AI视觉算法应用 - AI算法已全面导入机器视觉产品包括AOI SPI AXI点胶设备等在元件定位缺陷检测及自动编程环节广泛应用实现产品性能突破性提升[1] - 在半导体封测外观缺陷检测和内部缺陷检测环节检测准确率与误报控制能力显著提升[1] - 在运动控制层面实现对不同PCB基板停板状态的精确控制[1] 半导体封测业务进展 - 半导体封测产品针对键合工艺和post dicing工艺环节进行外观缺陷检测已实现小批量出货[2] - 3D在线X射线检查设备AXI针对功率器件进行内部缺陷检测已与客户开展验证测试[2] - 针对先进封装有相应技术储备[2] 技术迭代方向 - 已全面导入自主研发的AI算法模型结合传统算法提升机器视觉产品竞争力[2] - 产品销量持续上升未来计划全面转向AI算法[2] 出口业务表现 - 上半年出口金额达1.29亿较去年上半年7700万增长较快[2] - 增长主要源于消费电子半导体等领域因市场需求变化客户全球化布局新增海外客户及部分境内客户出海带动产品出口[2] 其他业务布局 - 控制线缆组件业务部分产品用于光刻设备[2] - 投资的苏州芯动能基金主要投资于半导体产业链包括奕斯伟集创北方等项目回报良好[2] - 在PCB行业检测设备可应用于相关产线主要客户包含苹果华为等知名企业或其代工厂商[2] - 下游客户产能扩张将提升对机器视觉设备需求公司力争提升设备销售规模[2] 人形机器人业务状态 - 具备3D结构光技术目前尚未针对人形机器人进行产业化布局[2] 客户关系说明 - 目前与宇树科技无直接业务往来[2]

AI视觉算法与产品进展 - AI算法已全面导入AOI、SPI、AXI及点胶设备，显著提升产品性能和竞争力 [1] - 在半导体封测外观缺陷检测中开发多项AI算法（陶瓷裂纹、IC外观缺陷、蚀刻工艺、IGBT焊点检测），缩短调试周期并提升检测效率与稳定性 [1] - 基于深度学习的内部缺陷检测模型实现复杂封装元件精准定位与空洞检测，准确率和误报控制能力显著提升 [2] - 结合深度学习开发MCB控制板自适应传送系统，实现PCB基板停板状态的精确控制 [2] - 当前采用传统算法与AI算法结合，未来将全面转向AI算法 [4] 半导体封测业务布局 - 产品覆盖键合工艺和post dicing工艺环节的外观缺陷检测，已实现小批量出货 [3] - 3D在线X射线检查设备（AXI）可检测功率器件内部缺陷，正与客户开展验证测试 [3] - 针对2.5D/3D先进封装技术已进行技术储备 [3] - 多款半导体封测AOI产品通过头部半导体客户认证 [4][5] 国际市场与客户拓展 - 2025年上半年出口金额1.29亿元，较去年同期7700万元增长67.5% [4][5] - 增长原因包括国际化布局推进、新增海外客户及境内客户出海带动产品出口 [4][5] - 主要客户包括苹果、华为、小米、比亚迪、京东方、海康威视或其代工厂商 [6] 技术应用与业务边界 - 具备3D结构光技术但仅限工业领域，目前未布局人形机器人业务 [4][5] - 控制线缆组件部分产品可用于光刻设备 [4][5] - 与宇树科技无直接业务往来 [5] 投资与产业链协同 - 苏州芯动能基金投资半导体产业链项目（奕斯伟、集创北方、熹联光芯、上海菲利华），回报良好 [5] - PCB检测设备覆盖SMT全流程（2D/3D AOI、3D SPI、点胶设备、AXI），与行业景气度高度关联 [6] - 下游产能扩张带动机器视觉设备需求，公司通过AI算法迭代提升设备销售规模机会 [6]

技术应用 - 公司AI算法已全面导入包括AOI、SPI、AXI、点胶等产品 [1] - AI算法广泛应用于元件定位、缺陷检测及自动编程等多个环节 [1] - 在运动控制层面，公司结合深度学习算法开发了MCB控制板的自适应传送系统 [1] - 实现了针对不同PCB基板停板状态的精确控制 [1]

芯片资源管理挑战 - 芯片资源管理不善增加了功率、性能和面积权衡的复杂性，可能导致性能瓶颈、开发成本上升和功耗管理困难[1] - 跨芯片通信的固有延迟比单个芯片内更长，随着芯片数量增加，相互通信的功耗变得更难管理[1] - 系统和处理器供应商通过增加计算密度提高性能，通过提高产量降低成本，但使用第三方芯片优化系统更为困难[1] Chiplet设计方法论 - 许多公司首次尝试chiplet设计时错误地从芯片内部开始工作，而非从系统角度出发，导致在互操作性和通用性方面陷入困境[2] - 正确方法应从系统总线和NoC开始，优化NoC和系统总线及协议（如CHI或AXI），针对具体应用和目标市场调整功率、性能和面积[2] - 所有芯片组的系统总线必须相同，理想情况下I/O互连是通用的，这给IP供应商带来了新的挑战[2] Chiplet市场分类 - Chiplet市场分为专属市场（单一供应商）、本地生态系统（5-7家公司合作）和开放市场（多供应商互连）[3] - 目前95%-99%的chiplet市场属于专属市场，大型制造商追求超越标准的关键性能指标（KPM）[3] - 本地生态系统的例子包括日本和欧洲汽车供应商群体，以及RISC-V公司联盟[3] 芯片分区策略 - 行业正从专属生态系统向本地生态系统过渡，芯片开发人员寻求最佳构建方法[6] - 简化方法包括按技术划分芯片，将模拟部分放在更高工艺节点，处理低工艺节点的能耗问题[6] - 功能分区可构建更大系统而不必将所有组件放在同一SoC上，例如汽车ADAS解决方案中的功能分组[6] Chiplet互操作性挑战 - 实现可互操作的chiplet市场比许多人意识到的更困难，需要良好的验证IP和一致认可的标准[9] - UCIe等标准仅提供最低级别的连接，无法确保芯片间的相互理解，需要更高级别的通信协议[9][10] - 行业初期过于关注物理层接口定义，而忽视了资源管理层面的问题[11][12] 行业发展趋势 - 行业正探索如何在封装中即插即用多供应商chiplet，面临架构设计和资源管理的挑战[12] - 美国政府通过NAPMP计划推动完全自动化的1000个芯片封装设计流程，涉及复杂的启动过程和信任链定义[12] - 代工厂提供的微米间距混合键合技术为3D堆叠chiplet创造了新机会[12]