文稿
接下来让我们稍微聚焦一下人工智能的话题。你刚才简要提到了晶圆制造环境日益增长的复杂性。最近我接触了一位客户，我们非常简短地讨论了 AI。客户打趣说，我不需要 AI。
我需要的是“为什么”，我需要能解释问题根源的系统，我需要能真正解决制造业业务痛点的方案。
在座各位有多少人对 ChatGPT 的上市速度感到惊讶？没错，我的意思是，我们都知道技术会进步，但谁能料到它的成熟度如此惊人？这是有史以来发展最快的科技产品。确实如此。
现在做个小小预测，如果制造业出现类似的突破，将彻底颠覆现有市场格局。目前还没有任何技术能达到这种程度。
问题在于，谁具备这样的实力？有没有人在这个领域真正有能力实现这一技术突破？就我个人而言，我是有偏向的。我认为我们可以。因为如果你想做。过去就有很多公司有这样的想法，他们认为我们可以做到这一点，对吧？他们有种信念，觉得我们什么都能做到。查看数据，挖掘数据，并结合 AI 原理来挖掘数据的价值。
但是他们忽略了最基本的原则，数据内涵是什么？清晰度如何？分辨率怎样？实际意义何在？但如果我们希望进入一个在产能上真正超越当前工厂的阶段，除非基础非常扎实，否则是不可能实现的。为了做到这一点，就必须有能力提供完整的计算机集成制造系统 (CIM)。
这些能力我们都已经具备。目前，SmartFactory 实现系统之间的互联互通。举个例子，我们可以实现机器人驾驶或执行相关行动，这正是 SmartFactory 的独特之处。可以启用 AI 设备，基于 AI 的设备在工厂中自主行动。
我们今天已经看到了这一点，对吧？其次，是基于机器学习的能力，识别异常模式或者预测故障模型等关键指标的应用。我们在这方面已经取得很大进展。SmartFactory 的另一个独特价值体现在，我们之前谈到的集成能力，我们可以从工厂生产系统、MES 和 E3 平台获取数据，并利用这些数据构建更好的机器学习模型。
所以，我们实际上讨论的是非常具体的 AI 应用模型，对吧？比如管理晶圆良率的 AI，管理生产效率或生产周期或产能的 AI，或设备负载管理的 AI，对吧？我认为，通过 SmartFactory 软件套件，我们正在构建一个多方位的基础架构，为未来的 AI 发展奠定根基。是的，我们需要在各个组件中植入 AI 能力。但当我们迈向下一个阶段，实现通用人工智能 (AGI) 时，就能打造真正掌控整个工厂的 AI 系统。
这让我感到无比振奋，展位未来 5 到 10 年的发展蓝图，将生产力提升至前所未有的高度。目前，我们已经在工厂的各个子系统层面实现了局部优化，而通过工厂级 AI 整合所有独立组件，实现智能排程和精准控制，就能以极少的资源创造最大化的价值。
这个前景令人无比期待。
