Veronica半导体速报

1. HBM测试正在“左移”，在内存堆叠前增加更多测试插入点，以降低AI芯片整体良率损失。

2. 直接影响后道测试环节，尤其是先进封装后的系统级测试策略。

3. 影响HBM供应商（SK海力士/三星/美光）及AI芯片设计公司（NVIDIA/AMD/自研ASIC厂商）。

4. 高带宽内存在堆叠后修复代价极高，提前筛除坏片是控制AI芯片成本的关键，凸显测试在先进封装中的核心地位。

^{[1] [2] [3] [4]}

1. 行业正建立从设计到量产的端到端闭环学习系统，解决新产品导入慢、良率爬坡难问题。同时，硅光子、MEMS等特殊器件面临独特的工艺控制挑战。

2. 覆盖晶圆制造全流程，尤其是薄膜沉积、光刻、【蚀刻】和CMP等关键步骤的工艺窗口控制，以及【背面金属化】的皮秒激光超声量测。

3. 影响追逐先进制程和特殊工艺的代工厂（如台积电、格芯）、EDA公司和设备供应商。

4. 良率是利润的直接体现。将各环节数据闭环打通，能更快找到缺陷根源，尤其对结构特殊的光子芯片而言，没有现成经验可循，必须依赖系统化的学习迭代。

^{[6] [7] [8]}

1. 随着AI机架功耗突破120kW，服务器电源及冷却系统的测试验证变得极其复杂和关键。

2. 属于测试环节的延伸，涉及电源管理芯片、电压调节模块和液冷系统的全系统验证。

3. 影响数据中心运营商、电源管理芯片厂商（如德州仪器、英飞凌）和电源模块供应商。

4. 一个机架功耗堪比小型数据中心，供电和散热问题不解决，再多AI算力也无法稳定运行，测试是保障上线前的生死关。

^[5]

1. 德州仪器已通知客户将在7月二次涨价，部分产品涨幅预计达5%-15%；恩智浦也发出涨价信号。

2. 属于芯片成品测试之后的销售环节，但其涨价的芯片被广泛用于AI服务器电源、800V高压直流和液冷系统。

3. 直接影响德州仪器、恩智浦等模拟芯片巨头，以及服务器OEM和汽车Tier-1厂商的物料成本。

4. 电源管理IC看似不起眼，但AI服务器和电动车离开它寸步难行。涨价的深层原因是AI对电力转换与管理需求的大幅拉动，导致供应持续吃紧。

^{[9] [10]}

1. 【高通】正在开发面向数据中心的自研CPU，预计2028年出货，并配套开发机架级交换和互联芯片；英伟达Vera CPU机架已获阿里、CoreWeave等客户。

2. 属于芯片设计和封装/系统集成阶段，聚焦机架级计算架构的创新。

3. 影响原有CPU巨头（英特尔/AMD）的市场份额，以及定制服务器和网络芯片供应链。

4. 云端巨头都在寻求除英特尔和AMD之外的第三极CPU选择，以掌控自身基础设施的主动权。高通与英伟达的入局，将重塑数据中心CPU市场的竞争格局。

^[11]