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
“能调整吗？”纪弘问道
“当然能！”曾学成信心十足：“即便是梁松老师在，也是他指出问题，然后我带人实施的”
“嗯”纪弘点了点头：“那正好，来吧，试试看”
设备是不需要动的，而程序的设计和优化，纪弘也带来了神器——完整版本的灵犀
曾学成带着团队分工协作，很快，优化工作就完成了
安装，重启，测试当即进行
“边界更加清晰了”
高倍显微镜下，样品对比数据很明显曾学成是这么说的，但纪弘确实没看出来
“具体如何，还得看良率有没有提升”纪弘对肉眼观测的东西不太信任，尤其是曾学成，纪弘感觉他太激动了，眼睛开了光环也说不一定
“那就得等明天才能知道了”
……
翌日，数据出炉，良品率提升2%
“才2%？”纪弘很不满意
“基数是94%啊老大，提高2%到96%已经非常大了好吧！”曾学成已经管纪弘叫上老大了：“如果用四重曝光，提升肯定会更大
“现在这几条产线都差不多，做四重曝光的良率基本都在55%左右，我们需要测试吗？”
“扔给华为去测吧”纪弘想了想，他这边的主要工作是层迭ALU的生产，下一步的重点是层迭工艺的推进
双重四曝光不是地点
……
就这样，AI不断的进行着训练，也不断的对产线相关的数据进行着一次又一次的计算
而曾学成则是根据AI的反馈结