第146章 高端产线升级的效果，重构光刻机系（1 / 2）

这条产线是一条十二寸的中型产线，有8台光刻机，型号是阿斯麦1980di，但应该已经经过了一轮的魔改。

    另外离子注入机10台、刻蚀机40台，还有研磨机、电子电压监测设备等等一系列的设备。

    纪弘一边参观一边了解着情况，同时，产线这边的负责人还给他送来了产线以及产线设备的相关技术资料——这些资料与原版已经有所不同，尤其是光刻机，经过了很大程度的魔改。

    产能方面，以成熟产线的14nm工艺计，这条产线月产晶圆大约为一万片，以一般芯片的面积计，一片晶圆大约切割良品芯片约五六十，也就是说，这条产线月芯片产量大约在五六十万左右。

    但麒麟9000s用SAQP四重曝光技术，效率大约要下降30%，再加上良率受到的影响，实际产能可能只剩下一半，也就是大约二三十万片。

    ……

    改造产线，纪弘没打算从硬件入手，这里的情况和宏图微电子的情况还不同，那里的硬件设备确实落后，一些自动化和智能化的模块不够用才需要重新设计和改造。

    但这里，本就是先进制程工艺产线，尤其是华为和中芯的工程师已经还已经对它进行过改造，硬件设备已经完全能够满足智能化的需要了。

    对产线的优化，纪弘不懂，即便懂，也不可能比得上先后在AMD、台积电、三星，现在是中芯国际联席CEO的梁松。

    这里的产线大概率就是他负责设计和工艺、良率以及产能的提升的。

    虽然没有可靠的证据，但是，能够帮助华为建立先进工艺产线，先后实现等效7nm等效5nm工艺的量产，不说国内，找遍全世界可能也就只有一个梁松。

    梁松这个人很传奇，早年在AMD，加入台积电的第一件事儿，就是带领台积电在130nm制程领域击败了老牌强敌IBM。

    后来因为一些原因离开台积电加入三星，直接助力三星在14nm这个工艺节点领先台积电半年，后被台积电起诉履行竞业限制条款离开三星。

    加入中芯国际之后，更是直接提升了中芯国际28nm工艺的良品率。随后更是跳过22nm等中间节点，直接跳代研发14nm工艺，只用了一年不到的时间就并成功实现量产，而且良品率达到90%以上。

    前两年，华为麒麟710A中芯国际重置版就是利用的这个工艺生产的。

    而现在，DUV光刻机量产的7nm和5nm……

    梁松，纪弘还特意查了查，1952的年的人，现年已经72岁了，主要工作估计是颐养天年了，只有有重大情况或者问题的时候才会出手。

    此时，这边在产线上负责的是一位高工，名叫曾学成。

    “曾工，你现在有梁先生几分的功力啊？”纪弘半开玩笑的问道。

    “纪总别开玩笑了，十个我捆一起也不如梁先生一半！”曾学成介绍着梁松的丰功伟绩，纪弘也确认了，这边的核心工作确实出自他手。

    “想不想超过他？”纪弘诱惑道。

    曾学成心道：我在家哄我儿子也是这口气，想不想考年级第一？问题是有那实力吗？

    他要真能考年级第一，那我就该怀疑这是不是我的种了。

    不过心里这么想，嘴上不可能这么说，他也知道纪弘是过来干什么的，于是说道：“但凭纪总吩咐！”

    纪弘知道他不信，但配合就好。

    虽然得到了一些芯片设计和光刻机相关的灵感，但先进工艺这种东西十分复杂和系统，不是说有三两个好点子就能搞定的。

    他的主业还是训练AI。

    “我这边先了解一下产线的情况，”纪弘介绍着自己的工作安排：“然后生产的各个环节、流程相关数据实时给到我这边。

    “前期主要用于AI训练，后期，根据AI的反馈调整和升级产线工艺。”

    纪弘强调道：“我刚刚跟你说的话，你可以不信，但是一定要不打折扣的执行。”

    “明白！”曾学成对卷耳智能科技是做什么的门儿清，只不过以前都是软件和设计层面的，难道AI对产线的优化也能起到关键作用？

    他心里突然就冒出一个想法：我自己比梁老师那是这辈子都没希望了，但是如果我加上AI呢？

    显然，曾学成对纪弘的思想和言论也是关注了的，一小会儿的功夫就想明白了这一层，也意识到纪弘刚刚的问他的问题并不是随口一说，也并不是开玩笑。

    一念至此，曾学成更加的积极了——如果说之前的表态只是为了工作，那现在就完全充满期待了。

    ……

    一连好几天的时间，纪弘都在产线这边，产线的数据不断的在提供，类思维AI的训练也一直在进行。

    “这里，看到了没？”纪弘说道：“硅片对准标识和掩膜板对准标识的中心坐标差值，根据这些数据分析，AI认为还有优化空间。

    “主要是……”

    纪弘跟曾学成讲解着相关内容，并让他配合对产线的运动控制模块儿的算法进行着调整。

    曾学成稍微一计算，就知道这东西应该对产线工艺是增益的。

    虽然具体的结果还需要生产来验证，但，能够有找到梁松老师设计和规划，甚至优化了好久的产线的一个问题，还是让曾学成十分激动：

    “我加上AI，真的能达到梁松老师的水平？”

    能够找到问题，就是水平的体现，哪怕调整完了是副作用，也是实力。

    毕竟，没有哪个人敢说我动一下就是升级，哪怕是梁松，调整产线的相关模块儿也是摸索摸索再摸索，最终才确定的方案。

    纪弘没有回答他这个问题，而是问道：“你比梁松老师差在哪儿？最关键的点！”

    要说差在哪儿，以曾学成现在的水平，那差的多了去了。

    要说最关键的点，他沉思了一会儿，说道：“就是对问题的敏锐程度。比如一个新的工艺节点，测试产线放在这儿了，梁松老师的对问题就非常敏锐。

    “他手一指，这儿是瓶颈，改进这儿，可以提升良率，那儿可能有问题。排查下去，几乎八九不离十。

    “事实上，怎么说呢，当他把问题指出来之后，我去看，大多数时候我也能看出来，甚至能解决。”

    “但，就是知道哪儿有问题，才是最关键的是吧？”纪弘笑道：“那今天这个问题呢？你看出来了吗？”

    “现在我也能看出来！”曾学成突然明悟：“AI现在扮演的是梁松老师的角色？”

    梁松怎么判断问题所在的，纪弘不清楚，可能是直觉，也可能是经验。

    但，AI是怎么判断的，纪弘清楚的很——少部分的类思维加上大量的计算，甚至还有一部分推演在里边。

    世界模型一直在运行，65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用，流片式仿真的训练也一直在进行。

    类推能力，尤其是精密工业领域的类推能力也有了不少的提升。

    比如今天发现的这个问题，改进了之后能有多少提升，AI都已经做过类推了。

    但方式不重要，能发现问题，能优化和改进才是最关键的。