中导光电科创板IPO申请获受理,三年营收超8亿,半导体业务待突破

中导光电科创板IPO申请获受理:三年营收超8亿,半导体业务待突破

芯东西6月29日报道,6月28日,半导体量检测设备提供商中导光电设备股份有限公司(简称"中导光电")科创板IPO申请获上交所受理。

中导光电成立于2006年11月17日,注册地址位于广东省肇庆市,是国家级重点专精特新"小巨人"企业。该公司主要从事平板显示和半导体晶圆前道检测设备的研发、生产和销售。中导光电的客户包括京东方、维信诺、天马微电子以及TCL华星等头部面板厂商,和半导体公司瞻芯电子、中微公司。其中,TCL华星持有中导光电2.55%的股份。根据CINNO Research报告,以2025年度营收规模测算,中导光电在平板显示全制程检测设备领域市占率为9.3%,位居行业第四;在前道制程检测设备市场市占率约为20.1%,为行业第一。

中导光电本次IPO的募资金额为18亿元,其中,10.8亿元将用于投资武汉生产研发中心新建项目(一期),3.5亿元将投入肇庆生产研发中心扩建项目,3.7亿元将用于补充流动资金。

01 三年营收超8亿,平板显示量检测设备业务为主要收入来源

2023年、2024年和2025年,中导光电的营收分别为0.74亿元、2.91亿元和4.46亿元,两年间增长约505%,三年间营收超8亿元。净利润分别为 -0.1亿元、0.4亿元和0.91亿元,研发开支分别为0.2亿元、0.22亿元和0.35亿元。

报告期内,中导光电主营业务收入按产品类别划分为平板显示量检测设备、半导体晶圆检测设备及售后服务。其中,平板显示量检测设备业务分别贡献了0.67亿元、2.67亿元和3.93亿元的营收,分别占总营收的91.41%、91.84%及88.11%。2024年和2025年,半导体晶圆检测设备业务则分别贡献了0.21亿元及0.5亿元的营收,占总营收的比重分别为7.28%和11.18%。

报告期内,中导光电主营业务毛利率分别为46.03%、34.09%和36.6%,出现小幅下降。2023年、2024年和2025年,平板显示量检测设备业务贡献的毛利最高但毛利率较低,毛利率分别为43.7%、31.19%和33.19%。报告期内该业务毛利率呈现先下降后上升趋势,主要原因是2023年中导光电尚处成长初期,经营规模较小,以头部客户零星订单及其他中小客户为主,相应的毛利率较高。2024年,消费电子市场仍处于触底后小幅回暖阶段,市场需求呈现阶段性波动,平板显示厂商存在降本压力,同行业可比公司毛利率普遍下滑。到了2025年,随着中导光电产品市场份额提升,该公司议价能力稳步增强,规模化成本管控优势逐步显现,毛利率企稳回升。

再看半导体晶圆检测设备业务板块,2024年和2025年,中导光电该板块的毛利率分别为67.81%和60.78%,稳定保持在较高水平。2025年毛利率略有下降,主要因为随着客户复购及采购数量增加,该公司从长期合作的角度出发,适当降低销售价格以抢占市场所致。

中导光电主营业务毛利率的变动趋势与同行业上市公司基本一致。中导光电毛利率水平与半导体测试检测设备及系统解决方案提供商精智达较为接近,低于同行业上市公司平均值,主要是产品类型和产品结构差异所致。

02 参与3个国家重大专项研发任务,研发人员占比23.51%

中导光电拥有3家全资子公司,分别位于武汉、苏州和香港。同时,中导光电在上海、北京和成都都分别设有子公司。中导光电依靠自主研发的核心技术,通过向平板显示厂商和半导体晶圆制造商提供设备和服务,帮助客户提高产品良率、提升生产效率、降低生产成本。

在平板显示量检测设备领域,中导光电的主要产品包括前道AOI检测设备、宏微观检测复合机、自动线宽测量设备及宏观量测复合机,产品覆盖从G2至最高G11世代平板显示的完整序列,检测灵敏度达到亚微米级,并在京东方、TCL华星、维信诺等的生产线中广泛应用。

同时,中导光电专攻纳米级有图形晶圆缺陷检测设备,该领域国产化率不足5%。该公司首代NanoPro - 1XX系列已量产并获瞻芯电子等复购,第二代NanoPro - 2XX系列已出机,最高可支持45nm制程,处于客户验证阶段。

截至报告期末,中导光电研发人员共计75人,研发人员占比为23.51%。该公司拥有广东省工程技术研究中心、广东省博士工作站等多个省级研发平台,牵头或参与多项国家级、省级重点专项研发任务,其中国家重大专项有3个。同时,中导光电拥有各类知识产权158项,其中发明专利73项,软件著作权32项。该公司发明专利包括一种显示面板拍照机的定位补偿方法、一种基于3D模型关系的OCD测量方法以及一种基于膜色差异的标记图像定位方法和系统等。

03 客户集中度较高,京东方为最大客户

报告期内,中导光电生产的量检测设备主要应用于平板显示和半导体领域,主要客户群体包括京东方、TCL华星、天马微电子、维信诺等平板显示厂商,以及A公司、瞻芯电子、中微公司等半导体晶圆及设备制造商。

2023年、2024年及2025年三年间,中导光电的前五大客户产生的营收贡献分别占中导光电总收入的79.91%、90.73%及81.62%,其中京东方在这三年间均为该公司的最大客户,贡献的收入分别占该公司总收入的30.07%、51.44%及36.68%。

报告期内,该公司向五大客户销售平板显示量检测设备居多。同时,除2024年度因对京东方销售收入较高,导致当期对京东方收入占比达到51.44%外,中导光电不存在对其他单个客户的销售占比超过50%,或严重依赖少数客户的情形。

报告期各期,中导光电向前五大供应商的采购占比分别为43.33%、44.40%和48.80%。其中,光电系统与精密测试设备制造公司武汉华之洋、精密显微自动化与光学成像核心零部件提供商WDI 3年间均在中导光电五大供应商名单内。报告期内,中导光电主要向供应商采购光学类、运动控制类、电气类、机械标准件、机械加工件及其他部件。报告期内,中导光电不存在向单个供应商的采购占比超过50%,或严重依赖少数供应商的情形。

04 董事长直接持股2.126%,与姐夫、前妻同为一致行动人

中导光电成立时注册资本为2040万元,其中风华高科认缴出资1040元,实缴0元,出资比例为50.98%;肇庆能源认缴出资1000万元,实缴出资1000万元,出资比例为49.02%。2015年中导光电整体变更为股份公司,其中,深创投持股4.26%,TCL华星持股2.58%。2026年1月,中导光电股权结构在本招股说明书签署日前最后一次发生变化,变化后TCL华星持股2.55%。

中导光电的董事长、总经理为李波(BO LI),他直接持有该公司2.126%的股权。同时,其通过持有中导光电控股股东3i开曼35.98%股权间接持有中导光电11.4547%的股份,合计持股比例为13.5806%,为中导光电实际控制人。

李波与胡春宇、JAMIE JIE ZHENG为中导光电的一致行动人。胡春宇是李波的姐夫,同时是中导光电的董事,他直接持有中导光电0.33%的股份,同时持有3i开曼7.69%的股权。JAMIE JIE ZHENG是李波的前妻,持有3i开曼15.42%的股权。

李波今年约66岁,美国国籍,是武汉大学半导体物理学学士、美国圣塔克拉拉大学电子工程研究生。同时,他也是武汉大学微电子学院特聘教授,获评人力资源社会保障部"国家特聘专家"称号、科技部"创新人才推进计划"科技创新创业人才、广东省"广东特支计划"科技创业领军人才。1994年7月至2005年10月,李波任职于美国半导体设备制造公司KLA,历任该公司工程师、高级工程师、高级经理。2004年6月至今,李波是3i开曼的董事。从2007年8月开始,他在中导光电任职,至今已有近19年的时间。

报告期内,中导光电董事、历史监事、高级管理人员及核心技术人员薪酬总额分别为774.46万元、920.69万元及1195.51万元。

05 结语:盈利持续修复,高毛利半导体设备短期收入占比偏低

此次中导光电科创板IPO的18亿元募资将全部投向产研基地扩建与流动资金补充,这笔资金落地后,该公司产能与研发承载能力有望得到扩容。

业务层面,中导光电现阶段收入高度依赖平板显示检测设备,该板块为其稳定现金流来源。中导光电半导体晶圆纳米缺陷检测设备板块属于其高毛利增量业务,当前国产化率偏低具备市场拓展空间,不过相关产品营收占比仍有限。

报告期内,该公司扭亏为盈,整体盈利修复趋势明确,但存在客户集中度偏高问题,前五大客户营收占比长期处于八成以上,收入易受头部面板厂商资本开支节奏影响。

整体来看,中导光电的上市进程能否顺利推进,以及其半导体业务能否按预期实现技术突破与商业化放量,都将影响该公司长期经营稳定性与增长空间。中导光电在半导体量检测赛道上的实际进展,也有待时间和市场进一步检验。

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值