已记录。中际旭创H股上市有消息我会第一时间在群里提醒。
现在先快速扫一下有没有最新动态。 @Little Jeff 中际旭创H股如果有上市消息记得提醒 你建一个每日提醒吧，扫中际旭创H 上市消息，有的话发 AI 投研群
现在先快速扫一下有没有最新动态。 @Little Jeff 中际旭创H股如果有上市消息记得提醒 你建一个每日提醒吧，扫中际旭创H 上市消息，有的话发 AI 投研群
已建好。每天上午 9:13 自动扫一遍中际旭创 H 股上市消息，范围覆盖港交所披露、公司公告、主流财经媒体和推特信号。有新进展直接发 AI 投研群并 @ Vivi，没消息就静默。
任务 ID bb4bc3f9，随时可以取消或调整时间。
#1 COHU — AI芯片测试"闸门"
$46.53 | 市值$22亿 | NASDAQ
理由：chiplet架构让测试从1步变3步，Eclipse 3000W热控平台是目前唯一能量产级处理AI芯片热控测试的handler。第二笔HPC订单已确认，等待第三笔+第二客户扩展。市值仅$22亿，估值还没反映AI测试结构性增量。风险：客户集中度高。数据来源：Cohu IR + 404K框架 (2026-05- 详细介绍一下这个公司吧。
$46.53 | 市值$22亿 | NASDAQ
理由：chiplet架构让测试从1步变3步，Eclipse 3000W热控平台是目前唯一能量产级处理AI芯片热控测试的handler。第二笔HPC订单已确认，等待第三笔+第二客户扩展。市值仅$22亿，估值还没反映AI测试结构性增量。风险：客户集中度高。数据来源：Cohu IR + 404K框架 (2026-05- 详细介绍一下这个公司吧。
Cohu (NASDAQ: COHU) 深度介绍
公司概览
Cohu, Inc.，1947 年成立，总部在加州 Poway。本质上是个半导体测试设备公司，做的是芯片出厂前的那道"体检"——测试 handler（分选机）、接触器（contactor）、热控子系统、MEMS 测试模块。
一句话定位：芯片测试环节的"搬运工 + 温控师"。
业务拆解
Cohu 的产品线分几块：
| 产品 | 做什么 |
|---|---|
| Test Handlers（分选机） | 把芯片从托盘抓起来，送进测试插座，测完再分 bin 放回去。有 pick-and-place、turret、gravity、strip 多种架构 |
| Thermal Subsystems（热控） | 测试时精准控制芯片温度，AI 芯片动辄几百瓦甚至上千瓦，这个越来越关键 |
| Contactors / Probe Heads（接触器） | 测试插座里那根"针"，物理接触芯片引脚 |
| DI-Core 数据分析软件 | 设备实时监控 + 工艺控制 |
核心护城河：热控 + 高引脚数 + 高并行度。AI 芯片测试不是随便一个 handler 能搞定的——温度控不住，芯片就烧了，或者测试结果不准。
AI 芯片测试逻辑（核心 thesis）
这是这票最核心的故事：
1. Chiplet 架构让测试步骤从 1 步变 3 步
传统 monolithic 芯片：1 颗 die，测 1 次 → 完事。
Chiplet 架构（AMD MI300、NVDA B 系列、Intel Gaudi 等都用这个）：
- 每个小 die 单独测（KGD，Known Good Die）
- 拼完再测（interposer 级测试）
- 封装后终测
测试量 ×3，handler 需求 ×3。而且 chiplet 越多，并行测试（multi-site）要求越高。
2. 热控是物理瓶颈，不是软件问题
HPC/AI 芯片 TDP 冲到 1000W+，测试时满载跑，热量恐怖。普通 handler 温控到不了这个级别。Cohu 的 Eclipse + T-Core（Active Thermal Control）做到 3kW 散热能力，是目前极少数能"量产级"处理这种热密度的方案。
Eclipse 平台：核心增长引擎
Eclipse 是 Cohu 2024 年推出的新平台，专门瞄准 AI/HPC 测试：
- pick-and-place 架构，支持 up to 16 颗芯片并行测试
- 三温测试（-45°C ~ +155°C）
- T-Core ATC 热控：3kW 散热，可扩到 4kW
- 高 socket force：应对大尺寸封装的平整度要求
- 吞吐量：~12K UPH（units per hour）
关键订单节奏：
- 2025.09 — 某美国头部半导体厂选型 Eclipse 做下一代 AI 处理器量产测试
- 2026.03 — 同一客户追加第二笔多台订单，确认还有第 2 个客户在用
- 2026.04 — 再拿 ~$30M 后续量产订单，来自 2 个客户，后面几个季度交付
管理层口径：2026 年 HPC 细分收入预计 $65-80M（内部指引上沿），pipeline 约 $750M 覆盖 12 个客户（GPU、CPU、ASIC、网络处理器）。
财务快照
| 指标 | FY2023 | FY2024 | FY2025 (TTM) |
|---|---|---|---|
| 营收 | $636M | $402M | $453M |
| 毛利率 | 47.6% | 44.8% | 34.5% |
| 净利 | +$28M | -$70M | -$74M |
| EPS | +$0.59 | -$1.49 | -$1.59 |
| FCF | — | — | ~$40M (TTM) |
营收从 2022 峰值 $813M 跌下来，2023-2025 处于半导体下行周期，还在亏。毛利率也在恶化（从 ~47% 掉到 ~34%），说明产品组合在变——低毛利的老产品占比高，高毛利的 Eclipse 还在爬坡。
但资产负债表干净：
| 资产负债 | FY2025 |
|---|---|
| 现金 + 短投 | $484M |
| 总负债 | $457M |
| 其中长期债 | $317M（主要是可转债 2026 到期那批） |
| 净负债 | $132M |
| 股东权益 | $786M |
| 流动比率 | 6.4x |
现金够厚，烧得起。流动比率 6.4x 非常安全。不过要注意长期债 $317M 比较大——是 2023 年发了可转债为收购 Xcerra 做融资。
竞争格局
主要竞争对手：
- Advantest（ATE 巨头）：测试机台 + handler 一体化，客户黏性高
- Teradyne：类似，SoC 测试机台 + 协作机器人
- Hon Precision / Delta Design：handler 细分，热控也有布局但不如 Eclipse 聚焦 AI
Cohu 的差异化在 handler 专业化——它不做测试机台（tester），只管 handler + contactor + 热控。更灵活，但也意味着跟 Advantest/Teradyne 不完全在同个竞争层级上。
风险
- 客户集中度：Eclipse 目前就 2 个客户。虽然都是顶级半导体厂，但丢了任何一个都伤筋动骨。
- 周期股：半导体测试设备是高度周期性的——客户 CAPEX 一砍，订单直接蒸发。2023-2025 的业绩暴跌就是证据。
- 还在亏钱：TTM 净亏 $74M，虽然 FCF 勉强正（$40M TTM），但 GAAP 盈利拐点还没到。
- $317M 长期债：虽然是可转债、利息低，但债务绝对值不低。
- AI 测试需求可能被过度定价：$22 亿市值对应 ~$450M 营收，市销率 ~5x。不算贵，但前提是 AI/HPC 测试需求继续加速——如果芯片厂自研测试方案或有替代技术出现，story 会受损。
估值锚
JEFF PT $60，STFL PT $34。当前 $47.7，市值 $22.5 亿。
如果 Eclipse 真的吃下 AI chiplet 测试增量（HPC 收入从 $70M → $150-200M+），叠加传统业务复苏回 $500M+ 营收，这票可能值 3-4x EV/Sales，也就是 $15-20 亿 EV 对应的 $35-50 亿市值。但路径依赖——得看到第三笔大单 + 第二客户上量 + GAAP 转盈。
@Little Jeff 用404K框架生成Vicor深度报告，404K框架生成RMBS（Rambus）、MPWR深度报告 什么是 404？
找到了。404K 不是一个标准框架，是 404K Semi-AI——一个专注 AI/半导体深度研究的微信公号/内容作者。
他发的报告（多在 fxbaogao、Bitget、东方财富等平台）有一套自己的分析方法论，Jeffrey 说的"404K 框架"大概就是这个：
404K 分析框架（6 层）
- 核心判断 — 开篇提炼 1-2 个核心矛盾定调，结合宏观（云厂 CAPEX、利率）和产业（TSMC/ASML 指引）
- 多投行交叉验证 — 汇总 Goldman、JPM、Citi、Morgan Stanley 等近期报告，对比关键指标，做"证据升级"（预测 → 供应链实证）
- 叙事拆解 — 把 AI 硬件拆成 6 条子线（GPU/ASIC、先进封装、存储、电力、数据中心、基板），找"共振点"
- 供应链实证追踪 — 云厂 CAPEX 上修、CoWoS 产能、ABF 缺口、中游瓶颈量化
- 分化与风险 — 云厂分化、AI 商业化裂痕、地缘扰动
- 迭代结论 — 基于新数据滚动更新框架
特点
- 强项：AI 半导体中游（先进封装、基板、设备）与云厂 CAPEX 联动，适合跟踪 2025-2027 AI 超级周期供应链机会
- 局限：完全依赖公开投行研报整合，无一手数据或独家模型
- 风格：长文结构化、每日早报+财报季专题
本质上是把投行研报的逻辑串联起来形成连贯叙事，重点在交叉验证+供应链实证，不是量化模型。
Jeffrey 刚才 COHU 那篇的数据来源写的"Cohu IR + 404K框架"，意思就是 Cohu 官方 IR 材料 + 404K Semi-AI 对该赛道的分析逻辑。
共识二：N3产能利用率超过100%，紧张局面将持续到2027年
摩根大通的报告最为直接：N3产能利用率超过110%，N3收入将在2026年增长两倍。高盛4月8日的报告则得出结论，先进工艺产能紧张的局面至少会持续到2027年及以后。这与之前引用的瑞银数据相符——瑞银预测，2027年N3晶圆总需求量为170.1万片，而产能为171万片，利用率为99%。
高盛3月30日发布的报告揭示了一个被市场忽视的结构性转变：基于云的AI芯片正从N4架构转向N3架构，到年底，AI芯片的需求将占N3芯片总需求的约60%。这意味着N3芯片的生产线将迅速被AI订单填满，从而挤压智能手机和消费电子产品的产能空间。然而，高盛也指出，智能手机和消费电子产品订单的减少被AI芯片的需求所弥补——台积电的产能利用率并未因消费需求疲软而下降，反而因AI芯片需求的激增而上升。 什么是n3 和 n4
摩根大通的报告最为直接：N3产能利用率超过110%，N3收入将在2026年增长两倍。高盛4月8日的报告则得出结论，先进工艺产能紧张的局面至少会持续到2027年及以后。这与之前引用的瑞银数据相符——瑞银预测，2027年N3晶圆总需求量为170.1万片，而产能为171万片，利用率为99%。
高盛3月30日发布的报告揭示了一个被市场忽视的结构性转变：基于云的AI芯片正从N4架构转向N3架构，到年底，AI芯片的需求将占N3芯片总需求的约60%。这意味着N3芯片的生产线将迅速被AI订单填满，从而挤压智能手机和消费电子产品的产能空间。然而，高盛也指出，智能手机和消费电子产品订单的减少被AI芯片的需求所弥补——台积电的产能利用率并未因消费需求疲软而下降，反而因AI芯片需求的激增而上升。 什么是n3 和 n4
N3 和 N4 是台积电的制程节点代号，代表芯片制造工艺的"代际"。
简单类比
把芯片想成一座城市，制程节点就是"最小建筑间距"。数字越小 = 间距越小 = 同样面积能塞更多晶体管 = 芯片更强、更省电。
N4（4nm 级）
- 实际上是 N5 家族的增强版（N5 → N4 → N4P → N4X）
- 2022 年量产，是目前 AI 芯片的主力制程
- NVDA H100 / B200、AMD MI300X、苹果 A16 用的就是 N4 家族
- 成熟、良率高、产能充足
N3（3nm 级）
- 真正的新一代节点，从 N5/N4 跨了一个完整世代
- 2023 年底量产，是当前最先进的量产制程
- 比 N4：逻辑密度提升 ~1.6x，同性能下功耗降低 ~30%，同功耗下速度提升 ~15%
- 苹果 A17 Pro / M3 首发，现在 AI 芯片正在从 N4 → N3 迁移
为什么这个迁移很重要（回到你刚才看的报告）
高盛说的逻辑其实就一句话：
AI 芯片正从 N4 换成 N3。N3 产能就这么点（~17 万片/月），AI 客户抢着下单把产能塞爆了，手机和消费电子被挤出局。但对台积电来说无所谓——反正都是满载，AI 订单还更赚钱。
所以 N3 产能紧张 → 台积电议价权增强 → 代工价格上升 → 利好台积电 + N3 供应链（先进封装、测试、设备等），而 N4 是"旧产能"，增量故事在 N3。