AI 相关业务深度拆解

科休 在 AI 产业链中的真实卡位是：半导体后道测试、分选与测试接口。AI 芯片、HBM、先进封装、汽车和工业芯片复杂度提升后，测试时间、热控、接触可靠性和分选精度变得更关键，公司受益于测试强度提升。 这一定义决定了研究重点：不是问“公司是否提到 AI”，而是问 AI 需求是否改变了客户预算、采购规格、交付节奏、定价能力和续约/复购行为。

单平台价值量：单平台价值量 = 测试单元/handler × 接触器消耗 × 热控要求 × 服务备件；AI 增量来自测试复杂度，而不是芯片 ASP。 对 科休 而言，company-rich 未披露的单客户收入、单项目价值量或 AI 收入占比不应被外部估算替代。可以做的，是跟踪产品线中与 AI 更相关的项目是否在季度桥里体现为收入加速、毛利率改善、订单质量提高或 FCF 改善。

季度桥如下：

指标	FY2014Q1	FY2015Q1	FY2016Q1	FY2017Q1	来源
收入	68.417	68.068	65.778	81.097	SEC XBRL companyfacts
营业利润	-3.418	-1.705	-1.732	8.02	SEC XBRL companyfacts
净利润	-3.347	-2.74	-1.911	6.763	SEC XBRL companyfacts
FCF	-9.672	3.144	-2.354	-8.632	SEC XBRL companyfacts

注：单位为 US$M；缺失项以 “—” 保留，不用行业均值填充。 缺失期项以 — 表示，未用估算填充。

从桥接逻辑看，AI 传导路径可以写成：

AI 应用与算力需求
  -> 客户预算、项目规格、数据/电力/冷却/软件工作流变化
  -> 科休 相关产品线订单或续约
  -> 收入确认、mix 改善或产能利用率变化
  -> 毛利率、OPM、CFO 与 FCF
  -> 市场重新评估增长质量

天花板与替代风险：天花板由 OSAT/IDM 资本开支、测试时间、封装复杂度和汽车/工业周期决定；替代风险来自 Advantest、Teradyne、客户自研接口和资本开支推迟。 如果公司后续披露的 AI 相关项目只是试点、一次性硬件、低毛利交付或由营销话术包装的传统业务，则不应给予高权重；反之，若订单具有多年合同、客户切换成本、续约扩容和利润率改善，AI proxy 才能进入核心估值框架。

供应链情景拆解：

链条环节	依赖	上行情景	下行情景
AI 芯片后道测试	依赖 GPU、AI ASIC、HBM 控制器和高速互连芯片出货，以及封装后测试复杂度	芯片功耗、I/O 数、封装复杂度和可靠性要求提升，会提高测试时间、分选精度和接口价值量	若 AI 芯片出货集中在少数头部客户自有流程，第三方后道设备份额和订单弹性可能受限
OSAT 资本开支	依赖 Amkor、ASE、JCET 等封测厂扩产节奏和产能利用率	先进封装、汽车和工业芯片需求推动 OSAT 扩产时，分选机、处理机和测试接口订单增加	若 OSAT 产能利用率下降或资本开支延后，设备订单会明显滞后
测试接口与耗材	依赖探针、socket、contactor、load board 等高频高可靠接口设计和更换周期	高引脚数、高速信号和高并行测试增加接口难度，带来更高附加值和复购需求	若客户延长耗材更换周期或转向低价替代，毛利和经常性收入会承压
视觉检测与自动化	依赖机器视觉、运动控制、软件算法和工厂自动化集成能力	封装缺陷更细微、出货质量要求更高时，自动外观检测和数据化良率管理价值提升	若客户以通用自动化方案替代专用检测设备，科休差异化会被削弱
成熟制程与汽车工业芯片	依赖汽车、工业、模拟、功率和传感器芯片的产能利用率	汽车电子和工业控制恢复增长时，可平滑 AI 高端芯片订单波动	成熟制程库存去化不顺会拖累测试分选设备需求，使公司短期不完全受益于 AI 热度
服务与备件	依赖全球装机基数、设备稼动率和客户维护预算	装机基数扩大后，备件、维护、升级和现场服务可形成更稳定收入	若客户降低稼动率或推迟维护升级，经常性收入也会随周期转弱

这些情景是判断 AI 业务质量的前置变量。上行情景只有穿透到订单、价格、交付和现金流才算兑现；下行情景若已经在管理层口径、客户公告或财务桥中出现，就不能再用行业长期空间来掩盖短期反证。

产业链位置

上游/依赖	下游/被谁依赖	竞品/替代
THK：提供线性运动、导轨和自动化机械部件，影响分选机速度、精度和可靠性	Amkor Technology：OSAT 客户，先进封装和大规模后道测试产能扩张会带动测试处理与接口需求	Advantest：半导体测试设备龙头，在 SoC、存储和高端测试平台上竞争，同时影响后道测试生态
Keyence：提供传感器、视觉和检测相关部件，是自动化检测和设备控制链条的重要供应商	ASE Technology：封测龙头，依赖分选、接口和检测设备提升测试吞吐、良率和自动化水平	Teradyne：ATE 龙头，覆盖半导体自动测试系统，与科休在测试生态和客户预算中竞争
Omron：提供工业控制、传感、继电器和自动化元件，服务后道测试设备控制系统	Intel：IDM 和先进封装客户，AI 加速器、CPU 和封装产品需要高可靠后道测试能力	Chroma ATE：测试设备供应商，覆盖半导体、电源、功率器件和自动化测试场景
Smiths Interconnect：提供互连、探针和高可靠连接方案，与测试接口和高频信号传输能力相关	Texas Instruments：模拟和嵌入式芯片客户，汽车与工业芯片测试需求支撑成熟制程后道设备	Boston Semi Equipment：提供测试处理机和后道设备，在特定分选与处理场景竞争

产业链坐标可以概括为：

上游资源、云/模型/设备/材料/能源/工程能力
  -> 科休 的产品、平台、项目或运营能力
  -> 下游客户的 AI 工作流、数据中心、半导体、电力、工业或汽车应用
  -> 终端需求、预算周期和监管/合规约束

上游分析：THK、Keyence、Omron、Smiths Interconnect 对 科休 的意义不只是供应来源，还包括成本、交付、技术路线和合规边界。若上游是云算力或模型，核心变量是推理成本、可用性、安全和数据治理；若上游是材料、设备或能源，核心变量是价格、交期、纯度/可靠性和长协条款；若上游是监管和电网，核心变量是审批、费率、并网和成本回收。

下游分析：Amkor Technology、ASE Technology、Intel、Texas Instruments 代表公司 AI 叙事的需求侧。需要区分“被客户试用”“进入客户生产系统”“形成多年合同或续约”三种强度。只有第三类才会显著改变收入质量。若客户只是把 科休 作为众多供应商之一，议价权和替代风险会更高；若客户在流程、认证或基础设施上深度绑定，利润率和现金流更可能改善。

竞品和替代：Advantest、Teradyne、Chroma ATE、Boston Semi Equipment 是直接竞争集合，但真正的替代还可能来自客户自建、平台打包、技术路线变化和区域供应链重构。研究上不应只比较公司名气，而要比较客户认证、交付能力、单位经济、生态位置和反证信号。

竞争格局与市场份额

公司	定位	相对差异	反证观察
Cohu	后道测试处理、分选、测试接口、视觉检测和服务平台	更贴近测试单元周边的机械处理、接口和耗材，收入同时受设备订单和装机服务驱动	若其在目标客户、产品性能、价格或生态上持续胜出，则 COHU 的 AI 溢价应下修。
Advantest	高端 ATE 龙头，覆盖 SoC、存储和 AI 芯片测试平台	核心在测试机主平台，AI 高端芯片测试弹性更直接，规模和客户深度强于科休	若其在目标客户、产品性能、价格或生态上持续胜出，则 COHU 的 AI 溢价应下修。
Teradyne	自动测试设备龙头，覆盖半导体、系统测试和机器人业务	ATE 主机和大客户平台能力更强，科休更偏处理机、接口和周边自动化	若其在目标客户、产品性能、价格或生态上持续胜出，则 COHU 的 AI 溢价应下修。
Chroma ATE	测试与量测设备供应商，覆盖半导体、电源、功率和自动化测试	在功率、车用和系统测试场景有广覆盖，与科休在部分终端测试方案上竞争	若其在目标客户、产品性能、价格或生态上持续胜出，则 COHU 的 AI 溢价应下修。
Boston Semi Equipment	测试处理机和后道测试设备供应商	更聚焦特定后道处理设备市场，规模较小但在局部客户和应用中构成竞争	若其在目标客户、产品性能、价格或生态上持续胜出，则 COHU 的 AI 溢价应下修。

竞争格局必须分层讨论。第一层是同类产品或服务竞争：谁能以更高可靠性、更低总拥有成本、更快交付或更好集成进入客户预算。第二层是平台竞争：软件公司会被办公套件、CRM、ITSM、开发平台或开源模型打包替代；工业公司会被垂直专精厂商、客户自建和低价双供挑战；能源和公用事业公司会被自备电源、其他州/区域项目和监管限制分流。第三层是资本竞争：AI 相关项目往往要求更高 capex、研发或销售投入，资金成本和资产负债表质量会影响最终份额。

市场份额口径：company-rich 没有给出可审计的具体份额时，本文不编造“全球第几”或“占比 X%”。可采用的替代指标包括订单/合同披露、客户案例数量、收入增速是否快于同业、毛利率是否体现差异化、应收和库存是否健康、以及管理层对相关终端市场的连续表述。若只有收入增长、没有利润率和现金流改善，说明份额可能靠价格或项目制拉动，质量低于真正的技术/平台份额。

竞争态势判断：科休 的同业比较重点不在于谁更像 AI 公司，而在于谁拥有更强的客户入口和更低的替代成本。高可靠接触、热控、运动控制、视觉检测、客户程序适配和备件服务构成壁垒。 若竞争者能够以平台捆绑、低价、监管优势或更快交付进入同一客户，科休 的增长会先体现在订单转化放慢，再体现在毛利率和续约率承压。反之，若公司在多个客户和多个周期中持续获得设计导入、长期合同或扩容，说明竞争优势不仅是当期景气。

护城河

1. 技术与产品护城河：高可靠接触、热控、运动控制、视觉检测、客户程序适配和备件服务构成壁垒。 对 科休 来说，技术壁垒必须能在客户选择中转化为更高续约率、更高 attach、更稳定价格或更短交付风险，而不是停留在产品手册。证据应来自产品线披露、客户案例、利润率和订单持续性。1

2. 客户认证与切换成本：AI 相关客户通常不愿在生产环境中频繁切换关键供应商。软件客户担心权限、数据、流程和培训成本；数据中心和公用事业客户担心停机、并网和监管；半导体与工业客户担心良率、可靠性和质量体系。科休 若已进入关键流程，优势会表现为续约、扩容和售后服务，而不是一次性订单。

3. 规模与成本护城河：规模可以带来采购、研发、渠道、服务和交付优势，但规模本身不是护城河。真正有效的是规模能否降低单位成本、提高供应优先级、摊薄固定费用或增强客户信任。company-rich 的财务锚点提供了初步判断：FY2017 FY 收入 US$352.7M，毛利率 39.9%，营业利润率 9.9%，FCF US$33.7M。1

4. 生态与渠道护城河：上游 THK、Keyence、Omron、Smiths Interconnect、下游 Amkor Technology、ASE Technology、Intel、Texas Instruments、竞品 Advantest、Teradyne、Chroma ATE、Boston Semi Equipment 共同构成公司的外部生态。若公司能同时被上游伙伴和下游客户纳入标准流程，其位置更稳；若只能依靠单一客户、单一项目或单一政策，护城河要打折。

5. 财务质量护城河：

指标	company-rich 锚点	来源/口径
收入	US$352.7M	SEC XBRL companyfacts
毛利率	39.9%	FY2017 FY
营业利润率	9.9%	FY2017 FY
自由现金流	US$33.7M	FY2017 FY

company-rich 财务质量检查：FY2017 FY 毛利率 39.9%，毛利 US$140.7M；FY2017 FY 营业利润率 9.9%，营业利润 US$34.7M；FY2017 FY 净利率 9.3%，净利润 US$32.8M；FY2017 FY FCF US$33.7M。 利润率口径：毛利率 GM 39.9%、营业利润率 OPM 9.8%、净利率 NM 9.3%。

财务质量的验证重点不是某个单季利润高低，而是收入增长、毛利率、OPM、CFO/FCF 和资本开支之间是否一致。AI 叙事最强的公司通常会出现“收入增长 + mix 改善 + 现金流跟随”的组合；若只出现收入而没有现金流，说明公司可能处在低质量扩张或项目爬坡阶段。

误读纠偏 / 风险与证伪

误读一：只要公司处在 AI 产业链，就能把全集团收入按 AI 倍数重估。纠偏：科休 的 AI 暴露必须从产品、客户、订单和利润率验证。本文把 AI 相关性写成 proxy，而不是公司披露收入；未披露的 AI 收入、单客户占比和市场份额不做精确填充。

误读二：收入增长必然代表 AI 需求兑现。纠偏：收入可能来自价格、并购、传统周期、一次性项目或低毛利交付。真正的验证是收入增长同时伴随毛利率、OPM、现金流或长期合同质量改善。若增长依赖资本开支和应收拉动，产业逻辑需要降级。

误读三：同业竞争只看产品功能。纠偏：AI 相关采购更看重可靠性、合规、交付、生态集成和总拥有成本。Advantest、Teradyne、Chroma ATE、Boston Semi Equipment 之外，客户自建、平台打包、区域监管和技术路线变化也会改变竞争边界。

误读四：财务数字可以用行业平均补齐。纠偏：本文严格沿用 company-rich；没有披露的毛利率、客户占比、订单金额、市场份额和单平台价值量只写“未披露/待核实”或用公式表达。

风险与证伪信号：

1. 公司连续多个报告期披露测试处理、接口或检测订单未随 AI 和先进封装需求改善，且 backlog 缺乏恢复信号
2. 主要 OSAT 客户公开削减后道测试设备资本开支，并将重点转向内部自制或其他供应商方案
3. Advantest、Teradyne 或区域竞争对手在高并行、高速或先进封装测试处理场景取得可验证替代
4. 测试接口耗材价格或更换频次公开承压，导致服务和接口业务不能提供预期的经常性收入支撑
5. 成熟制程、汽车和工业芯片库存调整持续拉长，使公司多终端分散优势转变为周期拖累
6. 公司在年报或电话会中明确下调长期增长假设，并把客户集中、价格竞争或产品竞争力列为主要原因

需要跟踪的正向/中性信号：

1. 观察公司订单、backlog 和 book-to-bill 是否随先进封装、AI 芯片和汽车工业需求改善而恢复
2. 观察测试接口与服务收入占比和毛利稳定性，这是判断其是否能穿越设备周期的关键

披露边界和研究 caveat：

1. 科休不是 ATE 主机龙头，AI 测试主平台增量不应全部映射到公司收入
2. 后道设备订单对 OSAT 资本开支和成熟制程库存周期敏感，短期波动可能大于 AI 长期逻辑

最终证伪框架：如果未来 2-4 个季度只看到 AI 叙事增强，却看不到订单、收入质量、毛利率、现金流或客户留存改善，本文对 科休 的产业判断应下修；如果公司连续披露高质量订单、利润率改善、现金流跟随和客户扩容，则 AI proxy 才能从主题暴露升级为可持续基本面驱动。

反证跟踪矩阵：

频率	变量	正向解释	负向解释
季度	收入与订单/合同口径	AI 相关需求开始穿透到交付或续约	只有叙事、没有收入确认或订单支撑
季度	毛利率与 OPM	mix、定价或规模效应改善	价格竞争、成本、折旧、推理费用或项目爬坡吞噬增量
季度	CFO/FCF	利润能转化为现金，增长质量较高	应收、库存、capex 或融资压力掩盖利润质量
半年	客户与生态信号	下游把公司纳入标准流程、长期合同或核心平台	客户转向自建、双供、平台打包或竞争方案
年度	资本开支/研发/产能	投入与已验证需求匹配，形成更高进入壁垒	扩张领先需求，造成利用率、折旧或资产负债表压力

执行上，先用 company-rich 的季度桥和财务质量检查确认硬数字，再用产品、客户、同业和反证项解释数字变化。若硬数字与产业叙事相反，以硬数字为先；若硬数字缺失，则保留“待核实”，不把行业长期空间写成公司已经兑现的事实。

数据缺口处理原则：本文把缺失信息分成三类。第一类是公司未披露但可由财报直接验证的项目，例如分部收入、毛利率、CFO、capex 和 FCF，后续只能等公司公告或 filings 更新。第二类是产业链常识可以判断方向、但不能锁定精确数字的项目，例如单平台价值量、客户份额、AI 收入占比和市场排名，这类只允许写“行业估算”或公式，不写确定值。第三类是传闻、渠道反馈或未交叉验证的客户名，这类不进入结论，只能作为待核实线索。这样处理的目的，是让产业逻辑足够厚，但不牺牲可审计性。

Sources

[1] company-rich 本地数据锚点：astro/src/data/company-rich/cohu.json — as of 2026-06-23 [2] 公开年报/产业公开资料 [3] SEC Form 4 via holdings.db — as of 2026-06-24 — https://www.sec.gov/edgar/search/ [4] SEC 13F holdings via holdings.db — as of 2026-06-24 — https://www.sec.gov/edgar/search/ [5] SEC XBRL companyfacts via holdings.db — as of 2026-06-24 — https://data.sec.gov/