На верхнем уровне полупроводниковой цепочки, до цифрового двойника: анализ скрытых чемпионов по повышению урожайности

Если рассматривать производство полупроводников как систему, то обнаружится одна позиция, которая долгое время игнорировалась: над всей цепочкой, до реального внедрения цифрового двойника, существует слой ещё не полностью определённого межпредприятного, полного процесса «уровня认知». Ценность PDF Solutions как раз отсюда.
Он обрабатывает не отдельные точки данных, а причинно-следственную цепочку, проходящую через проектирование, технологию, оборудование и тестирование: определённая структура дизайна, формирующаяся на конкретном технологическом этапе или на определённом оборудовании, приводит к появлению дефекта, который в конечном итоге проявляется как электрическая неисправность. Один завод или тестовая организация могут иметь все исходные данные по некоторым этапам, но им трудно стабильно связать эти данные в переиспользуемую причинно-следственную модель — в этом и есть суть входа PDFS.
Почему EDA, фабрики, производители оборудования не сделали это сами? Не потому, что не могут, а потому, что у них нет мотивации сделать следующий шаг.
Дизайнерские компании, такие как Synopsys, Cadence Design Systems, могут лишь осуществлять предиктивную оптимизацию, им не хватает обратной связи после производства;
Фабрики, такие как TSMC, Intel, имеют наиболее полные данные, но системы разрознены, организации разбросаны, интеграция между процессами стоит очень дорого;
Производители оборудования, такие как KLA Corporation, Applied Materials, владеют технологиями обнаружения и контроля, но их взгляд ограничен одним технологическим этапом.
Каждый уровень оптимизирует локальные задачи, межсистемные проблемы остаются без решения, и потому над всей цепочкой естественно появляется «проблема объяснения» — именно здесь и находится место PDFS.
Использование PDFS в цепочке обусловлено разрывами данных — дизайн смотрит на дизайн, технология — на технологию, оборудование — на дефекты, но нет единого механизма, объединяющего эти сведения в объяснимую причинно-следственную цепочку. Основная роль PDFS — обеспечить «единственный язык» между этапами, превращая разрозненные данные в структурированное знание, пригодное для принятия решений.
PDFS использует абстрактный уровень: классификацию дефектов, инженерные признаки, аналитические пути и отображение «модель — причина». Это своего рода «когнитивный сложный эффект», а не интернет-эффект сильной сети. Чем больше клиентов, тем лучше модель.
Почему PDFS достигла нынешнего уровня? Потому что они начали с самых сложных задач.
Изначально они не были платформенной компанией, а вошли через инженерные услуги, решая самые сложные проблемы с урожайностью. Проблемы урожайности по своей природе охватывают дизайн, производство и тестирование, их приходится интегрировать с самого начала. По мере накопления проектов и повторения схожих задач, методы анализа и структура данных постоянно совершенствовались, постепенно переходя от «человеко-управляемых» к «методологическим», и в конечном итоге превращаясь в платформу (Exensio). Так называемое «охватывание всей цепочки» — не результат сверху вниз, а естественное расширение под воздействием проблем.
На данный момент конкурентные преимущества компании всё ещё недостаточны для автоматической эволюции в отраслевой стандарт. Три условия, определяющие её потенциал, сейчас только одно ускоряется — зависимость от структуры данных со стороны ИИ. По мере внедрения ИИ в производство, компании склонны моделировать на существующих данных, а не перестраивать систему, что укрепляет позицию PDFS. Но стандартизация моделей данных всё ещё идёт медленно, межкомпанийное сотрудничество находится на ранней стадии, цикл обратной связи ещё не завершён.
В сравнении с KLA Corporation эта разница более очевидна. KLA контролирует «что видно», данные поступают с оборудования, связаны с физическим миром, их барьер — жёсткий и прямой; PDFS контролирует «как понять», относится к когнитивному уровню, зависит от структуры данных и накопленного опыта. Первый путь невозможно обойти, второй — есть альтернативы. Поэтому на текущем этапе KLA сильнее и более определён, а потенциал PDFS выше, но путь ещё не закреплён.
Если смотреть на конечную цель PDFS по словам старого гуру NVIDIA, то это — цифровой двойник.
Цифровой двойник требует замкнутого цикла из реальных данных, причинно-следственной модели и управленческих возможностей. PDFS уже покрывает самую сложную часть — причинно-следовательное моделирование и межцепочечную структуру данных, поэтому занимает очень тонкое место: он находится над всей цепочкой, но ещё до цифрового двойника. Он отвечает за «понимание мира», чтобы другие могли «менять мир».
С точки зрения развития, следующий шаг PDFS, скорее всего, будет сводиться к трём основным направлениям: стандартизации, внедрению ИИ и интеграции. Стандартизация означает превращение собственной структуры данных в отраслевой язык по умолчанию; внедрение ИИ — в зависимость моделей от их системы данных; интеграция — перейти от «аналитических рекомендаций» к «производственным решениям». Если эти три пункта реализуются, то PDFS сможет перейти границу, двинувшись от уровня认知 к полноценной системе.
Поэтому наиболее точная оценка PDFS — это его уникальное положение: он находится над цепочкой полупроводников, до цифрового двойника.
Если эта прослойка будет стандартизирована, она может стать инфраструктурой; если нет — останется высокоценным инструментом.
Отказ от ответственности: я владею указанными в статье активами, мои взгляды могут быть предвзяты, это не инвестиционный совет, риск инвестиций очень высок, входить нужно с крайней осторожностью.