6月30日神州股份科创板IPO获受理,自研产品营收2年暴涨1570%

自研产品营收暴涨1570%,主营业务收入高度集中于半导体行业

在半导体领域,等离子体源技术是实现半导体芯片先进制程的必要技术手段。等离子体电源系统是等离子体源技术的核心载体,可通过电源系统参数的精准调控,在极短时间内实现对等离子体的精确控制,进而驱动等离子体完成刻蚀、薄膜沉积、离子注入等半导体关键工艺。

神州股份的主要自研产品包括等离子体射频电源系统、远程等离子体源系统、高压脉冲电源系统等,同时,也为全球主要芯片产线提供等离子体电源系统的检测、维修和性能升级等技术支持服务。

2023年、2024年、2025年,神州股份营收分别为2.61亿元、4.46亿元和6.54亿元,净利润分别为 -0.15亿元、1.54亿元和2.29亿元,研发费用分别为0.37亿元、0.58亿元和1.09亿元。

神州股份主营业务收入由自研产品销售、技术支持服务、零部件销售及其他、受托研发四类构成,整体呈快速增长态势,总额从2023年的2.58亿元增至2024年的4.38亿元,并于2025年进一步攀升至6.42亿元。报告期内,其自研产品销售所贡献的营收规模、占比大幅度上升,2025年该业务贡献了神州股份55.11%的营收,营收规模2年内暴涨约1570%。

按应用领域来看,神州股份主营业务收入高度集中于半导体领域。报告期内,半导体领域收入占比始终在85%以上,且逐年攀升,2025年该领域收入达6.13亿元,占主营业务收入的95.38%,显示、光伏及其他领域的收入合计占比不足5%。

报告期内,神州股份主营业务的毛利率分别为62.56%、66.94%、66.65%。自研产品是其毛利率最高的产品,报告期内毛利率分别为60.17%、69.63和71.37%。

与恒运昌、英杰电气、先锋精科、富创精密等同行业可比公司相比,神州股份的毛利率处于业内较高水平,且领先优势较为明显。这是由于神州股份聚焦于高技术附加值、高研发难度、高毛利率的先进制程领域。

填补国产高端等离子体电源系统应用空白,研发人员占比24.46%

在半导体等离子体电源系统领域,神州股份是中国大陆产品布局较为全面、技术较为先进的企业之一,其自研的多款等离子体电源系统产品已批量应用于我国先进制程芯片产线,填补国内高端等离子体电源系统的应用空白。

神州股份的大部分产品都应用于先进制程。其等离子体射频电源系统产品的主要情况如下:其远程等离子体源系统主要情况如下:

除已实现商业化的产品外,报告期内,神州股份完成了ESC吸附电源、ESC加热电源、溅射电源等多项储备产品的研发布局,相关产品已处于客户验证阶段。

截至2025年末,神州股份拥有124名研发人员,研发人员占比24.46%。该公司共取得授权专利107项,其中发明专利62项。

客户集中度较高,多家大客户持股

神州股份向国内外多家知名半导体公司与半导体设备公司销售其产品与服务,报告期内,其客户集中度不断上升。神州股份的前五大客户如下:

神州股份的多家大客户都持有其股份。英特尔通过其投资平台英特尔亚太持有神州股份8.6125%的股份,报告期内,神州股份主要为英特尔大连工厂提供技术支持服务。2025年9月,英特尔将大连工厂出售给了SK海力士,神州股份继续向SK海力士大连工厂提供相关技术支持服务。

中微公司通过全资子公司中微半导体(上海)直接持有神州股份1.3636%的股份,并参股智微厚德、智微攀峰,间接持有1.8610%的股份。拓荆科技通过全资子公司上海岩泉直接持有神州股份1.7861%的股份,并参股拓荆芯链,间接持有0.1567%的股份。

供应商方面,神州股份采购的原材料包括电源系统备机类、模组类、电子料件类、电容类、功率器件类、结构件、五金件类和腔体类等。其前五大供应商如下:

创始人控制64.74%表决权

截至今年6月,神州股份的股权结构图如下:

神州股份的股东阵容豪华,除了此前提到的英特尔、中微公司、拓荆科技之外,大基金二期持有该公司4.78%的股份,长存产业基金(长江存储旗下投资平台在其中持股11.26%)持有该公司3.18%的股份。

神州股份的董事长、总经理、法定代表人朱培文直接持有神州股份21.1682%的股份,并通过员工持股平台众芯聚能间接控制23.2535%的股份,还通过《一致行动人协议书》控制20.3183%的股份,合计控制64.74%的股份对应的表决权,是神州股份的实际控制人。

朱培文出生于1975年,研究生学历。2001年7月至2022年2月,他在扬州市神州科技有限公司(2022年2月已注销)担任执行董事、总经理;2016年4月至今,历任神州股份总经理、董事长。

结语:国产半导体设备与制造产业,成熟度上升,上游零部件厂商受益

近年来,随着国内半导体“卡脖子”领域技术攻关持续推进,我国半导体设备与半导体制造产业已实现规模化突破,各细分领域布局持续完善,协同发展的正向循环已初步形成。

中游设备与制造环节的持续成熟,为神州股份这样的上游半导体零部件及技术支持服务企业提供了广阔的市场空间与规模化验证土壤。

未来,神州股份计划以“先进工艺节点集成电路领域电源类零部件研发及产业化项目”为核心载体,攻克关键技术,同时重点布局技术成熟度高、附加值高、市场需求明确的等离子体电源系统产品的产业化生产,优化生产布局与供应链协同,提升产品量产一致性与交付效率,为承接国产化替代订单提供产能支撑。

内容概要:本文围绕列车-轨道-桥梁交互仿真究,基于Matlab平台构建数值模型,系统分析列车运行过程中轨道与桥梁结构间的动态相互作用机制。究涵盖多体动力学建模、耦合系统运动方程求解、边界条件设定及仿真结果可视化等关键环节,重点揭示高速行车条件下基础设施的振动传递规律与力学响应特征。该仿真方法可有效评估结构安全性、舒适性指标及疲劳寿命,为轨道交通工程的设计优化与运维管理提供理论支撑和技术路径。文中配套提供了完整的Matlab代码实现方案及操作说明,便于用户复现、验证和拓展相关究。; 适合人群:具备Matlab编程基础和结构动力学、车辆动力学等相关专业知识的究生、科人员及从事铁路工程、桥梁工程与交通系统安全评估的工程技术人才,尤其适合开展轨道交通耦合振动课题的究者。; 使用场景及目标:①用于高校与科机构进行列车-轨道-桥梁耦合系统动力学特性的教学演示与科学究;②支撑高速铁路桥梁的设计优化、运营安全性评估与减振降噪方案验证;③为复杂交通基础设施的多物理场耦合仿真提供建模思路与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐模块深入读,重点关注系统建模假设、质量-刚度-阻尼矩阵构建方法及数值积分算法的实现细节,同时可通过调整参数进行敏感性分析,进一步掌握仿真模型的适用范围与优化方向。
内容概要:本文系统究了非线性薛定谔方程的物理信息神经网络(PINN)求解方法,提出一种将物理规律嵌入深度学习模型的科学计算新范式。通过构建全连接神经网络架构,将非线性薛定谔方程及其初始/边界条件作为损失函数的核心组成部分,实现了在无须大量标注数据的前提下对复值偏微分方程的高精度数值求解。该方法充分利用自动微分技术精确计算方程残差,有效融合了数据驱动与模型驱动的优势,在光学孤子传播、量子系统演化等典型场景中展现出优异的逼近能力与泛化性能。文中配套提供了完整的Python实现代码,涵盖网络搭建、损失定义、训练优化与结果可视化全流程。; 适合人群:具备Python编程能力与深度学习基础知识,熟悉偏微分方程理论及科学计算的理工科究生、科人员,以及从事光学、量子物理、流体力学等领域建模与仿真的工程技术人员。; 使用场景及目标:① 掌握PINN方法的基本原理与实现技巧;② 学习如何将复杂物理方程转化为可训练的神经网络损失项;③ 应用于非线性光学、玻色-爱因斯坦凝聚、水波动力学等问题的仿真与预测;④ 为相关科课题提供可复现的算法原型与代码参考。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点理解神经网络对微分算子的近似机制、损失函数的多任务加权策略以及训练过程中的超参数调优方法,进而可迁移至其他非线性偏微分方程的求解任务,拓展其在交叉学科中的应用边界。
源码下载地址: https://pan.quark.cn/s/a4b39357ea24 微软推出的【AZ-900微软认证】是一项针对初学者的基础级云服务资格认证,其目的在于帮助学习者掌握云概念、微软Azure服务的运作机制以及云解决方案的核心知识。得这一认证后,考生将能够清晰地理解云计算领域的基础术语、服务模式(包括IaaS、PaaS、SaaS等)以及这些服务在Azure平台上的实际应用方式。 在【必过考题】部分,我们可以观察到两个重点议题,它们分别聚焦于PaaS(平台即服务)的概念阐释和云成本的计算方式。 在第一个议题中,考生被要求辨别关于PaaS的正确性描述。PaaS平台提供了一个开发环境,但并不允许用户直接访问操作系统(Box 1: No)。比如,Azure Web Apps服务可以用来部署web应用,但用户无法直接管理虚拟机或IIS系统。另一方面,PaaS确实具备自动扩展的功能(Box 2: Yes),这表示可以根据实际需求自动增加负载均衡的虚拟机以支持web应用的运行。PaaS框架还为开发人员提供了构建和调整云端应用的工具,预置的应用组件能够有效缩短新应用的编程周期(Box 3: Yes)。 第二个议题同样关注云计算理念的理解,尤其强调IT支出从资本性支出(CapEx)向运营性支出(OpEx)的转型思想。传统的IT投资通常被视为CapEx,而云计算的按需付费机制使企业能够将这部分开支转化为OpEx,从而在财务规划上得更大的自由度。 在为AZ-900考试做准备时,考生需要特别关注以下几个核心知识点: 1. **云服务模式**:深入理解IaaS(基础设施即服务)、PaaS和SaaS(软件即服务)之间的差异及其各自的应用情境。 2. **Azure服务*...
源码下载地址: https://pan.quark.cn/s/239a0d536a1e 依据所提供的文件资料,可以归纳出以下核心内容:由清华大学计算机系邓俊辉教授精心编纂的算法训练营题目合集,对于CSP(中国软件专业人才设计与创业大赛)及PAT(程序设计能力测试)这类编程竞赛具有极高的参考价值,堪称一份极具价值的参考资料。此类竞赛普遍对参赛者的算法功底和编程技巧提出严苛要求。该合集中的题目与算法领域紧密相连,其中包含了“最大红矩形”这一典型题目。所谓最大红矩形题目,其核心任务是针对一个由红色与绿色方格构成的棋盘,寻觅出最大的纯红矩形区域。要攻克这一问题,必须运用数据结构与算法的相关知识,特别是栈这一数据结构的应用。 “最大红矩形”问题能够被抽象转化为“直方图最大面积”问题。具体转化方法是将棋盘的每一列视为一个独立的直方图单元,其中红色方格的贡献体现为当前位置与前一个绿色方格所在行数的差值,从而保证每个直方图的基宽恒定为1。随后,借助扫描直方图的技术手段来探寻最大矩形面积。这一过程需要对每个直方图进行系统性遍历,并利用栈来记录各直方图的下标信息。一旦检测到当前直方图的高度小于栈顶元素所记录的高度,则意味着遭遇了一个“高点”,此时需计算以该“高点”为右边界条件的最大矩形面积。 在编程实践环节,必须高度关注栈的操作细节,以及如何精确地初始化和操纵栈来应对直方图问题。代码实现中,通常配置两个栈,一个用于储存直方图的高度值,另一个用于标记直方图的下标位置。当面对新高度时,需审慎判断当前高度与栈顶高度的相对关系,并据此抉择是执行入栈操作还是计算面积。针对“低点”(即当前高度小于栈顶),应直接将当前高度纳入栈中;而对于“高点”,则需执行弹出栈顶元素的操作,并基于该栈顶元素的高...
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