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

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。

探針卡需求跟著晶片複雜度走

AI 晶片從 GPU 擴展到 TPU、ASIC 與各種客製化加速器，意味著測試規格不再只有一套。不同的 pin count、頻率、功耗與封裝方式，都可能需要不同的測試介面。探針卡因此不是單純的耗材，而是晶圓測試流程裡很重要的工程元件。

這種需求的好處是，晶片設計越複雜，測試介面越難以用最低價格替代；但風險也包括客戶集中、產品認證期與新平台切換。當某一款晶片延遲量產，相關測試需求也可能延後。

我會把探針卡公司放回客戶平台與測試設備的脈絡，觀察產品組合、重複訂單與研發支出，而不是只把 AI 標籤套上去。

如果要把這篇的產業訊號延伸到公司與供應鏈關係，可以使用台股喵的供應鏈關聯探索整理閱讀路徑，再回頭核對公司公告與財報。

作者

謝銘元（艾克斯）