一连好几天的时间，纪弘都在产线这边，产线的数据不断的在提供，类思维AI的训练也一直在进行。
“这里，看到了没？”纪弘说道：“硅片对准标识和掩膜板对准标识的中心坐标差值，根据这些数据分析，AI认为还有优化空间。
“主要是……”
纪弘跟曾学成讲解着相关内容，并让他配合对产线的运动控制模块儿的算法进行着调整。
曾学成稍微一计算，就知道这东西应该对产线工艺是增益的。
虽然具体的结果还需要生产来验证，但，能够有找到梁松老师设计和规划，甚至优化了好久的产线的一个问题，还是让曾学成十分激动：
“我加上AI，真的能达到梁松老师的水平？”
能够找到问题，就是水平的体现，哪怕调整完了是副作用，也是实力。
毕竟，没有哪个人敢说我动一下就是升级，哪怕是梁松，调整产线的相关模块儿也是摸索摸索再摸索，最终才确定的方案。
纪弘没有回答他这个问题，而是问道：“你比梁松老师差在哪儿？最关键的点！”
要说差在哪儿，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的反馈结果对产线进行各方面的微调，现在的他已经完全成为了纪弘的跟班了，这与领导无关。
之前跟着梁松，但梁松独特的眼光和技能他学不来，纪弘这儿则是完全不一样，AI在那，用起来非常的简单和方便。