ฟังบทความนี้ในรูปแบบเสียง (สร้างโดย AI)
โรงรีดเหล็กร้อน Hot Strip Mill ของ California Steel Industries ในเมือง Fontana มีความยาวกว่าครึ่งไมล์
ภายในนั้น เตาเผาขนาดยักษ์จะให้ความร้อนแก่แผ่นเหล็กจนถึงประมาณ 2,300 องศาฟาเรนไฮต์ ที่อุณหภูมินี้ เหล็กจะอ่อนตัวพอที่จะรีดได้
แต่ก่อนอื่น ต้องทำความสะอาดก่อน เตาเผาจะทิ้งเปลือกหนาของ "ตะกรัน" ไว้บนพื้นผิว หากไม่ถูกกำจัดออก มันจะถูกกดลงไปในเหล็กและทำลายผิวหน้า เครื่องทำลายตะกรันจะแตกเปลือกออก จากนั้นหัวฉีดน้ำแรงดันสูงจะพ่นออกไป
ต่อจากนั้น แผ่นเหล็กจะผ่านชุดรีดหยาบ 5 ชุดที่บีบให้บางลงจากความหนาระหว่าง 7 ถึง 9 นิ้ว เหลือเพียง 0.0538 นิ้ว — ใกล้เคียงกับความหนาของบัตรเครดิต เครื่องตัดปลายจะตัดปลายที่ขรุขระออกก่อนที่เหล็กจะเข้าสู่ขั้นตอนการตกแต่ง จากนั้นชุดรีดตกแต่งอีก 6 ชุดจะรีดให้ได้ความหนาสุดท้ายและคุณภาพผิวที่ต้องการ
ณ จุดนี้ เหล็กเคลื่อนที่ด้วยความเร็วประมาณ 35 ไมล์ต่อชั่วโมง
เร็วเกินไปที่จะตรวจจับข้อบกพร่องด้วยตาเปล่า สำหรับแผงรถยนต์และเครื่องใช้ไฟฟ้า พื้นผิวต้องไร้ที่ติ — ข้อบกพร่องจะมองเห็นได้ทะลุสีทา
แถบเหล็กที่เสร็จแล้วจะถูกพันเป็นขดลวด บางขดหนักถึง 25 ตัน กระบวนการทั้งหมดใช้เวลาประมาณห้าชั่วโมง เมื่อทำงานเต็มกำลัง โรงงานจะทำงาน 24 ชั่วโมงต่อวันและผลิตเหล็กได้ 2 ล้านตันต่อปี
แต่อย่างน้อยคุณยังมองเห็นเหล็กได้
ในโรงงานผลิตเซมิคอนดักเตอร์ที่ทันสมัยที่สุดในปัจจุบัน ข้อบกพร่องที่สำคัญนั้นล่องหนต่อสายตามนุษย์
และผลที่ตามมาจากการพลาดมองข้อบกพร่องเหล่านั้นก็รุนแรงไม่ยิ่งหย่อนกัน
ข้อบกพร่องเพียงชิ้นเดียวในเซมิคอนดักเตอร์อาจมีมูลค่าถึง 25,000 ดอลลาร์ — และผู้ตรวจสอบที่เป็นมนุษย์ไม่สามารถหยุดมันได้
ในการผลิตเซมิคอนดักเตอร์ ทุกอย่างเริ่มต้นจากแผ่นเวเฟอร์ — แผ่นดิสก์บางที่ขัดเงาแล้วตัดจากซิลิกอนบริสุทธิ์ โดยทั่วไปมีขนาดประมาณ 12 นิ้ว แผ่นเวเฟอร์เหล่านี้ต้องไร้ที่ติ แม้แต่รอยขีดข่วนหรือสิ่งปนเปื้อนระดับจุลภาคก็สามารถสร้างข้อบกพร่องให้กับชิปหลายร้อยตัวได้
ขั้นตอนแรกคือการพิมพ์วงจรโดยใช้การพิมพ์ลิโธกราฟีด้วยแสงอัลตราไวโอเลตสุดขั้ว กระบวนการนี้ฉายลวดลายวงจรโดยใช้แสงที่มีความยาวคลื่นสั้นกว่าสีที่มองเห็นได้ใดๆ ชิปสำเร็จรูปเพียงชิ้นเดียวอาจต้องผ่านขั้นตอนนี้ถึง 20 ถึง 30 ครั้ง
หน้ากากพิเศษที่ใช้ในกระบวนการนี้ — ซึ่งเป็นแม่พิมพ์สามมิติชนิดหนึ่ง — ก็ต้องสมบูรณ์แบบเช่นกัน ข้อบกพร่องเพียงจุดเดียวจะทำลายทุกชิปที่หน้ากากนั้นสัมผัส และหน้ากากเหล่านั้นอาจมีราคาสูงถึง 1 ล้านดอลลาร์ต่อชิ้น
หลังจากแต่ละรอบ แผ่นเวเฟอร์จะผ่านกระบวนการแกะสลัก การสะสมชั้น และการบำบัดด้วยสารเคมีเพื่อสร้างชั้นทรานซิสเตอร์ จากนั้นวงจรก็เริ่มซ้ำอีกครั้ง ชิปที่ซับซ้อนที่สุดในปัจจุบันต้องผ่านขั้นตอนแต่ละขั้นตอน 1,500 ถึง 2,000 ขั้นตอนก่อนที่จะทำงานได้ แต่ละขั้นตอนเป็นจุดที่อาจเกิดความล้มเหลว ฝุ่นเพียงอนุภาคเดียวสามารถทำลายแผ่นเวเฟอร์ทั้งแผ่นได้
แผ่นเวเฟอร์เดี่ยวสำหรับเซมิคอนดักเตอร์ขั้นสูงที่สุดอาจมีราคาระหว่าง 20,000 ถึง 25,000 ดอลลาร์ แต่ละแผ่นเวเฟอร์บรรจุชิปหลายร้อยตัว แผ่นที่มีข้อบกพร่องจะทำลายผลิตภัณฑ์หลายร้อยชิ้นในคราวเดียว และโรงงาน fab ที่ทุกอย่างเกิดขึ้นนี้มีต้นทุนการก่อสร้างระหว่าง 15,000 ล้านถึง 20,000 ล้านดอลลาร์
โรงงาน fab จำเป็นต้องลดการสูญเสียเหล่านี้ให้มากที่สุดเท่าที่จะเป็นไปได้ และผู้ตรวจสอบที่เป็นมนุษย์ก็ไม่สามารถทำงานนี้ได้
ที่ความเร็ว 35 ไมล์ต่อชั่วโมง เหล็กเคลื่อนที่เร็วเกินไปที่จะมองเห็น ในโรงงาน fab เซมิคอนดักเตอร์ ข้อบกพร่องเล็กเกินไปที่จะมองเห็น ในทั้งสองกรณี เดิมพันสูงเกินไปที่จะพลาดสิ่งใด
AI กำลังยกระดับการควบคุมคุณภาพ
นี่คือพื้นที่ที่ AI ไม่ได้แค่ช่วยเหลือ แต่เป็นทางออกเดียวที่ได้ผลจริง
"การเรียนรู้เชิงลึก" และ "การเรียนรู้ที่ขอบ" ของ AI นำการควบคุมข้อบกพร่องไปสู่ระดับที่มนุษย์ไม่สามารถเทียบได้ การเรียนรู้เชิงลึกทำงานโดยการวิเคราะห์ภาพตัวอย่างหลายร้อยภาพจนกระทั่งระบบเรียนรู้ที่จะตัดสินใจได้เอง — ไม่ต้องการโปรแกรมเมอร์ในแต่ละขั้นตอน
การเรียนรู้ที่ขอบก้าวไปไกลกว่านั้น ระบบเหล่านี้มาพร้อมกับการฝึกอบรมล่วงหน้าและอาจต้องการภาพเพียง 5 ถึง 10 ภาพเพื่อเริ่มต้น สามารถนำไปใช้งานได้ภายในไม่กี่นาที
ผลลัพธ์นั้นวัดได้
ที่ BMW ระบบวิสัยทัศน์ที่ขับเคลื่อนด้วย AI ลดอัตราข้อบกพร่องลง 30% ที่โรงงานแห่งหนึ่งในยุโรปภายในหนึ่งปี ความพึงพอใจของลูกค้าเพิ่มขึ้น 15% หลังจากการเปิดตัว ที่ Foxconn กล้องที่ขับเคลื่อนด้วย AI ตรวจจับข้อบกพร่องได้ด้วยความแม่นยำ 98% ลดสัญญาณเตือนเท็จลง 80% และตรวจสอบแต่ละหน่วยเร็วกว่าเดิม 60%
นี่ไม่ใช่โปรแกรมนำร่อง แต่เป็นระบบการผลิตที่ทำงานในระดับขนาดใหญ่ ในสภาพแวดล้อมการผลิตที่ต้องการความสมบูรณ์แบบมากที่สุดบนโลก
นี่คือสิ่งที่ฉันหมายถึงเมื่อพูดว่าเรื่องราว AI ที่แท้จริงไม่ใช่สิ่งที่ได้รับความสนใจมากที่สุด
ทุกคนกำลังจับตามองชื่อโครงสร้างพื้นฐานรายใหญ่ — บริษัทชิป ผู้ให้บริการคลาวด์ แพลตฟอร์มแชทบอต และใช่ สิ่งเหล่านั้นสำคัญ แต่มีเรื่องราวคู่ขนานที่กำลังเกิดขึ้นบนพื้นโรงงาน ในแหล่งน้ำมัน และในโรงงาน fab เซมิคอนดักเตอร์
AI กำลังแก้ปัญหาที่ก่อนหน้านี้ไม่สามารถแก้ได้ และบริษัทที่ส่งมอบโซลูชันเหล่านั้นกำลังมีความสามารถในการแข่งขันมากขึ้น ทำกำไรได้มากขึ้น และมีคุณค่ามากขึ้น — อย่างเงียบๆ โดยไม่ค่อยมีใครพูดถึง
นั่นคือโอกาสแบบที่ฉันใช้เวลาทั้งอาชีพในการค้นหา
การค้นหาผู้ชนะรุ่นต่อไปก่อนที่ตลาดจะรับรู้
ความท้าทาย แน่นอน คือการระบุว่าบริษัทใดกำลังชนะจริงๆ — ไม่ใช่แค่อ้างว่าใช้ AI แต่ใช้ในแบบที่ส่งผลต่อปัจจัยพื้นฐาน
นั่นคือปัญหาที่ Marc Chaikin ทำงานมาตลอดอาชีพของเขา ระบบการให้คะแนน Power Gauge ของเขาถูกสร้างขึ้นเพื่อตัดผ่านสัญญาณรบกวนและค้นหาหุ้นที่มีโมเมนตัมที่แท้จริง มันทำหน้าที่นั้นมาเป็นเวลาหลายทศวรรษ
แต่ในวันที่ 24 มิถุนายน Marc และฉันจะก้าวไปอีกขั้น เราจะเปิดตัวผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI ชิ้นแรกที่ Chaikin Analytics เคยสร้าง — และมันไม่เหมือนสิ่งที่เราเคยแสดงต่อสาธารณะมาก่อน
เราเรียกมันว่า Time Machine มันสแกนประวัติศาสตร์ตลาดหลายทศวรรษเพื่อค้นหาหุ้นในปัจจุบันที่มีลายนิ้วมือพื้นฐานและทางเทคนิคตรงกับโปรไฟล์ช่วงต้นของหุ้นอย่าง Nvidia Corp. (NVDA), Amazon.com Inc. (AMZN) และ Meta Platforms Inc. (META) — ก่อนที่พวกมันจะทำการเคลื่อนไหวที่ยิ่งใหญ่ที่สุด ในการทดสอบย้อนหลัง มันค้นพบหุ้นที่ต่อมาให้ผลตอบแทน 995%, 1,406% และ 3,804% ในขณะที่หุ้น "ต้นแบบ" ที่ถูกจับคู่ให้ผลตอบแทนที่ต่ำกว่ามาก
เรื่องราว AI บนพื้นโรงงานเป็นตัวอย่างหนึ่งของโอกาสประเภทที่ Time Machine ถูกออกแบบมาเพื่อค้นหา บริษัทที่แก้ปัญหาอุตสาหกรรมจริงด้วย AI — ก่อนที่ตลาดจะรับรู้
นี่เป็นครั้งแรกที่เราเคยทำให้สิ่งนี้พร้อมใช้งานสำหรับนักลงทุนรายบุคคล การเป็นสมาชิกผู้ก่อตั้งมีจำนวนจำกัด และข้อเสนอนี้จะไม่ถูกนำเสนออีกครั้งหลังจากการเปิดตัวในวันที่ 24 มิถุนายนผ่านพ้นไป
ขั้นตอนแรกนั้นง่าย: จองที่นั่งของคุณสำหรับงานฟรีของเรา
ผู้ที่สมัครจะได้รับสิทธิ์เข้าถึง Time Machine เวอร์ชันเบต้าล่วงหน้าตอนนี้ — ไม่ต้องซื้อ คุณสามารถป้อนหุ้นใดก็ได้และดูว่ามันเปรียบเทียบกับผู้ชนะตลาดหุ้นที่ยิ่งใหญ่ที่สุดตลอดกาลอย่างไร ก่อนการเปิดตัวอย่างเป็นทางการ
จองที่นั่งของคุณที่นี่
