Samsung наняла двух ИИ-экспертов для внедрения машинного обучения в производство чипов

Samsung снова целится в спину TSMC. Только теперь ставка не на новый техпроцесс, а на алгоритмы. Компания наняла двух экспертов по ИИ, чтобы внедрить машинное обучение буквально во все этапы производства чипов. Это не пиар-ход, а попытка выиграть гонку за счет ума, а не только миллиардов. Разбираемся, что это меняет на самом деле и почему это сложнее, чем кажется.

Почему Samsung запаниковала (и правильно сделала)

Полупроводниковое производство — это адская машина. Сотни операций, от выращивания кремниевого кристалла до финальной нарезки. Любая мелочь на первом этапе может превратиться в брак, который всплывет через месяц. TSMC стабильно удерживает трон, а клиенты вроде Apple и NVIDIA голосуют ногами в пользу Тайваня. Главная головная боль Samsung — выход годных кристаллов. На передовых техпроцессах он часто хромает. И вот тут в игру вступает ИИ. Суть простая: алгоритмы машинного обучения способны предсказывать дефекты до того, как они появятся. Они видят закономерности в миллионах комбинаций параметров, которые недоступны человеческому глазу. Это не замена инженерам, а рентгеновское зрение для технолога.

Кто эти ребята и что им поручили

По данным The Elec, Samsung подписала контракты с двумя специалистами, предположительно из Google и Intel. Имена не раскрываются, но это не простые программисты — это эксперты по компьютерному зрению и нейросетям для промышленности. Их задача — создать цифровой каркас «умной фабрики». Замкнутый цикл управления, где каждое решение принимается не на основе интуиции, а на основе анализа больших данных в реальном времени. Звучит красиво, но за этим стоит конкретная работа в четырех направлениях:

• Контроль дефектов. Нейросеть анализирует снимки пластин в высоком разрешении. Находит микротрещины и загрязнения за минуты, а не за часы ручного труда.
• Прогнозное обслуживание. Датчики на станках передают данные о вибрации и температуре. ИИ знает, когда станок сломается, и советует починить его до аварии, а не после.
• Оптимизация режима. Алгоритм сам подбирает температуру печи и время травления под каждую партию, а не по усредненному шаблону.
• Управление выходом годных. Система заранее видит, какие пластины «умрут», и позволяет подкрутить настройки до конца цикла.

Эксперты говорят, что это может дать прирост выхода годных на 5–10%. Для отрасли, где 1% — это миллионы долларов, цифра колоссальная.

Сравнение: старый метод против нового

Традиционный подход — это опыт инженеров и плановые ремонты. ИИ-подход — это нейросети и предсказания. Разница видна невооруженным глазом: - Скорость обнаружения брака: «часы или дни» против «минут». - Точность прогноза: «приблизительно» против «учет сотен факторов». - Обслуживание: «по регламенту» против «по фактическому состоянию». - Адаптация: «ручная перенастройка» против «автоматической подстройки». Да, внедрение стоит дорого. Но потери от брака на сложных техпроцессах часто превышают любые инвестиции в софт.

Где все может пойти под откос

Не буду рисовать радужные картинки. Проблема номер один — данные. Чтобы обучить нейросеть, нужны горы информации с заводских линий. А она, как правило, разрозненна и не стандартизирована. Проблема номер два — цена ошибки. Если алгоритм ошибется, можно угробить партию пластин стоимостью в несколько миллионов долларов. Поэтому первое время ИИ будет работать в режиме «советчика», а не «диктатора». И да, человеческий фактор. Инженеры в цехах не любят, когда им говорят, что машина умнее. Samsung придется потратить кучу денег на переобучение персонала и создание культуры доверия к «железу».

Мое личное наблюдение

Я давно слежу за тем, как осторожно гиганты подходят к теме «умных фабрик». И вот что замечаю: Samsung всегда была консерватором в производстве. Они предпочитали проверенные методы и постепенные улучшения. Решение нанять внешних экспертов по ИИ — это тектонический сдвиг. Это признание того, что старыми методами TSMC не догнать. Похоже, в Корее наконец поняли: гонка техпроцессов упирается не в литографию, а в математику. Не ждите мгновенного результата. Пройдут годы, прежде чем алгоритмы начнут стабильно работать в промышленных масштабах. Но сигнал рынку дан четкий: будущее за теми, кто первым построит действительно автономную фабрику. Практический совет. Если вы имеете отношение к производству — не важно, чипы это или прокат стали, — начните с малого. Соберите данные со своих линий. Просто начните их записывать и структурировать. Потому что без качественных данных любые, даже самые гениальные, алгоритмы останутся просто красивой презентацией. Искусственный интеллект не решит ваших проблем, если вы сами не знаете, что происходит у вас в цеху.

По материалам: Tehnoseo