Posłuchaj wersji audio tego artykułu (wygenerowanej przez AI).
Walcownia gorąca California Steel Industries w Fontanie ciągnie się na ponad pół mili długości.
W środku gigantyczne piece nagrzewają stalowe kęsy do około 2300 stopni Fahrenheita. W tej temperaturze stal staje się wystarczająco miękka, aby ją walcować.
Ale najpierw trzeba ją oczyścić. Piec pozostawia grubą skorupę „zgorzeliny" na powierzchni. Jeśli nie zostanie usunięta, zostaje wciśnięta w stal i niszczy wykończenie. Łamacz zgorzeliny kruszy skorupę. Następnie strumienie wody pod wysokim ciśnieniem ją zmywają.
Następnie kęs stalowy przechodzi przez pięć klatek wstępnych, które ściskają go z grubości od 7 do 9 cali do zaledwie 0,0538 cala — zbliżonej do grubości karty kredytowej. Nożyce obcinające przycinają postrzępione końce, zanim stal przejdzie do wykańczania. Następnie sześć kolejnych klatek wykańczających walcuje ją do ostatecznej grubości i jakości powierzchni.
W tym momencie stal porusza się z prędkością około 35 mil na godzinę.
To zbyt szybko, aby wychwycić wady wzrokiem. W przypadku paneli samochodowych i sprzętu AGD powierzchnia musi być bez skazy — wady są widoczne przez farbę.
Gotowa taśma zwija się w krąg. Niektóre ważą nawet 25 ton. Cały proces zajmuje około pięciu godzin. Przy pełnej wydajności walcownia pracuje 24 godziny na dobę i produkuje 2 miliony ton stali rocznie.
Ale przynajmniej stal jest widoczna.
W najbardziej zaawansowanych fabrykach półprzewodników wady, które mają znaczenie, są niewidoczne dla ludzkiego oka.
A konsekwencje ich przeoczenia są równie poważne.
Jedna wada półprzewodnika może kosztować 25 000 USD — i ludzcy inspektorzy nie mogą temu zapobiec
W produkcji półprzewodników wszystko zaczyna się od wafla — cienkiego, wypolerowanego krążka wyciętego z czystego krzemu, zwykle o średnicy około 12 cali. Te wafle muszą być bez skazy. Nawet mikroskopijne zadrapanie lub zanieczyszczenie może spowodować wady na setkach układów scalonych.
Pierwszym krokiem jest drukowanie obwodów przy użyciu litografii ekstremalnego ultrafioletu. Proces ten projektuje wzory obwodów za pomocą światła o długości fali krótszej niż jakikolwiek widzialny kolor. Jeden gotowy układ scalony może wymagać od 20 do 30 przejść tylko przez ten etap.
Specjalistyczne maski używane w tym procesie — rodzaj trójwymiarowego szablonu — również muszą być doskonałe. Jedna wada niszczy każdy układ scalony, którego ta maska dotknie. A te maski mogą kosztować nawet 1 milion USD każda.
Po każdym przejściu wafel przechodzi przez trawienie, osadzanie i obróbkę chemiczną w celu budowania warstw tranzystorów. Następnie cykl się powtarza. Najbardziej złożone układy scalone przechodzą dziś przez 1500 do 2000 indywidualnych kroków, zanim staną się funkcjonalne. Każdy krok jest potencjalnym punktem awarii. Jedna cząsteczka kurzu może zniszczyć cały wafel.
Pojedynczy wafel dla najbardziej zaawansowanych półprzewodników może kosztować od 20 000 do 25 000 USD. Każdy wafel mieści setki układów scalonych. Wadliwy wafel niszczy jednocześnie setki produktów. A fabryki, w których to wszystko się dzieje, kosztują od 15 do 20 miliardów USD w budowie.
Fabryki muszą ograniczać te straty wszędzie tam, gdzie to możliwe. A ludzcy inspektorzy po prostu nie są w stanie wykonać tej pracy.
Przy prędkości 35 mil na godzinę stal porusza się zbyt szybko, aby ją zobaczyć. W fabryce półprzewodników wady są zbyt małe, aby je zobaczyć. W obu przypadkach stawki są zbyt wysokie, aby cokolwiek przeoczyć.
AI usprawnia kontrolę jakości
To jeden z obszarów, w którym AI nie tylko pomaga. To jedyne rozwiązanie, które naprawdę działa.
„Głębokie uczenie" i „uczenie brzegowe" AI przenoszą kontrolę wad na poziom, którego ludzie nie mogą dorównać. Głębokie uczenie działa poprzez analizowanie setek przykładowych obrazów, aż system nauczy się samodzielnie podejmować decyzje — bez programisty wymaganego na każdym kroku.
Uczenie brzegowe idzie dalej. Te systemy są wstępnie wytrenowane i mogą potrzebować zaledwie pięciu do dziesięciu obrazów na start. Wdrażają się w ciągu minut.
Wyniki są mierzalne.
W BMW systemy wizyjne zasilane przez AI obniżyły wskaźnik wad o 30% w jednej europejskiej fabryce w ciągu roku. Satysfakcja klientów wzrosła o 15% po wdrożeniu. W Foxconn kamery zasilane przez AI wykrywają teraz wady z dokładnością 98%, generują o 80% mniej fałszywych alarmów i kontrolują każdą jednostkę o 60% szybciej niż wcześniej.
To nie są programy pilotażowe. To systemy produkcyjne działające na dużą skalę, w niektórych z najbardziej wymagających środowisk produkcyjnych na Ziemi.
To właśnie mam na myśli, gdy mówię, że prawdziwa historia AI nie jest tą, która przyciąga najwięcej uwagi.
Wszyscy obserwują wielkie nazwy infrastrukturalne — firmy chipowe, dostawców chmury, platformy chatbotów. I tak, te są ważne. Ale na hali fabrycznej, na polu naftowym i w fabryce półprzewodników rozgrywa się równoległa historia.
AI rozwiązuje problemy, które wcześniej były nierozwiązywalne. A firmy dostarczające te rozwiązania stają się coraz bardziej konkurencyjne, rentowne i wartościowe — po cichu, bez większego rozgłosu.
To właśnie taka szansa, której szukałem przez całą moją karierę.
Znajdowanie zwycięzców nowej generacji, zanim rynek to zauważy
Wyzwaniem jest oczywiście identyfikacja firm, które naprawdę wygrywają — nie tylko twierdzą, że używają AI, ale używają jej w sposób, który odzwierciedla się w fundamentach.
To problem, nad którym Marc Chaikin pracuje przez całą swoją karierę. Jego system ocen Power Gauge został stworzony, aby przebić się przez szum informacyjny i znaleźć akcje z prawdziwym momentum. Robi to od dziesięcioleci.
Ale 24 czerwca Marc i ja zrobimy krok dalej. Ujawniamy pierwszy produkt oparty na AI, jaki Chaikin Analytics kiedykolwiek stworzył — i nie jest on podobny do niczego, co wcześniej pokazaliśmy publicznie.
Nazywamy go Time Machine. Skanuje dziesięciolecia historii rynku, aby znaleźć dzisiejsze akcje, których fundamentalne i techniczne odciski palców pasują do wczesnych profili akcji takich jak Nvidia Corp. (NVDA), Amazon.com Inc. (AMZN) i Meta Platforms Inc. (META) — tuż przed ich największymi wzrostami. W backtestingu wyłonił akcje, które osiągnęły zyski 995%, 1406% i 3804%, podczas gdy „wzorcowe" akcje, z którymi były porównywane, osiągały znacznie skromniejsze zwroty.
Historia AI na hali fabrycznej jest jednym z przykładów rodzajów szans, które Time Machine jest zaprojektowany do wyłaniania. Firmy rozwiązujące prawdziwe problemy przemysłowe za pomocą AI — zanim rynek to zauważy.
To pierwszy raz, gdy udostępniamy coś takiego indywidualnym inwestorom. Członkostwo założycielskie jest ograniczone, a ta oferta nie zostanie powtórzona po prezentacji 24 czerwca.
Pierwszy krok jest prosty: Zarezerwuj swoje miejsce na naszym bezpłatnym wydarzeniu.
Osoby, które się zarejestrują, otrzymują teraz wczesny dostęp beta do Time Machine — bez konieczności zakupu. Możesz wpisać dowolny ticker i zobaczyć, jak wypada na tle największych zwycięzców giełdowych wszech czasów, przed oficjalną premierą.
Zabezpiecz swoje miejsce tutaj.
