社区

半导体测试正从制造流程末端的附属环节，升级为芯片成本结构中独立的核心变量。

这一变化的核心驱动力并非测试厂商订单规模的简单增长，而是需求驱动逻辑的根本切换：前道设备的需求由资本开支绝对规模决定，只有产能扩张才会带动需求增长；而测试环节的需求由芯片代际复杂度驱动——芯片制造难度越高，测试需求越强，与是否新建产能无直接关联。

这一差异在当前市场环境下具备明确的估值意义。

当市场开始将超大规模云厂商的资本开支，从需求增长信号重新定义为成本负债时，整条AI产业链的估值锚都在松动。

测试环节是产业链中少数不完全依赖资本开支增量的赛道：即便2027年全球AI资本开支增速归零，只要芯片平台从Feynman迭代至Rubin、先进封装持续向3D堆叠方向演进，测试的时长、工序数量与单价仍将保持上升趋势。

一、逻辑起点：测试时长呈现非线性增长

以英伟达GPU为例，若将Hopper架构的最终测试（FT）时长设为基准值1，三代平台的各环节测试时长变化如下：

两代产品迭代后，最终测试时长增长7倍，增长并非线性。

核心原因在于：测试覆盖率的要求随晶体管数量、核心数量、裸片间（die-to-die）互连数量的增长而提升，而非随芯片面积线性增长。多核一致性验证、高速接口性能校验、异构裸片间的时序对齐，每增加一颗裸片，就新增一组需要覆盖的组合状态。

叠加测试机台工时费率的提升，测试环节（FT+BIT+SLT合计）占芯片总成本的比重持续上升：

Hopper时代1.9% → Blackwell时代2.5% → Rubin时代3.3%

3.3%的占比，对应的是已经大幅膨胀的成本分母。Rubin平台单颗封装的物料成本远高于Hopper：更大尺寸的中介层（约5倍光罩面积）、更多层数的高带宽内存（HBM）、更昂贵的基板材料。占比从1.9%提升至3.3%，增幅为1.7倍；但若芯片总成本本身上涨2倍以上，测试环节的绝对金额增幅可达3.5倍量级。对于测试设备与耗材供应商而言，收入弹性由绝对金额决定，而非成本占比。

二、逻辑核心：良率经济学重构测试的产业属性

如果说测试时长延长解释了需求的“量”，那么良率经济学则解释了定价的“价”。这是定价权向测试端转移的根本原因。

在单片式芯片时代，测试是生产制造成本项；在异构集成时代，测试是良率风险保险项。

背后的核心是良率悬崖。当一颗封装内堆叠了来自不同制程节点、甚至不同厂商的多颗裸片（逻辑裸片、HBM、I/O裸片），任意一颗坏片报废的不只是自身，而是整个封装体，包括所有已通过测试的合格裸片、中介层、基板以及键合工序成本。先进封装时代，良率损失的成本呈指数级上升，而非简单的加法累加。

这直接推动了产业界所说的测试左移趋势：前道晶圆探针测试（CP）的重要性系统性提升，必须在键合工序前筛选出已知合格裸片（KGD）。键合精度越高，事后返工的可能性越低，事前的良率筛选就越不可或缺。

但需要明确的是测试左移并不以牺牲后道测试为代价。

单颗芯片的功能、速率、公差、功耗、电磁发射、散热表现等指标，只能在封装完成后验证；裸片间的互连性能也需要额外的测试工序。行业核心评价指标每百万缺陷数（DPPM），需要在裸片级和封装级双重考核。

因此真实的产业格局是前后道测试同步扩张：前道因合格裸片筛选需求扩容，后道因系统复杂度提升扩容。

这也是老化测试（BIT）和系统级测试（SLT）这两道原本可选的工序，正逐渐成为AI/高性能计算（HPC）芯片标准配置的原因。

因此，当单颗封装的物料成本达到数万美元量级时，测试支出的性质就从生产制造成本转变为为避免报废损失支付的保费。保费的定价锚是标的资产价值，而非服务本身的成本。

保险定价逻辑一旦成立，供应商的议价基准就从自身成本加成转向客户的损失敞口。这是测试供应链毛利率结构性提升的根本原因，也是其区别于其他代工类环节的核心特征。

三、传导路径：规格升级推动增长逻辑从数量转向价值

测试难度提升，具体体现在八大物理约束的同步收紧：

大封装尺寸、高功率、高电流、高引脚数、高热密度、高速率、细间距、高频

每一项约束都对应一轮硬件升级，且升级最终体现为单价提升，而非数量增长：

探针卡：细间距要求推动MEMS探针替代悬臂式与垂直式探针，PCB材料等级与层数同步提升。目前MEMS探针卡已占全球探针卡市场约70%份额

测试插座（socket）：高电流与高频特性要求采用同轴结构、弹性体与弹簧针复合设计，并集成热管理功能

测试分选机（handler）：热控方案从被动散热升级为多区主动热控（ATC）；JEDEC已为超大尺寸封装新增两种载盘规格；预计2028年Feynman平台落地的GPU-on-GPU SoIC堆叠，将把热耗散需求推上新台阶

载板/中介层：超高速信号传输要求更高等级的PCB材料

共同的结果是产品定制化程度持续提升。测试接口本身就是按订单设计环节——每一款新芯片都需要重新工程化设计对应的探针卡、载板和插座，且大批量供货发生在芯片量产爬坡之前。

定制化程度越深，客户切换成本越高，供应商的客户粘性与定价权越强。

市场规模因此呈现基数不大、增速不低、结构分化的特征：

四、结构变化：接口硬件从耗材升级为战略资源

在研究的时候，意外发现近三年，测试产业出现了一轮罕见的交叉持股与业务剥离浪潮：

2020年，FormFactor收购爱德万（Advantest）的探针卡资产

2023年，泰瑞达（Teradyne）向Technoprobe投资5.16亿美元，同时将自有器件接口业务（DIS）以8500万美元出售给对方

2025年初，爱德万整合Essai（插座）、R&D Altanova（板卡）、欣普（Shin Puu，PCB）成立AIS部门后，同时入股Technoprobe与FormFactor

2025年8月与12月，颖崴（WinWay）分别与横河电机（Yokowo）签署战略联盟、与Technoprobe签署五年期测试方案供应协议

2025年10月，CHPT与横河电机完成相互投资

这些动作指向两股同步发生的产业变革：极端专业化分工，以及围绕专业化的产业整合。

自动测试设备（ATE）厂商正逐步剥离外围硬件业务，将资源聚焦于系统架构与软件；接口厂商则深耕微机械与冶金工艺。

但极端分工随即催生了协同工程需求。先进封装时代，测试机、载板、探针必须联合设计，才能交付高良率的整体测试方案。FormFactor的TRITON测试单元由FormFactor（接口/探针台）、爱德万（ATE）、东京威力科创（探针台）三方联合开发，就是典型案例。

因此，接口硬件不再是可招标采购的普通耗材，而是需要自有或深度绑定的战略环节。 一旦进入绑定合作关系，价格谈判的基准就从年度降价，转向联合开发的成本分摊。这是测试接口厂商利润率能够持续高于传统零组件厂商的结构性原因。

五、CPO是长期新增量，但不支撑当期业绩

硅光/共封装光学（CPO）被普遍视为测试环节的下一轮重大机遇，需要明确其确定性等级与落地时间。

CPO对测试环节是纯增量需求，核心原因在于它创造了一个此前不存在的测试品类：光电共测。完整测试流程大致可拆分为四道工序：

第一道：EIC与PIC各自的单面晶圆级测试，在晶圆厂完成

第二道：混合键合成EPIC晶圆后的双面晶圆级测试——上方电测、下方光测，仍在晶圆厂完成

第三道/第三点五道：切割后的光引擎（OE）裸片级测试，以及贴装光纤适配器/光纤接收座/结构补强后的封装级测试，进入封测厂（OSAT）环节

第四道：光引擎与ASIC共封上基板后的模块/系统级测试

无论晶圆探测还是最终测试，都需要自动测试设备运行专属测试程序；为应对严重的信号衰减与光学对准挑战，标准测试设备之外还需外挂高频与光学测量仪器——这意味着CPO不仅为接口厂商带来增量，也为测试机与仪器厂商带来增量。

不过风险也同时存在：第二道工序的双面晶圆测试至今尚无公认成熟方案；第三道工序是否需要在封装前后各测试一次尚未定论；第四道工序之后是否需要额外的系统级测试也未确定。

测试流程未定、良率水平未知、各环节供应商选择未定，而设备选型又会反过来决定接口方案的采用。

整体来说，CPO在2026-2027年属于期权价值，而非盈利支撑项，这部分的增量价值仍然值得跟踪观察。

六、投资框架：三层收益来源，确定性逐级递减

将上述产业逻辑梳理，收益来源可分为三层，确定性依次递减。

第一层：测试时长与工序占比提升

驱动因素：最终测试、老化测试、系统级测试时长随芯片代际非线性延长，测试内容占芯片成本比重从1.9%提升至3.3%。

核心性质：量价齐升，且不依赖新增资本开支，仅与芯片换代节奏绑定。

兑现窗口：当期至2027年，Rubin平台放量即可验证。

第二层：规格升级带来的单价抬升（较高确定性，2027年起加速）

驱动因素：MEMS探针渗透率提升、插座热管理与高电流能力升级、分选机主动热控普及、超大尺寸载盘应用。

核心性质：单价驱动逻辑，定制化加深带来切换成本上升与毛利率结构性改善。

兑现窗口：与GPU-on-GPU堆叠、CoPoS、EMIB等新型封装的量产时点绑定，主要集中在2027-2028年。

第三层：CPO新增测试工序（期权属性，落地时点不明）

驱动因素：光电共测这一全新测试品类的出现。

核心性质：期权价值。产业方向确定，但落地路径与利益分配格局未定。

兑现窗口：2028年之后才具备规模贡献意义。

结论

测试环节是AI资本开支接收端中，对资本开支增量依赖度最低的赛道。

它的收入函数可以概括为：芯片复杂度 × 单颗封装价值 × 良率损失敞口。这三个变量在未来三年都只有向上的方向：异构集成趋势不可逆、封装物料成本上升不可逆、报废损失敞口随封装价值提升不可逆。

这使得它在AI产业叙事从信仰叙事转向盈利算账的过程中，具备相对防御性：即便市场不再为资本开支增长本身付费，只要芯片持续迭代升级、复杂度持续提升，测试环节的盈利逻辑就依然成立。

但必须明确的是，上面的逻辑保障的是盈利的确定性，而非估值的安全性。当股价已经提前计入三年后的盈利预期与历史最高估值倍数时，产业逻辑正确并不能阻止股价下跌。不过至少它能保证下跌后有基本面支撑，最终价值回归。

该板块低估的机会，可能会成为下一段行情的领跑者。

$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$