回到 7 月營收 48 篇系列
台股產業研究 · EP12 · 半導體測試
TPU、ASIC 越多，測試介面越重要：探針卡正在吃到 AI 晶片的第二層紅利
AI 晶片客製化加速後，測試需求不是單純跟 GPU 成長，而是跟更多不同設計、更高功耗與更高單價一起成長。
GPU 很紅，但未來 AI 算力不會只有一種晶片。
Google 的 TPU、各家 CSP 自研 ASIC，以及更多特定用途加速器，正在讓 AI 晶片設計變得更多元。對測試產業來說，這反而是好消息。
晶片越貴，越不能不測
高階 AI 晶片單價高、封裝成本高，若到了最後才發現晶粒有問題，損失非常大。
因此 wafer sort、探針卡與後段測試的重要性上升。測試不是「多做一道手續」，而是避免昂貴良品被壞晶粒拖下水。
客製 ASIC 帶來的是更多 SKU
如果全市場只有一款標準 GPU，測試方案相對集中；但當不同 CSP 都有自己的晶片，每一款 pin count、功耗與測試條件都不同，就需要更多客製化測試介面。
這會增加探針卡、測試板與工程服務的需求。
這個產業我最看重的是技術延續性
探針卡不是一次性題材。只要晶片往更高頻、更高 pin count、更複雜封裝走，測試難度就會繼續上升。
但市場也很容易把好產業買成壞投資，所以要看估值、擴產速度與客戶集中度。
三個追蹤指標
- AI／HPC 測試營收占比。
- 高階探針卡產能擴充與稼動率。
- 新一代 ASIC、TPU 是否持續取得 design-in。
我喜歡這類「不管最後誰贏，都要經過我這一關」的供應鏈位置。因為晶片品牌可以換，測試只會越來越難。
這篇文章在知識圖譜裡連到哪裡？
文章不是孤島。以下節點是這篇研究所涉及的公司、產業、技術與訊號，可以沿著關係繼續往下讀。
半導體（產業） · 產能／利用率（研究訊號） · 月營收（研究訊號）
這篇是「2026 台股 7 月營收拆解」第 12 篇。我看月營收的目的不是追一個數字，而是用高頻資料確認產業結構有沒有真的改變。
本文為產業研究與個人觀點整理，不構成投資建議。個別公司營收、財務與產業數據請以公司公告及公開資訊為準。