AI算力需求如何具体拉动半导体测试设备及光模块设备的价值量提升？

AI算力需求的爆发主要通过两个路径重塑测试设备的价值逻辑： 首先，在半导体存储测试领域，HBM（高带宽内存）成为应对“内存墙”的核心技术。HBM采用3D堆叠架构，这一技术变革直接导致测试复杂度和测试强度的大幅提升。具体而言，HBM的测试重心前移至KGSD（已知合格堆叠）测试环节，测试道数由传统DRAM的3-4道急剧提升至15道以上。这意味着对于同等容量的存储芯片，所需的测试机用量约为传统DRAM的5-6倍。同时，HBM对测试设备在供电能力、时序精度、高并行测试能力及测试算法等方面提出了更高要求，推动了高端测试机单价的提升。据测算，全球SoC+存储测试机市场规模已由2023年的44亿美元增至2025年的90亿美元。 其次，在光通信测试领域，AI数据中心内部互联速率的快速升级（从800G向1.6T乃至3.2T演进）迫使测试仪器进行代际更迭。随着光模块速率提升，配套的测试设备精度需大幅提高，测试时间延长，导致价值量和需求量翻倍。以核心仪器采样示波器为例，1.6T光模块的信号基频达到56GHz，这超越了商用放大器芯片的支持极限，仅有具备自研芯片能力的厂商才能提供符合要求的测试方案。因此，技术壁垒的提高不仅限制了供给端的快速扩张，也赋予了头部拥有全链条自研能力的测试仪器厂商更强的定价权和稀缺性。