半導体テストと光接続テストの成長地図

半導体テストと光接続テストの成長地図

AI/HBM/CPO、そしてAI-RAN・フィジカルAI時代に「測る技術」はどう伸びるのか

半導体産業では、GPU、HBM、AI ASIC、光接続、CPO、AI-RAN、フィジカルAIのような主役に注目が集まりやすい。しかし、それらが高度化するほど、裏側で価値を増すのがテスト・検査・計測・バーンイン・信頼性評価である。

昔の半導体テストは、完成したチップが「動くか、動かないか」を見る工程という印象が強かった。だが、AI時代のテストはそれだけではない。高価なGPU、AI ASIC、HBM、チップレット、光I/O、CPOを不良のまま組み立てないための、歩留まりを作る工程になっている。

実際、SEMIは2025年の世界半導体製造装置売上が過去最高水準の1,351億ドルに達し、その中でテスト装置請求額はAIデバイスとHBMによる性能要求・テスト強度の上昇を背景に前年比55%増だったと発表している。これは「AI/HBMが伸びると、テストも濃くなる」ことを示す重要な数字である。(SEMI)

第一部：半導体テスト全体

半導体テスト全体は、大きく以下に分けられる。

\1. ATE：半導体テストの中枢

ATE、Automated Test Equipmentは、半導体チップに電気信号を入力し、返ってくる信号を測る装置である。CPU、GPU、AI ASIC、DRAM、NAND、RFチップ、アナログICなど、ほぼすべての半導体は何らかのATEを通る。

ATEで見るのは、ロジックが正しく動くか、メモリセルに欠陥がないか、高速I/Oが規格通りに通信できるか、電圧や温度を変えても安定するか、消費電力が規格内か、といった項目である。

AI時代にATEが伸びる理由は明確だ。GPUやAI ASICは巨大化し、HBMやチップレットとの接続が増え、PCIe、CXL、UCIe、Ethernet、SerDesのような高速I/Oも増える。その結果、テスト項目、テスト時間、テスト精度要求が上がる。アドバンテストもFY2025決算で、AI関連の高性能半導体向けテスター需要が大きく伸びたと説明している。(株式会社アドバンテスト)

主要プレーヤーは、アドバンテスト、Teradyne、Cohu、Chroma、SPEAなど。特にAI/HBMでは、アドバンテストとTeradyneが中心的な存在になる。

ATEの伸びしろ

ATEの伸びしろは、AIチップの複雑化そのものにある。 AI ASIC、GPU、TPU、LPU、NPU、HBM、DDR、NAND、DPU、NIC、ネットワークASICが増えるほど、電気テスト需要は増える。中央データセンターではチップ単価が高く、MECやエッジでは台数が増える。したがって、中央でもエッジでもATE需要は構造的に伸びる可能性が高い。

\2. プローブカード：チップに触れる神経末端

ATEが信号を出しても、それをチップに届ける接点がなければ測れない。そこで必要になるのがプローブカードである。

プローブカードは、ウェハー上の小さなパッドやバンプに針を当て、ATEとチップを接続する。AI/HBM時代には、この接触が非常に難しくなる。接点数が増え、ピッチは狭くなり、高速信号や大電流も扱う必要があるからだ。

重要になる技術は、MEMSプローブ、高密度垂直プローブ、低接触抵抗、高周波対応、熱膨張への追従、ウェハー反りへの対応である。FormFactorは、ロジック、メモリ、5G、先端パッケージ、シリコンフォトニクス、量子など幅広いオンウェハーテスト領域を対象にしている。(FormFactor, Inc.)

主要プレーヤーは、FormFactor、Technoprobe、Japan Electronic Materials、日本マイクロニクス、SV Probe、WinWayなど。

プローブカードの伸びしろ

プローブカードは、ATEより地味に見えるが、AI/HBM時代にはかなり重要度が上がる。 どれだけ高性能なテスターがあっても、チップに正しく触れられなければ測れない。特にHBM、AI ASIC、チップレット、シリコンフォトニクスでは、接点技術そのものがボトルネックになる可能性がある。

FormFactorが面白いのは、従来のプローブカードだけでなく、シリコンフォトニクス用の光電気同時テストにも関わる点である。つまり、半導体テストと光接続テストの交差点にいる。

\3. 検査・計測：欠陥を見つけ、歩留まりを作る技術

検査・計測は、電気的に動かす前に、物理的に正しく作れているかを確認する工程である。

検査は、異物、キズ、クラック、ボイド、バンプ欠陥、パターン欠陥を探す。 計測は、線幅、膜厚、段差、バンプ高さ、ウェハー反り、接合面の平坦性を測る。

AI/HBM時代に特に重要なのが、3D計測である。HBM、チップレット、CoWoS、ハイブリッドボンディングでは、半導体が平面から立体へ進化している。すると、2D画像だけでは不十分で、バンプ高さ、共面性、反り、接合面、TSV、マイクロバンプ、ハイブリッドボンディング面まで見る必要がある。

Camtekは2026年にAIアプリケーション向けHawkシステムの注文を発表しており、先端パッケージ/HBM/チップレット系の検査需要が実際に装置需要として現れている。(Camtek) Onto Innovationも、Dragonfly G5がHBM4立ち上げ向けの2D検査で選定され、Dragonfly G5と3Di技術の二桁台数注文コミットメントを得たと発表している。(investors.ontoinnovation.com)

主要プレーヤーは、KLA、Camtek、Onto Innovation、Nova、Lasertec、Hitachi High-Tech、Applied Materialsなど。

検査・計測の伸びしろ

ここは非常に大きい。理由は、AIチップの価値が単体ダイではなく、GPU/ASIC + HBM + インターポーザー + チップレット + パッケージという複合体になっているからだ。

1つの不良ダイや不良バンプを見逃すと、高価なAIパッケージ全体を失う。だから、積む前、貼る前、封止する前に不良を見つける価値が上がる。HBM4、HBM4E、ハイブリッドボンディング、将来の3D DRAM/ロジック積層が進むほど、3D計測と先端パッケージ検査は伸びやすい。

\4. ハンドラー、ソケット、コンタクタ

ウェハー段階のテストが終わると、パッケージ済みICを量産テストする段階に入る。ここで必要になるのが、ハンドラー、ソケット、コンタクタである。

ハンドラーはチップを高速に搬送し、向きを揃え、テストソケットに押し当て、結果に応じて良品・不良品・グレード別に分類する。ソケットやコンタクタは、パッケージ済みICとテスターを一時的につなぐ接点部材である。

Cohuは2025年第4四半期に、サービス、インターフェース、ハンドラー関連スペアなどの recurring revenue が前年比25%増となり、ADAS、パワーデバイス、AIコンピューティング、HBM検査計測でデザインウィンが続いていると説明している。(Cohu, Inc)

主要プレーヤーは、Cohu、Yamaichi Electronics、LEENO、Enplas、Smiths Interconnect、ISCなど。

ハンドラー/ソケットの伸びしろ

ここはATEやHBM検査ほどAI純度は高くないが、消耗品・交換部品・サービス収益がある。半導体の量産が増えるほど、コンタクタやソケットは摩耗し、交換需要が発生する。

中央データセンター向けAIチップでは高性能テストが重要になり、MEC・エッジ・車載・産業向けでは数量と信頼性要求が増える。したがって、派手ではないが底堅い成長領域である。

\5. バーンインとSLT：初期不良と実使用不具合を潰す

バーンインは、半導体を高温・高電圧・高負荷で動かし、初期不良を出荷前に炙り出す工程である。SLT、System Level Testは、実際の基板やシステムに近い環境で、OS、ファームウェア、ドライバ、メモリ、I/O、熱、電力を含めて試験する。

AIチップでは、ATEで合格しても、GPUクラスタ、AI推論、ネットワーク通信、長時間高負荷時にだけ出る不具合がある。そのため、AI/HBM/CPO時代には、バーンインとSLTの重要性が増す。

Aehrは2026年に、ハイパースケールデータセンター向け光インターコネクト市場のシリコンフォトニクス顧客から、高出力FOX-XPウェハーレベルバーンインシステムの注文を得たと発表している。(Morningstar)

バーンイン/SLTの伸びしろ

バーンインとSLTは、AI光I/O、SiC/GaN、AI ASIC、HBM、エッジAI、車載/産業向け半導体で伸びる。特にフィジカルAI時代には、故障が単なる部品不良ではなく、工場、ロボット、電力網、自動運転、通信インフラの停止につながる。そのため、信頼性試験の価値は中長期で高まる。

第二部：光接続・CPO・シリコンフォトニクス寄りのテスト

ここからは、通常の半導体テストとは少し違う。 光接続テストでは、電気信号だけでなく、光の出力、波長、損失、変調品質、受光感度、光ファイバーとの位置合わせを測る必要がある。

\1. シリコンフォトニクスとは何か

シリコンフォトニクスは、シリコンチップ上に光導波路、変調器、受光器、カプラーなどを作り、電気信号と光信号を変換する技術である。

シリコンフォトニクスの最大の難所は、光アライメントである。電気プローブは金属パッドに触れれば信号が通る。しかし光は、位置、角度、高さ、偏波が少しズレるだけで損失が大きくなる。

\2. CPOとは何か

CPO、Co-Packaged Opticsは、スイッチASICやAIアクセラレータの近く、あるいは同一パッケージ上に光I/Oを配置する技術である。

AIデータセンターでは、GPU間通信、ラック間通信、スイッチ間通信の帯域が爆発的に増えている。電気配線だけでは、消費電力、発熱、距離、信号劣化が厳しくなる。そこで、より近い場所で電気を光に変換し、光で通信するCPOや光I/Oが注目される。

CPOで必要になるテストは、光出力、波長、挿入損失、BER、PAM4品質、レーザー寿命、ASICとの電気接続、熱干渉、パッケージ反り、光アライメント、長期信頼性である。

つまりCPOテストは、半導体テスト、光通信テスト、パッケージ検査、熱設計、バーンインが合体したものになる。

\3. 光電気同時テスト

CPOやシリコンフォトニクスでは、電気側と光側を別々に測っても不十分である。電気ドライバ、変調器、光導波路、カプラー、受光器、SerDes、クロックジッター、温度ドリフトが一体で性能を決めるからだ。

FormFactorのTRITONは、シリコンフォトニクス向けに、開発段階から高ボリューム量産テストまで移行しやすくする統合ウェハーテストソリューションとして説明されている。(FormFactor, Inc.) Keysightは2026年に、1.6T光ネットワーク検証に向けた224Gテストソリューションを発表し、AIデータセンター向けのR&Dから高ボリューム製造までの電気・光エンドツーエンド検証を対象にしている。(Keysight United States)

主要プレーヤーは、Advantest、Teradyne、FormFactor、MPI、SÜSS MicroTec、Keysight、Anritsu、VIAVI、EXFO、Yokogawaなど。

光接続テストの伸びしろ

ここは非常に面白い。まだ量産標準が完全に固まり切っていないため、装置・治具・アライメント・測定ソフト・バーンインの新規需要が生まれやすい。

短期では800G/1.6T光モジュール、高速SerDes、224G/PAM4検証が伸びる。中長期では、CPO、光I/O、シリコンフォトニクスのウェハーレベルテスト、光電気同時テスト、光バーンインが伸びる。

第三部：AI-RAN・フィジカルAI時代にどう変わるか

ここからが、次の拡張領域である。

AI-RANとフィジカルAIの時代になると、テスト対象は「チップ単体」から、現実世界で動くAIシステム全体に広がる。

ただし重要なのは、AI-RANやフィジカルAI基盤そのもののテストは、半導体やCPOほど精密装置集約的ではないという点である。価値はあるが、物理測定というより、システム検証、シミュレーション、運用監視、安全性評価、AIモデル回帰テストに分散しやすい。

\1. AI-RANで伸びるテスト

SoftBankはAI-RANについて、RAN制御機能とAIサーバー機能を同一ハードウェア基盤上で実現し、超低遅延・大容量・セキュアなネットワーク上でAIアプリケーションを可能にする構想と説明している。(ソフトバンク)

AI-RANでは、以下のテストが重要になる。

第一に、RF・無線テストである。 従来の出力、感度、EVM、位相雑音、OTA、Massive MIMO、ビームフォーミングに加え、AIスケジューラが正しく判断するか、混雑時に無線資源を適切に割り当てるか、AIモデル更新後に性能が劣化しないかを検証する必要がある。

第二に、AI and RANの共存テストである。 AI-RANでは、RAN処理とAI推論処理が同じGPU/NPU基盤で共存する可能性がある。すると、RAN処理のリアルタイム性を守りながら、AIワークロードをどう走らせるかが重要になる。AI-RANに関する研究でも、RANとAIワークロードを同一インフラ上で動かすためのリソース割当やオーケストレーションが重要課題として扱われている。(arXiv)

第三に、O-RAN/クラウドRAN/ネットワーク検証である。 AI-RANでは、基地局機能がクラウドネイティブ化し、MEC、エッジDC、O-RAN、ネットワークスライシング、セキュリティ、GPU/NPUリソース管理まで含めた検証が必要になる。

主要プレーヤーは、Keysight、Rohde & Schwarz、Anritsu、VIAVI、Spirent、LitePoint、NVIDIA、Qualcomm、Ericsson、Nokiaなど。

\2. フィジカルAIで伸びるテスト

フィジカルAIは、ロボット、工場設備、自動運転、ドローン、監視カメラ、電力網、医療機器、倉庫AMRなど、物理世界を認識し、判断し、行動するAIである。

Qualcommは、フィジカルAIと6G/ロボティクスの関係について、低遅延、安全性、精密制御、電力効率、継続学習が重要になると説明している。(Qualcomm) NVIDIAとT-Mobileも、AI-RAN対応インフラ上でフィジカルAIアプリケーションをエッジに展開する取り組みを発表している。(NVIDIA Newsroom)

フィジカルAIで伸びるテストは、以下である。

エッジAI SoC/NPUのSLT ロボットや工場設備では、すべてをクラウドに投げるわけにはいかない。衝突回避、異常検知、姿勢制御、センサー融合は現場で即時に処理する必要がある。そのため、推論性能、低消費電力、リアルタイム応答、高温・低温・振動環境での動作試験が重要になる。

センサー・カメラ・LiDAR・レーダーテスト フィジカルAIは現実世界をセンサーで読む。カメラ画質、HDR、低照度性能、LiDAR距離精度、レーダー分解能、IMUドリフト、センサー融合のタイミング、キャリブレーションの重要性が上がる。

環境・信頼性試験 工場、倉庫、道路、港湾、農地、災害現場、電力インフラでは、高温、低温、湿度、粉塵、振動、衝撃、塩害、電源瞬断、電磁ノイズに耐える必要がある。

AIモデル検証 ハードウェアが正常でも、AIモデルが危険な判断をすれば事故が起きる。モデル更新後の性能劣化、未知環境での挙動、通信断時のフェイルセーフ、誤認識、サイバー攻撃耐性を検証する必要がある。

第四部：中央DC、MEC、エッジまで伸びるならテスト単体は伸びるか

結論は、伸びる可能性が高い。

ただし伸びる中心は、AI-RANやフィジカルAI基盤そのもののシステム検証よりも、そこに使われる半導体、メモリ、光接続、RF、センサー、電源系デバイスの量産テストである。

中央データセンターでは、GPU、TPU、AI ASIC、HBM、CPO、800G/1.6T光接続が伸びる。ここでは、ATE、HBM検査、プローブカード、光電気同時テスト、バーンインが濃く伸びる。

MECやエッジでは、中央DCほど超高額なGPUばかりではないが、小型GPU、NPU、AI ASIC、ロボティクスSoC、RFチップ、センサー、低消費電力メモリ、エッジSSD、光/電気バックホール機器が増える。ここでは、数量、環境試験、信頼性試験、RFテスト、SLTが伸びる。

つまり、

**中央DCでは、単価と複雑性でテストが伸びる。 MEC/エッジでは、数量と信頼性要求でテストが伸びる。**

この二段構えになる。

主要プレーヤー整理

伸びしろの最終整理

私の見方では、テスト単体として伸びやすい順番は以下である。

\1. HBM・先端パッケージ検査/3D計測

最も見えやすい。HBM4、HBM4E、チップレット、ハイブリッドボンディングが進むほど、Camtek、Onto、Nova、KLAの領域は伸びやすい。

\2. ATE / メモリ・SoCテスター

AI ASIC、GPU、TPU、LPU、NPU、HBM、DDR、NANDが増えれば、Advantest、Teradyne、Cohuの領域は伸びる。

\3. プローブカード

高密度・高ピン数・高周波・高電流のチップが増えるほど、FormFactor、Technoprobe、日本マイクロニクス、JEMの重要性が上がる。

\4. 光電気同時テスト / CPOテスト

CPO、光I/O、シリコンフォトニクスが量産化するほど、FormFactor、Advantest、Teradyne、MPI、SÜSS MicroTec、Keysightの領域が伸びる。

\5. 224G/1.6T光通信検証

AIクラスタ、MEC、エッジDC、AI-RANバックホールが広がるほど、Keysight、VIAVI、Anritsu、EXFOの需要が増える。

\6. バーンイン・信頼性試験

AI光I/O、SiC/GaN、車載、産業、ロボット、エッジAIで伸びる。Aehrのようなテーマ純度の高い企業もあるが、業績変動は大きくなりやすい。

\7. AI-RAN/フィジカルAIのシステム検証

ここも伸びるが、半導体/CPOほど装置産業として集中しにくい。価値は、シミュレーション、AIモデル検証、認証、安全性、運用監視に分散しやすい。

結論

半導体テストは、AI時代に「最後の合否判定」から、高価なAIパッケージを成立させる歩留まり制御技術へ変わっている。

光接続・CPO・シリコンフォトニクスでは、電気だけでなく光を測る必要があり、光アライメント、光電気同時テスト、224G/1.6T検証、光I/Oバーンインが新しい成長領域になる。

AI-RAN・フィジカルAI時代には、テスト対象はさらに広がる。現場システムそのものの検証は半導体/CPOほど装置集約的ではないが、その基盤を支えるGPU、AI ASIC、LPU/TPU/NPU、HBM、DDR、NAND、RF、光接続、センサー、電源系デバイスの量産テストはむしろ伸びる。

要するに、今後の構図はこうである。

**中央DCでは、AIチップと光接続の高単価・高複雑性でテストが伸びる。 MEC/エッジでは、分散配置されるAI機器の数量と信頼性要求でテストが伸びる。 AI-RAN/フィジカルAIでは、システム検証は分散するが、その中身を構成する半導体・光・メモリのテスト需要は構造的に増える。**

したがって、AIインフラ投資が中央からエッジ、さらに物理世界へ広がるという前提に立つなら、テスト・検査・計測・バーンインは、AI時代の裏側でかなり有望な成長領域だと考えられる。

特定銘柄の推奨・勧誘・投資助言を目的とするものではありません。投資判断はご自身の責任でお願いいたします。

サムネはGPTImage2.0とPixAIsunflowerモデル