试座与接口板：隐藏在测试单元中的高毛利工程品

测试座用于连接被测芯片与测试板，贯穿成品测试、老化测试和系统级测试。高端逻辑芯片主要采用弹簧针或弹性体接触件，同轴结构逐渐成为高速场景的主流。它同时承担电气连接、机械压合和热传导，复杂度远高于普通插座。

AI芯片的测试座升级有四个方向：

1. 引脚数从手机芯片的2000—3000个，上升到服务器芯片的6000—7000个，再到高端AI芯片的1万个以上。
2. 封装尺寸向100毫米见方甚至120毫米见方扩张，传统刚性结构更容易产生翘曲与接触不均。
3. 高速接口要求同轴屏蔽、低损耗和更精确阻抗。
4. 高电流与高热流密度要求接触件、底座和冷板协同设计。

颖崴（颖崴科技，6515.TW）的HyperSocket试图把弹簧针的顺应性与弹性体接触结合起来，主要针对大尺寸、高引脚数和高电流封装。其潜在价值是降低大面积压合时的接触不均，但弹性体产能、客户验证和量产节奏仍是约束。野村预计HyperSocket到2028—2029年前后可能贡献约5%收入，更适合作为中期增量，而不是短期主线。

颖崴的基本盘仍然是高性能测试座和探针卡。野村预计收入由2025年的78.57亿新台币增至2028年的412.19亿新台币，2026—2028年每股收益由88.32新台币增至333.86新台币。高性能同轴测试座2026—2028年收入复合增速约86%，收入占比由43%升至56%；探针卡同期复合增速约67%。

但颖崴的利润斜率并不完全等于收入斜率。公司MEMS探针卡需要外部技术授权和代工，产品结构变化使野村预计2026年毛利率降至约41%，随后才恢复至43.6%和44.7%。因此，颖崴的验证重点应分成两张表：一张看高性能测试座份额和ASP，另一张看MEMS探针卡放量后毛利率能否改善。野村8315新台币目标价对应2027—2028年平均每股收益32倍，估值低于旺矽，但利润率兑现要求更高。

这些板卡的价值在工程设计、仿真、校准和客户认证，不在材料面积。一个新平台、一个新封装或一次引脚定义变化，都可能需要重新设计。高端测试接口板毛利率可达30%—50%，明显高于普通量产PCB。它与此前高端CCL／PCB研究形成了直接连接：同样是高层数、高频高速和低损耗，但测试板更定制、批量更小、工程服务占比更高。

分选机与热控：AI测试设备的核心不再是“机械手”

分选机经常被理解成搬运芯片的机械臂，但先进测试中的分选机需要同时完成精准取放、姿态控制、分档、托盘管理、温度控制、冷板压合和多工位并行。它决定被测芯片能否在稳定的机械和热边界条件下与测试座接触。

大尺寸封装正在迫使托盘和设备重新设计。传统JEDEC托盘约135.9毫米 × 322.6毫米，行业开始使用258毫米 × 537.6毫米和380毫米 × 387.6毫米的超大托盘。鸿劲精密计划在2026年下半年提供支持120毫米 × 150毫米封装的分选机，并在2027年下半年推进250毫米 × 250毫米平台。

热控的升级更激进。鸿劲精密的主动热控平台从约2000瓦、3000瓦继续向7000—8000瓦以及1万瓦以上演进。测试过程中既要移走芯片产生的热，又要把温度控制在设定范围，冷却能力并不等于测试精度。高功耗条件下，冷板平整度、接触压力、冷却液流量、响应速度和温度均匀性缺一不可。

野村预计鸿劲精密收入由2025年的302.71亿新台币升至2028年的1451.02亿新台币，每套设备平均售价由2025年的1200万新台币升至2028年的2000万新台币。设备套装价值中，分选机约占42%、主动热控约占33%、冷板约占23%。公司计划每年扩张约50%厂房面积，设备套装产能每年提升40%—45%。

这是一套高弹性模型，也是一套高执行风险模型。设备发货到确认收入约需3—6个月，厂房、人员、供应链和客户验收任何一个环节延后，都会产生季度波动。野村预计2026—2028年每股收益由134.42新台币升至336.64新台币，11100新台币目标价基于2027—2028年平均每股收益40倍。其2026—2027年利润预测高于当时一致预期约12%和15%，意味着目标价中的一部分上行来自更乐观的收入和产能兑现，而不只是估值倍数。

鸿劲精密还具备CPO和模组级共封装的远期期权。现有CPO交换芯片已经需要电性测试，未来第四次插入若采用光电共同测试，分选机、冷板和主动热控都可能重新设计。公司计划在2026年末完成工程验证、2027年出货、服务2028年放量，但报告并未把这部分详细装入盈利基准。这个处理是合理的：设备路线尚未完全定型，先把它留作期权，避免把研发样机误当成量产收入。

CPO四次插入：最大机会也是最大不确定性

CPO把光引擎放到交换ASIC附近，目标是降低高速铜互连的功耗和延迟。它改变的不只是封装，也改变测试对象：传统电性测试需要加入光功率、波长、眼图、耦合效率和电光转换验证。

第二次插入是技术难度最高的环节。EIC位于PIC上方，测试可能需要在晶圆上下两侧同时建立电连接和光耦合，设备既要对准微小触点，又不能影响另一侧光路。它的价值量可能很高，但方案尚未收敛。

第三次插入存在“3／3.5”的争议：光引擎在装配FAU或连接结构前后是否都需要测试，取决于客户架构和良率。如果前后都测，设备和接口需求会进一步增加；如果制造良率快速改善，部分步骤可能被合并。第四次插入之后是否还需要独立系统级测试，也没有统一答案。

因此，CPO不能只写成一张供应商名单。更有用的跟踪方法是盯四个证据：

• 插入流程是否由概念图变成客户正式规范；
• 工程样机是否跨过验证并进入重复订单；
• 测试秒数、并行数和良率是否可量化；
• 设备收入是否从研发实验室进入量产工厂。

野村对四家公司的处理相对克制：旺矽可能参与第二、第三次插入的探针台与探针卡；颖崴可能参与第三、第四次插入的测试座；致茂可能参与第三、第四次插入的光学测试和分选；鸿劲精密可能参与第四次插入的模块分选和主动热控。大规模收入普遍放在2027年以后，基准预测只计少量或不作详细计入。

致茂同时押注SLT与AI电源架构

致茂（致茂电子，2360.TW）最容易被市场简化成英伟达系统级测试设备供应商，但这低估了它的业务跨度。野村预计其2026年收入中，半导体／光子测试与自动测试系统各占约38%。前者受益于AI芯片系统级测试、光学测试和晶圆量测，后者受益于电源、电子负载、电池和整机柜测试。

致茂的半导体／光子测试业务2025—2028年收入复合增速预计约68%。其系统级测试设备面临比成品测试更频繁的升级，因为系统板、封装尺寸、针脚、功率和热界面几乎每一代都变化。公司还进入谷歌 Axion与AMD MI450等新平台，降低单一GPU客户依赖。

电源自动测试系统则把致茂连接到AI服务器电源架构升级。传统机柜以约50伏直流中间总线为主，但当单机柜功率走向400千瓦以上，独立电源机柜更有必要；接近750千瓦—1兆瓦时，800伏高压直流的效率优势更加明显。即使高压直流采用慢于预期，电源层数、并联均流路径和总功率仍在增加，测试复杂度依然上升。

高压直流与固态变压器需要新的测试能力：

• 更快的变化速率
  ：AI负载可能在微秒级发生千瓦级跳变；
• 回馈式测试
  ：数百千瓦测试不能只把电能变成热，需要回馈电网；
• 双向功率流
  ：电池备援和固态变压器既要充电也要放电；
• 电弧与绝缘安全
  ：直流电弧不易自然熄灭，800伏下安全测试显著增加；
• 宽禁带器件测试
  ：碳化硅和氮化镓要求更高带宽的双脉冲与电磁干扰测量。

致茂同时覆盖电源、电子负载、回馈式系统、电池测试和机柜级集成，竞争优势不一定来自某一项极限参数，而来自完整产品组合和工程集成能力。野村预计自动测试系统收入2025—2028年复合增速约43%，致茂总收入由2025年的283.11亿新台币增至2028年的936.23亿新台币，每股收益由27.70新台币增至84.23新台币。

2845新台币目标价基于2027—2028年平均每股收益38倍。这个估值同时承载半导体测试和数据中心电源两条增长曲线，但野村没有把CPO详细计入盈利，给模型保留了上行期权。相比只押注单一接口产品，致茂的优势是驱动分散；风险则是两个业务都与AI资本开支相关，并不能真正消除周期共振。

四家公司不是同一类资产

旺矽、颖崴、鸿劲精密和致茂都受益于先进测试，但商业模式不同，不能只按收入增速排队。

如果按收入确定性分层，鸿劲精密与致茂的设备收入更直接依赖封测资本开支和平台升级；旺矽与颖崴则更像高弹性的接口耗材与工程品，项目份额、针数和ASP对利润的放大更强。

如果按远期期权分层，CPO对四家公司都有映射，但兑现位置不同。旺矽和颖崴更靠近光引擎与晶圆的接口，鸿劲精密和致茂更靠近模块与系统测试。真正的赢家未必是覆盖插入点最多的公司，而是最早拿到可重复量产规范、能把工程订单转成标准平台的公司。

如果按估值风险分层，四家公司都已经不同程度使用2027—2028年利润定价。野村目标价采用的平均每股收益倍数分别为旺矽45倍、颖崴32倍、鸿劲精密40倍、致茂38倍。高倍数的合理性来自高增长，但也意味着“增长只要正常、估值也可能下降”。不能把目标价上行空间简单等同于安全边际。