现在，最大的问题是制造。
“从单纯的垂直通孔，到360度的全向网状连接，最大的问题是精度。”
这是褚柏的判断，也是他这次非要过来的一个重要原因：机器视觉和深度学习在芯片制造领域的应用。
当然，在来之前，褚柏并不知道白驹科技的这个碳硅融合半导体的方案。
但AI在芯片设计制造领域的应用，可并不是什么稀罕事儿。
就现在，EDA工具，尤其是仿真工具，很大程度上已经开始用上了AI的推理能力。
而华为这两年的芯片设计，受限于国内的工艺制程，迭代是非常艰辛的。
原本褚柏此来，是想和白驹科技探讨，是否能够将现有的机器视觉以及AI模型进行升级，以在现有工业基础的前提下，进一步挖掘当前性能的潜力。
“只要有数据，那自然是可以的。”郝成点了点头：“只是具体能做到什么程度，现在不太好判断！”
“没什么不好判断的！”褚柏一下子就激动了：“相比于语言模型，不管是计算光刻，还是基于深度学习的掩膜优化、甚至是自动化系统各个方面，都是要简单的多的。
“而华为在工业AI领域已经积累了大量的经验，我们联合起来，至少能提高50%以上的性能。而碳硅融合芯片的生产问题也是可以解决的！
“我现在脑子里就有好几种方案，只不过都需要经过进一步的验证，所以，碳硅融合的芯片也可以交给我们进行实验性的制造，直至实现量产。”
褚柏所说的“我们”可不止指的华为，而是包括中芯国际、沪上微电子等等国内芯片产业链里的几乎所有顶尖企业。
在阿美莉卡严密的封锁下，华为的麒麟昇腾鲲鹏等能够实现全国产化的规模量产，除了他们自己坚持不懈的努力，与这些企业的鼎力支持也是分不开的。
而这，正合郝成的意思。
白驹科技当前并没有芯片设计和制造领域的经验，碳硅融合半导体现在更像是一种思路和理念，郝成设计的样本规模也较小。
真要应用到大规模的集成电路上，中间还有很长的一段路要走。
而这段路，硅半导体已经走过了，相当一部分人有着海量的经验。
如果通过小沙或者墨枢，将这些经验与碳硅融合的思路结合起来，到那时候，才是真正的起飞。
而这些设计和制造经验，公开网络可是获取不到的，对于各大芯片设
本章未完，请点击下一页继续阅读！