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
本章未完，请点击下一页继续阅读！