從「SRAM/AI測試/LPU」基本面，判斷芯測這一波的走勢

OmahaWB · 2026-01-13T15:22:47Z

一、SRAM：這不是老題材，是「被AI重新定義的關鍵零組件」為什麼 SRAM 在 2025–2027 會變成核心？過去 SRAM 只是「輔助記憶體」，但現在在 AI 架構裡： • AI / LPU / Edge AI • 車用 SoC • 高速互連晶片（Chiplet） \ud83d\udc49 全部都高度依賴 SRAM 作為： • 快取（Cache） • On-chip Memory • 即時資料緩衝區而且趨勢只有一個字：「大」單顆 SoC 的 SRAM 容量年複合成長率 ≈ 20–30% ⸻ SRAM 為什麼會「測試變難」？ SRAM 的痛點不是做不出來，而是： • 製程越先進（7nm / 5nm / 3nm） • 錯誤率急速上升 • 修復（Repair）成為「必備功能」 \ud83d\udccc 這直接把價值，從晶圓製造 → 拉到測試／IP ⸻ 二、AI 測試：不是景氣循環，是結構性需求 AI 晶片的測試，跟傳統 SoC 完全不同 AI / LPU 晶片有三個特性： 1. SRAM 佔比極高 2. 功耗與時序容錯極低 3. 良率直接影響客戶毛利 \ud83d\udc49 結論只有一個：測試不是成本，是保命工具這也是為什麼近兩年： • AI 晶片設計公司 • 車用晶片公司 • 先進製程客戶 \ud83d\udc49 都在「提前導入測試 IP」 ⸻ 芯測科技卡在什麼位置？芯測科技的定位不是「一般測試商」，而是： • SRAM 專用測試／修復 IP • 前段設計就綁進客戶 SoC • 屬於設計不可或缺的一環 \ud83d\udccc 關鍵差別： • 一旦導入 → 不會輕易更換 • 客戶世代升級 → 你跟著升級 \ud83d\udc49 這是「平台型收入」，不是一次性專案 ⸻ 三、LPU：這才是這一波「市場願意給溢價」的核心為什麼 LPU 會點燃想像空間？ LPU（Language / Logic Processing Unit）有幾個關鍵特性： • 專為 AI 推論（Inference） • 高度強調低延遲 / 低功耗 • SRAM 密度遠高於 CPU / GPU \ud83d\udc49 結果是什麼？ LPU = SRAM 密集怪獸這類晶片： • SRAM 容量大 • 結構複雜 • 良率壓力極高 \ud83d\udccc 這正好打中芯測科技的「甜蜜點」 ⸻ 為什麼市場會提前反應？因為 LPU 有三個特性，符合主升段題材條件： 1. 故事大（Edge AI / AI PC / 車用） 2. 商用正在發生（不是概念） 3. 供應鏈少、可替代性低 \ud83d\udc49 所以資金願意提前卡位 \ud83d\udc49 不等 EPS 出來才漲 ⸻ 四、這是不是「題材＋趨勢共振」？給你結論 ✅ 這一波不是短線炒作，原因有三個 1. SRAM 結構性需求成長（不是循環） 2. AI 測試屬於剛性需求（良率＝生死） 3. LPU 讓市場願意給「未來溢價」 \ud83d\udccc 這三條線同時成立，非常少見

芯測相關討論

阿遠遠

熱心同學

Lv.10
2小時前．已編輯
芯測