Прослушайте аудиоверсию этой статьи (создана с помощью ИИ).
Стан горячей прокатки California Steel Industries в Фонтане растянулся более чем на полмили.
Внутри гигантские печи нагревают стальные слябы примерно до 2 300 градусов по Фаренгейту. При такой температуре сталь становится достаточно мягкой для прокатки.
Но сначала её нужно очистить. Печь оставляет на поверхности толстую корку «окалины». Если её не удалить, она вдавливается в сталь и портит поверхность. Скалколоматель разрушает корку, после чего струи воды высокого давления смывают её.
Затем стальной сляб проходит через пять черновых клетей, которые обжимают его с толщины от 7 до 9 дюймов до 0,0538 дюйма — примерно как толщина кредитной карты. Летучие ножницы обрезают неровные торцы, после чего сталь поступает на чистовую прокатку. Ещё шесть чистовых клетей доводят её до окончательной толщины и качества поверхности.
К этому моменту сталь движется со скоростью около 35 миль в час.
Это слишком быстро, чтобы замечать дефекты на глаз. Для автомобильных панелей и бытовой техники поверхность должна быть безупречной — дефекты просвечивают сквозь краску.
Готовая полоса сматывается в рулон. Некоторые весят до 25 тонн. Весь процесс занимает около пяти часов. На полную мощность стан работает 24 часа в сутки и производит 2 миллиона тонн стали в год.
Но по крайней мере сталь можно увидеть.
На самых современных заводах по производству полупроводников дефекты, которые имеют значение, невидимы невооружённым глазом.
И последствия их пропуска не менее серьёзны.
Один дефект полупроводника может обойтись в 25 000 $ — и контролёры-люди не в силах этому помешать
В производстве полупроводников всё начинается с пластины — тонкого полированного диска, нарезанного из чистого кремния, обычно около 12 дюймов в диаметре. Эти пластины должны быть безупречными. Даже микроскопическая царапина или загрязнение могут создать дефекты на сотнях чипов.
Первый этап — печать схем с помощью литографии в крайнем ультрафиолетовом диапазоне. Этот процесс проецирует схемы с использованием света с длиной волны короче любого видимого цвета. Один готовый чип может потребовать от 20 до 30 проходов только через этот этап.
Специализированные маски, применяемые в этом процессе — своеобразный трёхмерный трафарет — тоже должны быть идеальными. Один дефект портит каждый чип, которого касается маска. А стоимость таких масок может достигать 1 000 000 $ каждая.
После каждого прохода пластина проходит через травление, осаждение и химическую обработку для формирования слоёв транзисторов. Затем цикл повторяется. Самые сложные современные чипы проходят от 1 500 до 2 000 отдельных этапов, прежде чем становятся функциональными. Каждый этап — потенциальная точка отказа. Одна частица пыли может уничтожить всю пластину.
Одна пластина для самых передовых полупроводников может стоить от 20 000 $ до 25 000 $. На каждой пластине размещены сотни чипов. Бракованная пластина уничтожает сотни продуктов одновременно. А производственные предприятия, где всё это происходит, стоят от 15 до 20 миллиардов $ в строительстве.
Производителям необходимо сокращать эти потери везде, где это возможно. И контролёры-люди просто не справляются с этой задачей.
При скорости 35 миль в час сталь движется слишком быстро, чтобы её можно было увидеть. На производстве полупроводников дефекты слишком малы, чтобы их можно было разглядеть. В обоих случаях ставки слишком высоки, чтобы что-либо упускать.
ИИ повышает качество контроля
Это одна из областей, где ИИ не просто помогает. Это единственное решение, которое действительно работает.
«Глубокое обучение» и «граничное обучение» ИИ выводят контроль дефектов на уровень, недостижимый для человека. Глубокое обучение работает за счёт анализа сотен примеров изображений, пока система не научится принимать решения самостоятельно — без участия программиста на каждом шаге.
Граничное обучение идёт дальше. Эти системы поставляются предварительно обученными и могут потребовать всего от пяти до десяти изображений для запуска. Они разворачиваются за считанные минуты.
Результаты поддаются измерению.
На BMW системы технического зрения на базе ИИ снизили уровень дефектов на 30% на одном европейском заводе в течение года. Удовлетворённость клиентов выросла на 15% после внедрения. На Foxconn камеры на базе ИИ теперь выявляют дефекты с точностью 98%, на 80% реже выдают ложные срабатывания и проверяют каждый узел на 60% быстрее, чем раньше.
Это не пилотные программы. Это производственные системы, работающие в масштабе, в одних из самых требовательных производственных условий на Земле.
Именно это я имею в виду, когда говорю, что настоящая история ИИ — не та, которой уделяется больше всего внимания.
Все следят за крупными инфраструктурными игроками — производителями чипов, облачными провайдерами, платформами чат-ботов. И да, они важны. Но параллельно разворачивается другая история — в цехах заводов, на нефтяных месторождениях и на производстве полупроводников.
ИИ решает проблемы, которые раньше не имели решения. И компании, предлагающие эти решения, становятся более конкурентоспособными, более прибыльными и более ценными — тихо, без лишней огласки.
Именно такие возможности я искал на протяжении всей своей карьеры.
Поиск победителей следующего поколения до того, как рынок это заметит
Задача, конечно, состоит в том, чтобы определить, какие компании действительно выигрывают — не просто заявляют об использовании ИИ, а применяют его так, чтобы это отражалось в фундаментальных показателях.
Над этой проблемой Марк Чайкин работает всю свою карьеру. Его рейтинговая система Power Gauge была создана для того, чтобы отфильтровать шум и находить акции с реальным импульсом роста. Она делает это уже несколько десятилетий.
Но 24 июня Марк и я делаем шаг вперёд. Мы представляем первый продукт на базе ИИ, который когда-либо создала Chaikin Analytics, — и он не похож ни на что, что мы когда-либо показывали публике.
Мы называем его Time Machine. Он сканирует десятилетия рыночной истории, чтобы находить сегодняшние акции, чьи фундаментальные и технические «отпечатки» соответствуют ранним профилям таких акций, как Nvidia Corp. (NVDA), Amazon.com Inc. (AMZN) и Meta Platforms Inc. (META) — прямо перед их самыми значительными движениями. В ходе бэктестирования он обнаружил акции, которые впоследствии принесли доходность 995%, 1 406% и 3 804%, тогда как «базовые» акции, с которыми они сопоставлялись, показали значительно более скромные результаты.
История ИИ на производственных площадках — один из примеров возможностей, которые Time Machine призван обнаруживать. Компании, решающие реальные промышленные проблемы с помощью ИИ — прежде чем рынок это заметит.
Это первый случай, когда мы делаем нечто подобное доступным для частных инвесторов. Количество мест для учредительного членства ограничено, и это предложение не будет повторено после презентации 24 июня.
Первый шаг прост: забронируйте место на нашем бесплатном мероприятии.
Те, кто зарегистрируется, получат ранний бета-доступ к Time Machine прямо сейчас — без каких-либо покупок. Вы можете ввести любой тикер и посмотреть, как он сравнивается с величайшими победителями фондового рынка всех времён, до официального запуска.
Зарезервируйте своё место здесь.
