公司技术应用 - 在线短租市场平台使用机器学习驱动的“反派对技术”来识别可能导致破坏性派对的更高风险预订 [2] - 该技术通过评估“数百个信号”来识别整租房源的高风险预订 随后会完全阻止该预订或将其引导至其他类型的房源 如私人房间或酒店房间 [2] - 用于评估预订风险的信号包括 旅行时长 房源类型 房源与客人所在地的距离 以及预订时间 [3] - 例如 在2024年新年前夜 公司阻止了整租房源中高风险的一晚 两晚或三晚预订 [3] 技术实施效果 - 在去年新年前夜前夕 公司的反派对技术在美国阻止了20,000人的预订 在加拿大阻止了3,000人的预订 [4] - 自公司宣布全球禁止破坏性派对以来的五年里 与派对相关的投诉率下降了超过50% [4] - 公司于2022年推出了预订筛查技术 并表示该技术有助于减少破坏性派对的发生 此后一直在扩展该技术 [4] 公司政策与社区措施 - 公司禁止第三方预订以及任何18岁以下人士无人陪同的入住 [6] - 公司敦促成年人关注未成年人的社交媒体活动 [6] - 公司为当地居民提供邻里支持热线 用于举报他们认为在平台上挂牌的房屋中正在进行的派对 [6] - 公司为美国房东提供免费噪音传感器 [6] - 公司于2020年8月宣布全球派对禁令 原因是此前对未经授权派对的禁令被部分客人或房东忽视 [7]

行业背景与公司定位 - Digital Turbine (APPS) 与 PubMatic (PUBM) 同属数字广告市场，但服务于不同细分领域 [1] - Digital Turbine 是深度集成的设备端广告和应用分发平台 [1] - PubMatic 是供应方平台，帮助广告发布商以程序化方式销售广告库存 [1] - 根据 Grand View Research 报告，广告技术市场预计在2025年至2030年间将以14.4%的年增长率增长 [2] Digital Turbine (APPS) 的增长动力 - 公司的应用增长平台(App Growth Platform, AGP) 连接需求方平台和发布商，正获得巨大关注 [3] - 在2026财年第二季度，AGP的广告展示量同比增长30% [4] - AGP平台采用每千次展示成本或每次安装成本模式，并通过实施人工智能和机器学习来改进定向和广告支出回报率 [4] - 公司利用其第一方数据引擎 Ignite Graph 和人工智能/机器学习预测平台 DTiQ 来改进广告定向、广告支出回报率和用户体验 [5] - AGP业务部门收入同比增长20%，达到4470万美元 [5] - 设备端解决方案业务在美国和国际市场，每设备收入同比增长超过30% [6] - 定价、填充率和优质广告位的改善也为公司带来顺风 [6] PubMatic (PUBM) 的增长战略 - 公司利用联网电视、人工智能驱动的自动化和供应方数据智能来推动增长 [7] - 公司正积极扩展和多元化其需求方平台组合，减少对传统买家的依赖，并专注于中型需求方平台合作伙伴 [7] - 中型需求方平台合作伙伴已成为强大的增长引擎，来自这些合作伙伴的广告支出同比增长超过25% [8] - 公司在2025年新增了超过25个新的需求方平台合作伙伴，拓宽了需求选择 [8] - 公司与一家前三的需求方平台推出了程序化保量交易，实现了更高效的联网电视和优质视频交易供应路径优化执行 [9] - 在2025年第三季度，供应路径优化占所有平台活动的55%以上 [9] - 公司大力投资人工智能，构建了涵盖基础设施、应用和交易的三层人工智能系统 [10] - 公司与英伟达合作，将竞价响应速度提高了五倍，减少了拍卖超时，每台服务器处理的广告请求量增加了三倍 [10] 股价表现与估值比较 - 过去一年，APPS股价飙升了246.2%，而PUBM股价下跌了42.7% [11] - APPS的估值指标为12个月追踪市净率3.75倍，高于PUBM的1.76倍 [15] 盈利预期比较 - Zacks对Digital Turbine 2026财年盈利的一致预期意味着同比下降5.7%，该预期在过去60天内被下调 [13] - Zacks对PubMatic 2025年盈利的一致预期为每股0.19美元，同比下降75.6%，但该预期在过去30天内被上调 [13] 结论与公司现状 - APPS受益于强劲的设备端需求、不断扩展的数据能力和快速的收入增长 [14] - PUBM则利用联网电视、人工智能创新和多元化的需求方平台组合来加强其长期护城河 [14] - PUBM面临宏观压力以及传统需求方平台客户支出减少的问题，这促使其改变商业模式 [17] - 目前，APPS的Zacks评级为1，而PUBM的评级为3 [17]

AI数据中心内存需求专家洞察电话会议纪要 涉及的行业与公司 * 行业：美国IT硬件、半导体、内存、存储、AI数据中心[1] * 提及的公司：Google、Grok、OpenAI、Anthropic、Amazon、NVIDIA、Cerebras、IBM、华为、DeepSeek[14][18][29][32][35][36] * 覆盖的上市公司：希捷科技(STX)、西部数据(WDC)、SanDisk(SNDK)、三星电子(005930.KS/005935.KS/SMSN.LI)、SK海力士(000660.KS)、美光科技(MU)、铠侠(285A.JP)[7] 核心观点与论据 AI训练与推理的内存需求差异 * AI训练对内存的需求远高于推理[2] * 训练需要存储大量数据，包括模型权重、激活值、梯度、优化器状态和频繁的检查点[2][15] * 推理只需存储临时张量和KV缓存以实现快速响应，内存需求低得多[2][15] * 以一个中等规模模型为例，训练消耗约1TB的合计内存，而推理需求则低得多[2] * 一个700亿参数的通用模型需要140GB存储权重，加上激活值等增加500GB，梯度再增加140GB，总计接近1TB[16] * 当前趋势是模型规模向万亿参数发展，例如Gemini 3.0、Kimi K2，规模是上述例子的10倍[16] 供需失衡与价格影响 * AI的快速普及导致内存需求和价格急剧上升，令超大规模云服务商措手不及[3][26] * 供需失衡推高了HBM和DRAM等关键组件的成本[3] * HBM4每堆栈的成本预计将比HBM3高出近50%[21] * 超大规模云服务商正在签署多年期HBM采购保证，为未来晶圆厂预付款，并进行垂直整合[29] * 需求远超供应，导致HBM、DRAM、SSD等价格全面上涨[21][29] 存储技术趋势：从HDD转向SSD * 由于HDD短缺，许多超大规模云服务商已转向SSD[4] * SSD比HDD贵5到10倍，但公司愿意承担更高成本以继续推进其模型[4][40] * 在某些用例中，SSD提供更优性能、更低的运营成本、更低的功耗和最小的冷却需求，从而降低总体拥有成本[4] * SSD具有更高的IOPS，无机械部件，冷却要求低，占用空间小[38][42] * 一个10年期的TCO案例研究显示：HDD总成本约为8000万至8500万美元，而SSD仅为3000万至4000万美元，SSD在电力、空间和维护成本上显著节省[46] 训练与推理的存储需求差异 * 训练对存储的需求极高，推理则相对较低[19][24] * 训练需要存储从TB到PB级的数据集，频繁的检查点需要大量写入，模型文件庞大，日志记录持续不断[24] * 训练对存储的总需求是推理的100到1000倍[24] * 最小模型(约70亿参数)的数据集为1到5TB，而Gemini 3.0、Claude 4.5、ChatGPT 5.0等最先进的多模态模型的整个训练需要1到5PB的存储[25] * 推理主要使用SSD进行快速模型加载，SATA SSD或HDD很少使用，因为推理需要快速服务和加载模型[25] TPU与GPU的对比 * TPU专为机器学习构建，架构针对大型深度学习任务优化，与GPU相比，具有更低的TCO、更高的每瓦性能以及卓越的可扩展性[4][49][51] * GPU拥有成熟的生态系统和更广泛的软件支持，尽管能效相对较低，但更适合快速原型设计和小规模项目[4][50] * TPU使用称为脉动阵列的专用设计，像工厂流水线，超级优化，在训练大批量作业时，TPU的能效和短时间扩展能力比GPU好2到3倍[51] * TPU使用VMEM(向量内存)在芯片上存储数据，使其超高速，并且每芯片容量要求更低，所需内存更少[53] * TPU未被广泛使用的主要原因是生态系统挑战和灵活性，用户基本上被锁定在GCP中使用[54][56] 新兴内存技术 * 高带宽闪存是一种新兴技术，旨在通过提供TB级的快速非易失性内存，来弥合传统DRAM和SSD存储之间的差距[5] * 这种新的内存层级有望降低能耗和冷却成本，同时为AI推理工作负载提供所需的高速，是下一代数据中心的有前景的解决方案[5] * SanDisk与SK海力士正在合作开发高带宽闪存，目标是为AI推理工作负载提供TB级内存，作为HBM和PCIe连接SSD之间的新快速访问内存层级[57] 中美AI发展对比 * 主要的前沿模型如Gemini、ChatGPT等均由美国公司开发，美国整体领先于中国[35] * 中国的模型(如华为盘古)参数规模接近1万亿，但基于评估，其性能未见超越美国模型[35] * 中国模型训练所使用的内存/硬件量显著低于OpenAI或Gemini[35] * 中国模型采用“蒸馏”等技术，并非从头训练，这使其更快、更高效，所需硬件/内存/训练时间更少[36] * DeepSeek是ChatGPT 4.0的蒸馏模型，这种创新技术有助于在内存供应瓶颈下保持竞争力[36] 行业创新与长期可持续性 * 行业创新，包括更高效的模型架构、先进的量化方法和新芯片的开发，预计将有助于长期管理内存需求并提高整体可持续性[3] * 更高效的模型架构、更激进的量化、新的内存技术、SSD或NAND缩放以及减少内存移动的加速器，将在未来2到5年内缓解压力[21] * 新模型并非全部从头训练，大量采用复用、蒸馏等技术，减少了从头训练的需求[16] * 超大规模云服务商正在采用量化来减少内存使用，采用以SRAM为中心的架构，重新构建推理以压缩缓存，并构建内存池数据中心[29] 其他重要内容 超大规模云服务商需求预测失误的原因 * 几年前发布ChatGPT-3、BARD时，公司并未完全意识到其产品的潜力，认为这只是机器学习的下一步[27] * 随着模型演进，他们意识到这些模型可以轻松获取信息并执行复杂任务，但最初对此没有洞察[27] * 2024年和2025年采用率增长如此之快，导致所有公司都在竞相构建最佳模型[27] * 2023年之前的所有规划都假设训练极其昂贵，推理便宜，可能只需要几个基础模型[28] * LLM在所有消费者应用中爆发，推理变为始终在线，集成到Gmail、Docs等应用中，需求激增[28][29] * 超大规模云服务商低估了AI尤其是内存受限方面的发展速度，现在他们正在为HBM、DRAM和SSD支付创纪录的价格[29] 推理内存需求的影响因素 * 推理的内存需求主要取决于模型在做什么，例如进行微调或添加LoRa权重适配器时，需要加载所有权重并分配内存[31] * 行业的一大趋势是在芯片上增加内存以实现更快的推理，例如Grok在LPU上使用SRAM，Google的Ironwood、Amazon的Trainium等新芯片都趋向于在推理时拥有更多片上内存[31] * 片上内存或推理所需的内存主要用于优化和加速过程，较少依赖于所执行的任务类型[31] 具体模型对比 * Gemini 3.0目前在所有推理、多模态、代理和其他基准任务上，相比5.1系列，在每一个用例和评估中都占据主导地位[33] * 性能更好的原因主要在于上下文窗口和模型训练方式，以及使用了另一种强化学习技术以获得更好的响应[33] HDD短缺对NAND需求的影响 * HDD短缺导致NAND闪存(主要用于SSD)使用增加[37] * HDD和NAND闪存都是非易失性数据存储的主要类型，基于成本、性能和容量以互补方式竞争[37] * HDD的供应链限制导致数据中心转向NAND闪存，用于数据中心的高容量模型[37] 投资建议 * 希捷科技(STX)：跑赢大盘评级，目标价370美元[8] * 西部数据(WDC)：与大市同步评级，目标价170美元[9] * SanDisk(SNDK)：跑赢大盘评级，目标价300美元[10] * 三星电子：跑赢大盘评级，目标价130,000韩元[11] * SK海力士：跑赢大盘评级，目标价650,000韩元[11] * 美光科技(MU)：跑赢大盘评级，目标价270美元[11] * 铠侠(KIOXIA)：跑输大盘评级，目标价7,000日元[11]

Welcome back to Market on Pose. I'm Sam Bartis live from the floor of the New York Stock Exchange. It's time now for overlooked stocks and shares of Planet Labs soaring today after the company's latest earnings which saw them boost sales guidance for the full year.So, I'm joined by Joyce Silla, senior markets correspondent to help unpack this one. So, just talk us through the earnings here. This company is in the business of satellite imagery.What was so special and so surprising in this earning that it sho ...

Redesigning and repricing of products and services to maintain sales and profitability have been driving Zacks Life Insurance industry players. Increased automation is expected to drive premium growth and boost the efficiency of AIA Group (AAGIY) . Manulife Financial Corporation (MFC) , Lincoln National Corporation (LNC) , Jackson Financial (JXN) and F&G Annuities & Life (FG) .  In the recent FOMC meeting, the Federal Reserve slashed the interest rate by 25 basis points to 3.5%-3.75%, marking the third cut ...

核心观点 - 公司2025年第三季度业绩显示，其向高利润率的软件和人工智能驱动的物流模式转型取得进展，运营亏损同比收窄，并更新了全年财务指引 [1][2][5] 业务进展与战略 - 公司持续推进向软件和人工智能驱动的物流模式转型，其AI实验室开发的自主语音代理功能已集成至Zayren平台，旨在提升自动化、准确性和实时智能水平 [2] - Fleet Rocket运输管理系统（TMS）功能得到扩展，增加了发票验证工具、财务工作流集成和更深度的数据连接，本季度获得了更多企业级订阅 [7] - 公司建立了多项新的跟踪集成，以改善服务于北美托运人和承运商的实时地理定位数据 [7] - 数字海运平台Waavely在现有和新的Fr8App客户中获得了显著关注，客户通过该在线市场获取海外集装箱运输服务 [7] - 公司产品组合包括：专注于美墨加（USMCA）地区跨境B2B运输的Fr8App、零担（LTL）运输服务Fr8Now、墨西哥企业客户专用运力服务Fr8Fleet、海运订舱管理平台Waavely、TMS系统Fleet Rocket以及人工智能定价预测和承运商匹配平台Zayren [6] 财务表现 - **第三季度运营亏损改善**：2025年第三季度运营亏损为130万美元，较2024年同期的170万美元改善了40万美元 [7] - **年内迄今运营亏损改善**：截至2025年9月30日的九个月运营亏损为430万美元，较2024年同期的550万美元改善了120万美元 [7] - **第三季度收入增长**：2025年第三季度收入为246万美元，较2024年同期的189万美元增长30.1% [12] - **年内迄今收入略降**：截至2025年9月30日的九个月收入为955万美元，较2024年同期的1001万美元下降4.5% [12] - **毛利率改善**：第三季度毛利率从2024年同期的5.0%提升至10.8%，主要受高利润率经纪业务推动 [7][12] - **费用控制**：与2024年同期相比，薪酬及员工福利、一般及行政费用均有所下降，但销售与营销以及折旧摊销费用有所增加 [12] - **净亏损**：2025年第三季度净亏损为327万美元，2024年同期为27万美元；截至2025年9月30日的九个月净亏损为422万美元，2024年同期为448万美元 [13] - **现金流与资产负债表**：截至2025年9月30日，公司现金及现金等价物为29.2万美元，较2024年底的20.4万美元有所增加；总资产从2024年底的569万美元增至1220万美元，主要增加了604万美元的加密货币资产；股东权益从2024年底的负65.5万美元转为正628.4万美元 [15][16][20] 2025年全年展望 - 由于持续向高利润率软件和AI解决方案转型，以及美国关税对美墨跨境物流市场的持续影响，公司更新了2025年全年展望 [5] - 预计2025年全年收入在1200万至1400万美元之间 [5] - 预计2025年全年运营亏损在550万至650万美元之间 [5]

美联储降息与量化宽松 - 2025年12月10日，美联储在FOMC会议上将基准利率下调25个基点至3.5%-3.75%区间 [1] - 继2024年降息1%后，美联储在2025年已累计降息75个基点 [1] - 美联储决定从次日开始购买400亿美元国债，导致短期政府债券收益率立即下降 [1] 金融科技行业前景 - 金融科技领域的表现与利率走势呈负相关，低利率环境将有利于该行业发展 [2] - 高利率会显著影响金融科技公司的技术改进和产品创新 [2] - 金融科技的创新性使其在不断发展的金融格局中成为一个引人注目的选择 [3] - 随着移动和宽带网络的扩展，金融科技有望实现显著增长 [3] - 人工智能和机器学习技术的兴起正在彻底改变银行、支付和投资领域，提供高效、安全的金融解决方案 [3] 重点推荐的中型金融科技股 - 推荐五只具有有利Zacks评级的中型金融科技股：EVERTEC Inc (EVTC)、Enova International Inc (ENVA)、LendingClub Corp (LC)、OppFi Inc (OPFI) 和 Bread Financial Holdings Inc (BFH) [4] - 这五只股票预计将从美联储降息中受益 [9] - 在金融科技需求扩张的背景下，这五只金融科技股明年的盈利预期均有所上调 [9] EVERTEC Inc (EVTC) 分析 - Zacks评级为2，主要从事拉丁美洲和加勒比地区的交易处理业务 [7] - 业务部门包括商户收单解决方案、支付处理和商业解决方案 [7] - 提供ATH网络、支付处理、卡产品处理、电子福利转账服务、IT服务、数据库管理服务等多种服务 [8] - 明年预期收入和盈利增长率分别为5.3%和4% [10] - 过去30天内，明年盈利的Zacks共识预期上调了0.8% [10] Enova International Inc (ENVA) 分析 - Zacks评级为2，是一家在线金融服务提供商，在美国、英国、澳大利亚和加拿大提供贷款 [11] - 客户群包括拥有银行账户但因难以获得传统信贷而使用替代金融信贷服务的消费者 [11] - 明年预期收入和盈利增长率分别为15.8%和10.5% [12] - 过去60天内，明年盈利的Zacks共识预期上调了0.9% [12] LendingClub Corp (LC) 分析 - Zacks评级为1，提供互联网金融服务，运营一个连接借款人和投资者的在线贷款市场 [13] - 明年预期收入和盈利增长率分别为13.2%和35.7% [13] - 过去60天内，明年盈利的Zacks共识预期大幅上调了16.4% [13] OppFi Inc (OPFI) 分析 - Zacks评级为1，提供一个金融科技平台，赋能银行帮助普通消费者获得信贷 [14] - 通过OppLoans平台提供分期贷款，服务于被主流选择拒之门外的消费者 [14] - 明年预期收入和盈利增长率分别为9.1%和8.6% [14] - 过去60天内，明年盈利的Zacks共识预期上调了15.5% [14] Bread Financial Holdings Inc (BFH) 分析 - Zacks评级为2，是一家技术驱动的金融服务公司，提供简单、个性化的支付、贷款和储蓄解决方案 [15] - 增长由数据驱动的营销策略、对战略增长领域的投资以及在数字创新和技术方面增加的营销支出所推动 [16] - 合作伙伴关系和资产剥离将有助于其非有机增长并扩大国际足迹 [16] - 公司拥有强劲的资产负债表，由稳固的现金状况和较低的债务水平支撑 [16] - 明年预期收入增长率为3.3%，但盈利增长预期为-9.6% [17] - 过去30天内，明年盈利的Zacks共识预期上调了0.7% [17]

核心观点 - 公司宣布与加州一家护理康复机构签署了为期28年的购电协议，这是继Sunnyside协议后的第二份微电网PPA，进一步强化了其长期、有资产支持的合同收入渠道 [1] - 该协议包含每年2%的费率上浮条款，为未来收益提供了强可见性 [1] - 公司高管表示，该协议证明了其医疗微电网战略的发展势头，并展示了其商业模式的可扩展性，目标是成为需要不间断电力供应的医疗机构的首选能源合作伙伴 [3] 协议与项目详情 - 根据协议，公司将设计、建造、拥有并运营一个集屋顶太阳能、电池储能和燃气备用发电于一体的现场微电网 [2] - 根据财务模型，该Topanga PPA预计在合同期内产生约385万美元的总收入 [2] - 微电网具体配置包括：屋顶太阳能（约350-380千瓦）、电池储能（约250千瓦/1000千瓦时锂离子系统）以及与该机构现有天然气发电机的集成 [6] - 项目年能源输出预计在运营初期约为47万至48万千瓦时 [12] - 在28年协议期内，公司将拥有、运营和维护该系统，客户无需承担任何前期资本支出，项目使用第三方融资，公司保留全部资产所有权 [7] 商业模式与市场定位 - 公司的PPA模式为医疗设施消除了为构建弹性基础设施而投入高额资本支出的需求，客户获得可预测的长期能源价格以及完整的系统冗余 [5] - 该模式将公司定位于长期护理、急症后护理和辅助生活领域，全美有超过1.5万家疗养院和约3.2万家辅助生活社区依赖稳定电力，这代表了一个价值数十亿美元的现场弹性电力解决方案市场机会 [3] - 多个州日益严格的监管标准（要求长期护理机构维持长达96小时的备用电力）正在加速这一市场的扩张，创造了对于可靠、多源微电网解决方案的即时需求 [4] 技术与竞争优势 - 项目展示了公司的技术领导力，其公用事业操作系统和智能电网AI平台能够智能协调太阳能发电、电池储能、电网电力和备用发电机 [5] - 成功交付此类关键任务系统增强了公司作为受监管、对电力敏感机构的综合能源供应商的可信度 [5] - 公司高管认为，已签署的多份PPA将加速与其他医疗运营商的洽谈，并扩大公司在加州及其他关键州的市场存在 [6]

核心观点 - NetraMark Holdings Inc 获得一家全球知名生物制药公司的新合同，为其关键性III期临床试验提供人工智能驱动的分析支持，这标志着公司在高价值的III期决策支持领域业务拓展取得重要进展 [1][2] 业务与合同详情 - 新合同基于现有的主服务协议签订，来自一位回头客赞助商，体现了制药行业对NetraAI持续增长的兴趣 [2] - 该项目将利用NetraAI技术，旨在根据III期试验的筛选和基线变量，识别和表征患者亚群（如应答者、无应答者、安慰剂相关参与者） [3] - 分析工作预期将为所有潜在结果场景提供更深入的试验结果洞察，并为后续的临床、监管和商业规划提供循证决策支持 [3] 技术优势与市场定位 - NetraAI技术专为处理小型、复杂和异构的数据集而构建，特别适合对清晰度和精确度要求最高的后期决策支持 [4] - 与许多其他将所有患者归为一类、易导致“过拟合”的AI方法不同，NetraAI独特地设计了聚焦机制，能将小数据集分离为可解释和不可解释的子集，利用可解释子集来获取洞察，从而提高临床试验成功的几率 [5] - 公司的产品采用一种新颖的基于拓扑的算法，能够根据多个变量同时将患者数据集解析为强相关的子集，从而能够使用更小的数据集来准确细分疾病类型并对患者进行药物敏感性或疗效分类 [6][8] 管理层评论与战略意义 - 公司CEO表示，此次在现有主服务协议下再次被选中参与关键性III期试验，证明了赞助商对NetraAI日益增长的信任和信心 [4] - 此次合作强化了NetraMark在AI驱动的临床试验优化方面的进展，并展示了随着其技术被嵌入生物制药公司的标准操作流程，公司实现增长扩张的潜力 [4] - 此次胜利标志着公司持续向III期试验领域扩张，并表明其平台在后期项目中正获得越来越多的考虑 [7]

核心观点 - 半导体测试设备供应商爱德万测试公司推出新一代风冷测试系统T2000 AiR2X 旨在满足评估及高混合、低产量生产环境对紧凑型、高性价比测试设备日益增长的需求[1] 该系统与传统的T2000测试系统完全兼容 测试资源是上一代风冷T2000 AiR系统的两倍 同时保持低功耗和风冷要求[1] 产品定位与市场需求 - 新产品T2000 AiR2X针对多个汇聚的市场因素 包括对T6500系列和T7700系列等旧系统的生命周期终止支持 以及整个紧凑型风冷测试仪的持续更换需求[2] - 全球有大量风冷SoC测试系统正在运行 新的T2000 AiR2X解决方案使公司能够满足这一增长市场的持续需求[2] - 紧凑型风冷T2000 AiR2X与高密度、高引脚数的V93000共同构成统一的测试解决方案 覆盖从风冷领域到大规模、高数字含量器件的全部SoC谱系[3] 产品性能与优势 - T2000 AiR2X支持多达12个测量模块 包括功能/SCAN测试、高精度直流测试以及高达320V的汽车器件直流测试[3] - 该系统独特的多站点控制器功能可显著减少量产期间的测试时间[3] - 系统采用T2000 RECT550性能板 灵活支持多种配置 并采用与T2000相同的程序环境[4] - 快速开发套件显著减少了程序创建和调试所需的工作量 有助于缩短平台迁移和实施时间[4] - 该系统将部署效率提升了一倍 并简化了从老旧测试仪的迁移过程[3] 应用领域与市场进展 - 初步器件评估正在进行中 确认了T2000 AiR2X在工业MCU、消费类ASIC、汽车和移动设备的电池监控IC以及功率模拟应用中的广泛适用性[5] - 该系统将于本月晚些时候全面上市[5] - 公司将在2025年12月17日至19日于东京国际展览中心举行的SEMICON Japan展会E4346展位展示该产品[6] 公司背景 - 爱德万测试公司是自动测试和测量设备的领先制造商 产品用于5G通信、物联网、自动驾驶汽车、高性能计算等应用的半导体设计和生产[6] - 公司的尖端系统和产品集成于全球最先进的半导体生产线中[6] - 公司还进行研发以应对新兴的测试挑战和应用 并开发用于晶圆分选和最终测试的先进测试接口解决方案[6]