ASML光刻维保难被自动化取代纳米级突发故障依赖人工手调与决策

硅谷101

由于狭窄物理空间内的非标机械形变与复杂工况远超算法预设，AI目前仅能提供排查选项，光刻机的最终维修决策与精密操作仍完全依赖人类工程师的经验与触觉。

AI-assisted summary of 光刻机与它背后的“守护者”：5滴水事故、AI失效与万亿产业的未来【硅谷101】 — original source. Check the original for full context.

Source published: 2026-09-30

Key ideas

极端物理敏感性挑战半导体制造：台积电凤凰城厂浸润式DUV曾因重启时漏出5滴水导致胶体膨胀数纳米，造成长达2小时的芯片连续报废，直至机台升温将水分蒸发才恢复正常。 (0:00)
AI无法取代现场工程师的决策门槛：ASML内部虽广泛应用AI排障与知识检索，但面对长尾非标故障仍需工程师真实案例进行反哺驯化，且AI仅能罗列备选方案，最终决策与试错仍由人类负责。 (5:00)
微型机械臂难以替代手工微操维护：受限于缺乏专用微型维保机器人、机身内部极致狭窄的物理迷宫以及突发非标工况，光刻机深层光学及管线维保依然高度依赖工程师肌肉记忆与指尖触觉。 (15:00)
构建“全科到专科”工程支持梯队：ASML面向全学科理工科招聘具备好奇心与根因分析能力的复合人才，通过长达6至12个月脱产重训，形成一线全科排查与二三四线研发深度攻坚的分级协作网。 (15:00)

Detailed notes

## Background 该视频由科技商业内容团队“硅谷101”于2026年9月30日发布在Bilibili平台。内容围绕探访ASML（阿斯麦）上海总部的光刻挑战赛展开，深入探讨了光刻机日常维护中的真实痛点、AI工具在精密制造中的能力边界，以及支撑万亿半导体产业背后工程师团队的独特价值。

## TL;DR 视频通过台积电浸润式DUV光刻机因“5滴水”导致数纳米形变的真实案例切入，揭示了全球最精密设备极其脆弱且高度依赖人工运维的现实。随后，节目解析了ASML倡导的“计算光刻、光刻机台、量测与检测”全景观刻体系，并指出内部AI虽能辅助诊断，但无法自主归因非标难题，最终决策仍需依赖人类专家。在挑战赛硬核动手题（手动搭光路与缺陷模型拼装）的呈现中，视频进一步阐明了机械臂因空间狭窄与突发工况复杂而无法替代人手的原因，并系统梳理了从一线“全科医生”到研发专家的四级工程师梯队培养机制。

## Atmosphere & style 全片呈现出硬核硬派、严谨求真的工科纪录片质感，叙事条理清晰，兼具科技探秘的沉浸感与工程落地的厚重感。主持人通过一线探访与实操赛题体验，将抽象高深的纳米级光刻理论拆解为充满意外与试错的物理现场，语调克制而敬畏。观众在跟随镜头层层破译故障根因的过程中，能真切体会到精密机械背后的巨大不确定性，以及工程团队坚守在未知边界时的专注与匠心。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 极端物理敏感性挑战半导体制造：台积电凤凰城厂浸润式DUV曾因重启时漏出5滴水导致胶体膨胀数纳米，造成长达2小时的芯片连续报废，直至机台升温将水分蒸发才恢复正常。 - [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) AI无法取代现场工程师的决策门槛：ASML内部虽广泛应用AI排障与知识检索，但面对长尾非标故障仍需工程师真实案例进行反哺驯化，且AI仅能罗列备选方案，最终决策与试错仍由人类负责。 - [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 微型机械臂难以替代手工微操维护：受限于缺乏专用微型维保机器人、机身内部极致狭窄的物理迷宫以及突发非标工况，光刻机深层光学及管线维保依然高度依赖工程师肌肉记忆与指尖触觉。 - [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 构建“全科到专科”工程支持梯队：ASML面向全学科理工科招聘具备好奇心与根因分析能力的复合人才，通过长达6至12个月脱产重训，形成一线全科排查与二三四线研发深度攻坚的分级协作网。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 数万高精密零部件的叠加效应使得光刻机具备极高的系统不确定性，即便单部件可靠性达到99.99%，整体稳定运转仍需要持续的工程调试与优化。 - [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) “5滴水事故”暴露出纳米级微观形变对光刻良率的蝴蝶效应，微米甚至纳米级的胶体膨胀足以引发致命的电路图曝光偏移。 - [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 光刻机跨越二三十年的超长服役周期与晶圆厂各异的生产工况（如存储芯片的长期定模与代工厂的一日数十次换模），决定了设备维护不存在放之四海皆准的标准答案。 - [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) 芯片制造向3D堆叠与先进封装演进，推动ASML构建涵盖计算光刻、光刻机台、量测与检测三大支柱的“全景观刻”自适应闭环体系以满足极限套刻精度。 - [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) 工业AI的落地边界在于“AI靠人养”与“AI出选项不做决定”，冷门极端物理故障缺乏通用训练数据，排查优先级的权衡依然依赖人类工程师的现场洞察。 - [10:00](https://www.bilibili.com/video/BV1UGa961E5X?t=600s) 理论仿真与物理实操存在鸿沟，去参数化的现场光路搭建证明在微米级扰动下，严苛光斑的达成极度依赖工程师的物理敏感度与手眼协调能力。 - [10:00](https://www.bilibili.com/video/BV1UGa961E5X?t=600s) 扭力定量校准与管线走向等隐性装配工艺关乎良率命脉，微小的扭矩偏差在高速高频运转下会诱发不可控的机械共振与光斑漂移。 - [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 光刻机内部如同一场复杂的外科手术，极度狭小的物理作业空间与不确定的现场磨损积碳，使得刚性机械臂在维护效率与灵活性上远逊于熟练的人手感知。 - [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 半导体产业维护需要跨学科知识重塑，ASML打破单一专业限制，更注重候选人的好奇心、心理韧性以及追溯问题本质的底层根因分析能力。 - [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 一线全科医生与二至四线专科研发专家的分级支持网络，确保了常驻晶圆厂端的高效止损与原厂架构级技术攻坚的双向协同。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 5滴水事故与光刻机维护的复杂日常

光刻机是全世界最复杂的机器，智能手机、电脑以及各类生活电子产品内部的芯片都离不开它。然而，这台集人类精密制造之大成的设备极其脆弱——有时候仅仅因为5滴水，就可能导致整台机器罢工。更令人惊讶的是，面对如此精密的仪器，几乎没有任何现成工具可以直接拿来全自动维护，最终唯一能够依靠的只有人手。为了探究这一技术背后的深层原因，硅谷101团队探访了ASML（阿斯麦）上海总部。当时，ASML正在举办光刻挑战赛，从初赛的2300多名报名者中选拔出10位选手进入线下决赛。

```mermaid flowchart TD accTitle: 5滴水导致DUV光刻机故障机制 accDescr: 展示台积电凤凰城厂浸润式DUV光刻机因5滴水导致纳米级形变并最终自行蒸发恢复的因果闭环

subgraph Problem["故障诱发阶段"] A["DUV光刻机重启"] --> B["浸润系统漏出5滴水"] B --> C["水分滴落在一层胶水上"] end

subgraph Failure["形变与失效阶段"] C --> D["胶水局部膨胀数纳米 (nm)"] D --> E["曝光电路图案发生微观偏移"] E --> F["生产芯片连续2小时不合格"] end

subgraph Recovery["自动恢复阶段"] F --> G["机器持续运行升温"] G --> H["5滴水完全蒸发"] H --> I["机器莫名恢复正常"] end ```

光刻机的复杂性可以通过台积电（TSMC）美国亚利桑那凤凰城晶圆厂的一个真实案例淋漓尽致地展现： - **神秘故障**：厂区内一台浸润式 DUV 光刻机出现奇特现象，只要每次设备重启，前两个小时内生产出来的芯片全部不合格；然而一旦过了两个小时，设备就会莫名其妙地自行恢复正常指标。 - **排查与根因**：工程师团队经过数月的持续排查，最终发现罪魁祸首仅仅是"五滴水"。浸润式系统在重启时漏出5滴水，滴落在一层胶水上导致胶体膨胀了几纳米；正是这微乎其微的几纳米形变，让曝光投射出的电路图产生偏移。两小时后，机器运转散发的热量使这5滴水完全蒸发，系统便恢复正常。

光刻机内部包含数万个零部件，其中大量精密部件需要在高速运动状态下执行纳米级曝光。即便每一个零部件的可靠性都达到 99.99%，所有部件组合叠加后依然会产生巨大的系统不确定性。除了光路控制，机台内部还涉及复杂的电路、气路、水路控制，任何反复开关都会带来机械磨损与寿命消耗，必须依赖工程师持续维护、调试与优化。

更具挑战的是光刻机超长的服役寿命： - **老旧设备长寿运行**：ASML 工程师维护的客户设备中，最老的一台已运行20年。1988年 ASML 首台设备进入中国，至今仍在实验室环境运转；在全球范围内，甚至有类似 PAS 2500、PAS 5500 这类服役超过30年的老机器仍在正常生产。 - **不同晶圆厂的使用差异**：制造存储芯片（Memory）的客户产品种类单一，掩模版（Reticle/Mask）放上去后长时间运行，一台机器一天仅更换二三十次光罩；而像台积电这类纯晶圆代工（Foundry）厂商，客户与芯片型号杂，一台机器一天可能需要换模40多次。运动部件承受的应力与磨损节奏截然不同，导致维护工作根本不存在统一的标准答案。

---

[05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) 全景观刻、AI工具的局限与人脑决策

随着芯片制造从平面微缩（2D scaling）向三维堆叠（3D integration）演进，先进封装（如 HBM 垂直多层堆叠技术）对光刻机的套刻精度（Overlay）提出了极致的要求。ASML 挑战赛的初赛笔试全面覆盖了这些工业真实痛点，题目涵盖三大支柱，即 ASML 提出的"全景观刻"（Holistic Lithography）：

初赛笔试还要求选手手推光刻领域最基础的瑞利判据公式（Rayleigh Criterion Formula: $CD = k_1 \cdot \frac{\lambda}{NA}$），并代入现场数值进行快速逆向计算。这些试题横跨光学、电学、数学与机械，不仅广度极大，而且无法通过直接输入大语言模型来检索现成答案。

面对海量系统数据，ASML 内部其实早在多年前就开始自研并部署了一系列 AI 工具，主要承担两项职责： 1. **构建专业知识库**：将海量工程文档、零件手册与全球历史案例与内部 AI 工具链接，协助工程师快速检索过往故障排查记录。 2. **辅助故障定位**：在机台报警时自动分析前置数据，做出基础诊断与排查路径推荐。

然而，AI 的引入并没有降低现场工程师的门槛，反而更加凸显了人的重要性。ASML 工程师用两句核心逻辑概括了当前 AI 与人类专家的协作边界： - **"AI是要靠养的"**：面对类似"5滴水"导致膨胀几纳米这种极端、冷门的非标工程问题，AI 根本不具备自主解题逻辑。工程师必须持续把真实排障案例、反直觉的物理归因喂给系统，用高质量的工程智慧去"训练和驯化"AI。 - **"AI只出选项，不做决定"**：AI 可能会根据历史数据罗列出10个潜在的故障点与修复方案，但无法明确标注在特定生产工况下的优先级顺序。最终哪个方案最可能奏效、试错成本最低，完全需要依赖人类工程师基于现场环境进行验证、权衡与拍板。

---

[10:00](https://www.bilibili.com/video/BV1UGa961E5X?t=600s) 动手造光路与拼装积木里的"工匠精神"

在线下决赛现场，赛题并非坐在电脑前解方程，而是变成了两道极具操作性的硬核动手题。主考团队刻意通过去参数化与设置隐藏陷阱，全方位考察选手的工程直觉与物理感知。

```mermaid flowchart LR accTitle: 决赛光路搭建系统调试流 accDescr: 选手利用激光笔、透镜和反射镜在避开物理遮挡的前提下同时点亮三个目标光斑的操作流

subgraph Inputs["未标定硬件与光源"] L["激光笔光源"] M["反射镜 (折角导光)"] Lens["未标定透镜组 (焦距未知)"] end

subgraph Challenge["现场环境限制与试错"] OBS["台面障碍区 (禁止直穿)"] Adjust["纯手工微调空间角度与高度"] end

subgraph Targets["严苛验收指标"] T1["目标 1: 规范光斑"] T2["目标 2: 尺寸形状一致"] T3["目标 3: 能量均匀分布"] end

L --> M M --> OBS OBS --> Lens Lens --> Adjust Adjust --> T1 Adjust --> T2 Adjust --> T3 ```

- **第一题：手工搭建精密光路** - **任务要求**：选手仅能使用一支激光笔、若干块未知参数的透镜和平面反射镜。必须在操作台设置了物理障碍（光线不能直穿）的条件下，合理规划反射路径，同时点亮三个目标点。 - **严苛判定**：三个落点处的光斑尺寸必须绝对一致、形态必须完全规则相同。 - **实操难点**：在软件仿真中，调整光学元件只需鼠标拖动输入参数；但在物理现实中，所有透镜焦距、光源参数均未告知，完全需要选手肉眼观察试错。由于光对空间位移极度敏感，手抖动半毫米或支架高低微调不到位，就会破坏系统平衡。ASML 内部工程师在没有提示的情况下提前盲测这道题，同样直呼难度极大。该题主要考察选手的系统统筹意识、光学敏感度与手眼协调能力。

- **第二题：看似儿童玩具的100+零件模型拼装** - **隐藏陷阱**：主办方在考前秘密剪断并移除了部分零配件，刻意制造了信息不对称与物料缺陷，重点考察选手在装配遭遇异常时能否主动停下、向团队提出预警并协同反馈，而非盲目硬拼。 - **力矩精度与布线工艺**：题目对装配精度有着严密的隐性要求。在实际光刻机装配中，规定打入1牛顿·米（$1\ \text{N}\cdot\text{m}$）扭矩的螺丝，若工程师仅凭手感拧紧而不用扭力扳手定量校准，微小的应力差会在机台超高速运转中诱发无法预判的机械振动与漂移。此外，机台内部密布着数百根紧凑的电缆与气动管线，胡乱塞入还是像艺术品一样整齐走线（Cable Routing），直接决定了后续散热效率与运维故障率。

---

[15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 机械臂为何无法替代人手？光刻守护者的梯队体系

许多人疑惑，既然光刻机能做到纳米级精细度，为何不研发专用的微型机械臂进行机内维护，反而长期依赖人类肉手？ASML 工程师给出了三个物理与工程层面的现实阻碍： 1. **专用维保工具链极度匮乏**：针对光刻机超高真空、复杂光学组件的微型维修机器人目前在工程界尚无成熟配套，研发机器人的研发成本与复杂度不亚于设备本身。 2. **物理作业空间极致狭窄**：光刻机内部如同高密度集成的机械迷宫，许多核心工序（例如 EUV 光源处极微小的锡滴喷嘴维护）需要作业人员整个人蜷缩在非常有限的物理腔体里，凭借非直视的手指触觉进行微米级改装，刚性机械结构难以在狭小空间施展。 3. **现场突发工况远超预设程序**：现场维护宛如复杂的临床外科手术。当工程师切开密封、卸下管线面板时，现场积碳、污染或形变往往与传感器监控或核磁扫描看到的图像完全不一致。哪一根管道清洗时手劲要轻、哪个卡扣拆卸时力道要重，完全依赖人类工程师多年积累的肌肉记忆与现场临机处置。机器只能按确定指令重复动作，而人擅长在毫无既定指令时做出最优判断。

针对这种高度依靠综合素养的工作，ASML 在人才筛选与组织架构上形成了独特的体系：

```mermaid flowchart TD accTitle: ASML技术梯队与人才知识图谱 accDescr: 展示从一线全科医生到四线研发专家的阶梯式分工与广泛的专业学科输入

subgraph Talents["输入：无专业限制理工科人才池"] DISC["物理 / 光学 / 机械 / 自动化 / 软件 / 数学 / 材料"] TRAIN["入职后 6 至 12 个月全脱产内部重训"] DISC --> TRAIN end

subgraph TierSystem["运维与研发四级支持体系"] L1["一线工程师 (全科医生)"] L2["二线工程师 (专科医生)"] L3["三线/四线工程师 (原厂研发专家)"] APP["应用工程师 (定制优化方案)"]

L1 --"现场无法解决升级"--> L2 L2 --"架构级难题升级"--> L3 L1 -.协同.-> APP end

TRAIN --> L1

style L1 fill:#f9f,stroke:#333,stroke-width:1px style L2 fill:#bbf,stroke:#333,stroke-width:1px style L3 fill:#dfd,stroke:#333,stroke-width:1px ```

- **全学科选才与重塑培训**：ASML 招聘不限制单一专业，机械、电子、自动化、微纳制造、物理、光学、数学、化学乃至软件背景的候选人均被吸纳。公司更看重三项底层素质：对物理规律打破砂锅问到底的"好奇心"、面对复杂难题时的"心理韧性"、以及将碎片现象追溯到底层的"根因分析能力"（Root Cause Analysis）。所有新员工入职后，均需接受长达 6 个月甚至整整 1 年的脱产系统培训，才能获准进入一线。 - **全科与专科分层支持网**： - **一线工程师（全科医生）**：常驻客户晶圆厂最近处，知识面最广，负责在机台报警时第一时间赶赴现场，必须在最短时间内识别并清除绝大多数日常突发异常。 - **二线工程师（专科医生）**：根据光刻机的光路、真空、双工件台、浸润系统等核心模块垂直划分，专注解决一线无法排除的模块化疑难杂症。 - **三线与四线工程师（研发后盾）**：无限逼近底层设计研发，知识面越收越窄、钻研越探越深，负责架构重写与疑难机制排查。 - **应用工程师（Customization Specialists）**：针对晶圆代工与存储厂商不同的生产节拍和极端工艺需求，进行软件算法与曝光参数的定制化调优。

芯片制造产业是现代科技皇冠上的明珠。在这个万亿产业背后，AI 负责用最严谨的代码将已知问题重复得无比精确，而不断用肉身、经验和智慧去破译突发未知世界的，永远是这群坚守在光刻机身后的工程师。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 有时候仅仅因为5滴水，就可能导致整台机器罢工。

> [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 面对如此精密的仪器，几乎没有任何现成工具可以直接拿来全自动维护，最终唯一能够依靠的只有人手。

> [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 即便每一个零部件的可靠性都达到 99.99%，所有部件组合叠加后依然会产生巨大的系统不确定性。

> [00:00](https://www.bilibili.com/video/BV1UGa961E5X?t=0s) 制造存储芯片（Memory）的客户产品种类单一，掩模版放上去后长时间运行，一台机器一天仅更换二三十次光罩；而像台积电这类纯晶圆代工厂商，客户与芯片型号杂，一台机器一天可能需要换模40多次。

> [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) AI是要靠养的 — ASML工程师

> [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) 面对类似“5滴水”导致膨胀几纳米这种极端、冷门的非标工程问题，AI 根本不具备自主解题逻辑。工程师必须持续把真实排障案例、反直觉的物理归因喂给系统，用高质量的工程智慧去“训练和驯化”AI。 — ASML工程师

> [05:00](https://www.bilibili.com/video/BV1UGa961E5X?t=300s) AI只出选项，不做决定 — ASML工程师

> [10:00](https://www.bilibili.com/video/BV1UGa961E5X?t=600s) 在实际光刻机装配中，规定打入1牛顿·米的螺丝，若工程师仅凭手感拧紧而不用扭力扳手定量校准，微小的应力差会在机台超高速运转中诱发无法预判的机械振动与漂移。

> [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 针对光刻机超高真空、复杂光学组件的微型维修机器人目前在工程界尚无成熟配套，研发机器人的研发成本与复杂度不亚于设备本身。 — ASML工程师

> [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 现场维护宛如复杂的临床外科手术。当工程师切开密封、卸下管线面板时，现场积碳、污染或形变往往与传感器监控或核磁扫描看到的图像完全不一致。

> [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) 机器只能按确定指令重复动作，而人擅长在毫无既定指令时做出最优判断。

> [15:00](https://www.bilibili.com/video/BV1UGa961E5X?t=900s) AI 负责用最严谨的代码将已知问题重复得无比精确，而不断用肉身、经验和智慧去破译突发未知世界的，永远是这群坚守在光刻机身后的工程师。

## Mentioned ASML, 台积电, 硅谷101, DUV光刻机, EUV光刻机, PAS 2500, PAS 5500, HBM, 瑞利判据, 计算光刻, 全景观刻

## 弹幕氛围 (Danmaku mood) — 9 条观众整体氛围轻松幽默且互动感强。观众在观看过程中既积极配合玩梗（如调侃报名光刻机培训班、机器有“器灵起床气”），也在后半段高度集中地跟刷视频中提及的专业能力关键词。整体展现出趣味调侃与认真互动并存的观看体验。

**整体情绪**：😊 正面 45% · 😐 中性 55% · 😞 负面 0%

**热议点** - **调侃硬核技术门槛与培训梗** —— “光刻机维护工程师培训班报名了” - **拟人化调侃机器设备状态** —— “器灵有起床气，哈哈” - **刷屏跟读/强调视频提及的专业能力要点** —— “跨学科知识”

**代表弹幕** > 光刻机维护工程师培训班报名了

> 器灵有起床气，哈哈

> 跨学科知识

> 精细操作

> 临场判断

> 5

## Video description 全球最复杂的机器，可能仅仅5滴水，就能让它“罢工”。光刻机的精密程度令人惊叹，维持这份精密所需的背后功夫，却很少被看见。

这期视频，我们探访了ASML上海总部，走进光刻挑战赛现场，也亲身体验了决赛的考题。搭光路、拼积木，看似与光刻机相距甚远的考题，藏着真实维护工作中的难点：理论上成立的光路，实际搭建未必顺利；照着图纸组装，也可能遇到意料之外的零件问题。

在真正的光刻机面前，跨学科的知识只是起点，不同机型、不同使用方式，还会带来没有标准答案的故障。即使用上AI，工程师也没有因此更轻松：他们既要用真实案例“养”AI，也要验证和取舍AI给出的方案。

如此先进的机器，为什么有些维护操作仍只能靠人手？当AI能查资料、辅助诊断，工程师的门槛为何没有降低？到底什么样的人，才能支撑起这个万亿产业的未来？

[Source](https://www.bilibili.com/video/BV1UGa961E5X)

中文简报

ASML光刻维保难被自动化取代纳米级突发故障依赖人工手调与决策由于狭窄物理空间内的非标机械形变与复杂工况远超算法预设，AI目前仅能提供排查选项，光刻机的最终维修决策与精密操作仍完全依赖人类工程师的经验与触觉。视频通过台积电浸润式DUV光刻机因“5滴水”导致数纳米形变的真实案例切入，揭示了全球最精密设备极其脆弱且高度依赖人工运维的现实。随后，节目解析了ASML倡导的“计算光刻、光刻机台、量测与检测”全景光刻体系，并指出内部AI虽能辅助诊断，但无法自主归因非标难题，最终决策仍需依赖人类专家。在挑战赛硬核动手题（手动搭光路与缺陷模型拼装）的呈现中，视频进一步阐明了机械臂因空间狭窄与突发工况复杂而无法替代人手的原因，并系统梳理了从一线“全科医生”到研发专家的四级工程师梯队培养机制。极端物理敏感性挑战半导体制造：台积电凤凰城厂浸润式DUV曾因重启时漏出5滴水导致胶体膨胀数纳米，造成长达2小时的芯片连续报废，直至机台升温将水分蒸发才恢复正常。 (0:00) AI无法取代现场工程师的决策门槛：ASML内部虽广泛应用AI排障与知识检索，但面对长尾非标故障仍需工程师真实案例进行反哺驯化，且AI仅能罗列备选方案，最终决策与试错仍由人类负责。 (5:00) 微型机械臂难以替代手工微操维护：受限于缺乏专用微型维保机器人、机身内部极致狭窄的物理迷宫以及突发非标工况，光刻机深层光学及管线维保依然高度依赖工程师肌肉记忆与指尖触觉。 (15:00) 构建“全科到专科”工程支持梯队：ASML面向全学科理工科招聘具备好奇心与根因分析能力的复合人才，通过长达6至12个月脱产重训，形成一线全科排查与二三四线研发深度攻坚的分级协作网。 (15:00)

Reading summary

尽管光刻机代表了芯片制造中极致的精密与自动化，但数万零部件的系统偶发性与数十年非标工况，使其维护依然高度依赖人类工程经验。在现阶段，AI与微型机械臂均无法替代工程师在复杂物理环境中的临机研判与手工实操。纳米级形变与长周期非标磨损的排障挑战 (0:00) 光刻机内部集成了数万个精密零部件，即使单个零件的可靠性高达99.99%，系统组合后依然存在极大的不确定性。台积电亚利桑那晶圆厂的真实案例显示，一台浸润式DUV光刻机在重启后曾连续两小时出产不良芯片，最终排查发现仅是设备重启时渗漏的“5滴水”滴落在胶水上，引发了几纳米的局部膨胀，从而造成曝光图案偏移，两小时后水分受热蒸发机台才自愈。这种微观物理变化极难通过常规监控预警。此外，光刻机超长的服役周期加剧了维护复杂性。ASML现存运行设备中最长已达20至30年（如PAS 2500和PAS 5500系列）。不同客户的产线节拍差异显著：存储芯片厂商主要进行单一产品的大规模连续生产，每天更换掩模版仅二三十次；而晶圆代工厂商产品种类杂，单日换模可达40次以上。运动部件承受的应力、磨损与光热累积截然不同，使得现场运维不存在标准化的统一解法。 AI工具定位明确：提供选项而非最终决策 (5:00) 在涵盖计算光刻、光刻机台与量测检测的“全景观刻”体系下，ASML部署了自研AI工具，主要用于关联历史工程文档与零件手册构建专业知识库，并在机台报警时分析前置数据以推荐排查路径。然而，工程团队指出AI的介入并没有降低对工程师的专业要求，人与算法之间存在清晰的职责边界。一方面，“AI需要人工持续喂养”，对于类似5滴水引发纳米膨胀这种极端冷门的非标物理故障，AI不具备自主归因逻辑，必须由人类工程师将现场排障经验反向输入算法系统；另一方面，“AI只出选项、不做决定”，算法根据历史概率列举出的多个潜在故障点，无法适配具体的现场即时工况。何种方案试错成本最低、优先级最高，始终需要人类工程师基于物理常识与实际环境进行权衡与决断。物理局限与微观手艺阻隔机械臂替代 (10:00) 针对光刻机为何不能使用微型机械臂全自动维护的疑问，工程师指出三项物理层面的现实约束：首先，面向超高真空与复杂光学模组的专用微型维保机器人研发难度与成本不亚于光刻机本身；其次，设备内部空间极致狭窄，例如维护EUV光源的锡滴喷嘴时，作业人员需要蜷缩在狭小物理腔体中凭借非直视的手指触觉进行微米级改装，刚性机械结构难以在狭小死角施展；最后，现场设备的老化、积碳与管线形变往往与传感器读数不符，拆解清洗时的受力轻重高度依赖肌肉记忆与临机处置。在设备装配实操中，微观工艺直接影响机台稳定性。例如，规定打入1牛顿·米（1 N·m）扭矩的螺丝如果仅凭经验拧紧而不做精准校准，微小应力差在机台超高速运转中便会转化为机械振动与套刻漂移；同时，机内数百根紧凑电缆与气路管线的排布规整度，也直接制约着整机的散热效率与故障率。多学科通才重塑与阶梯式技术保障体系 (15:00) 为应对光刻系统横跨光学、电路、机械与软件的综合技术壁垒，ASML在选才时不设单一专业限制，广泛吸纳物理、机械、数学、材料及软件等背景的理工人才，重点考察候选人的物理好奇心、心理韧性与根因分析能力，并通过长达6至12个月的脱产全系统重训打通工程认知壁垒。在运维组织上，企业构建了分工明确的阶梯式支持体系：一线工程师相当于常驻晶圆厂一旁的“全科医生”，知识面最广，负责在最短时间内排除日常突发异常；二线工程师按光路、真空、浸润系统、双工件台等细分模块垂直划分，专注攻克专科疑难杂症；三线与四线研发专家则负责底层设计优化与深层机理排查；应用工程师则协同客户定制软件算法与曝光参数，以适配代工与存储工艺的差异化需求。光刻机虽然依赖尖端算法与计算光刻来实现微观曝光，但其在物理现实中的长期稳定运行，依然受制于材料膨胀、机械磨损与微观形变等非标变数。机器与AI长于精确重复既定规则，但在不可预测的物理边界与突发故障面前，高度依赖工程直觉、触觉经验与组织化分工的人类工程师仍是不可替代的底层基石。

Source quotes

[0:00] 有时候仅仅因为5滴水，就可能导致整台机器罢工。 [0:00] 面对如此精密的仪器，几乎没有任何现成工具可以直接拿来全自动维护，最终唯一能够依靠的只有人手。 [0:00] 即便每一个零部件的可靠性都达到 99.99%，所有部件组合叠加后依然会产生巨大的系统不确定性。 [0:00] 制造存储芯片（Memory）的客户产品种类单一，掩模版放上去后长时间运行，一台机器一天仅更换二三十次光罩；而像台积电这类纯晶圆代工厂商，客户与芯片型号杂，一台机器一天可能需要换模40多次。 [5:00] ASML工程师: AI是要靠养的 [5:00] ASML工程师: 面对类似“5滴水”导致膨胀几纳米这种极端、冷门的非标工程问题，AI 根本不具备自主解题逻辑。工程师必须持续把真实排障案例、反直觉的物理归因喂给系统，用高质量的工程智慧去“训练和驯化”AI。 [5:00] ASML工程师: AI只出选项，不做决定 [10:00] 在实际光刻机装配中，规定打入1牛顿·米的螺丝，若工程师仅凭手感拧紧而不用扭力扳手定量校准，微小的应力差会在机台超高速运转中诱发无法预判的机械振动与漂移。 [15:00] ASML工程师: 针对光刻机超高真空、复杂光学组件的微型维修机器人目前在工程界尚无成熟配套，研发机器人的研发成本与复杂度不亚于设备本身。 [15:00] 现场维护宛如复杂的临床外科手术。当工程师切开密封、卸下管线面板时，现场积碳、污染或形变往往与传感器监控或核磁扫描看到的图像完全不一致。 [15:00] 机器只能按确定指令重复动作，而人擅长在毫无既定指令时做出最优判断。 [15:00] AI 负责用最严谨的代码将已知问题重复得无比精确，而不断用肉身、经验和智慧去破译突发未知世界的，永远是这群坚守在光刻机身后的工程师。

Original transcript

[0:00] 这是全世界最复杂的机器你的手机电脑还有生活中的各类电子产品都离不开它生产的芯片它就是光刻机如此精密的机器可能仅仅5滴水就能够让它发工而且没有任何工具可以维护它唯一能够用的只有人为什么呢大家好欢迎收看硅谷101我是陈倩那么为了探究这个问题啊我们去探访了ASML上海总部恰巧呢他们为了挖掘光刻机的人才从出赛的2300多人当中挑选了10位进入了线下的决赛但是让我们疑惑的是最终比赛的题目看上去好像也不算的那么他们到底在比什么呢这期视频我们就来探究一下为什么全球最复杂的机器只能够靠人来解决问题ASML内部开发了一系列的AI工具为什么更加凸显了工程师的重要性我们不妨先通过一个故事来看看光刻机有多复杂过去在台积电凤凰城的一个晶圆厂里有台静润式DUV光刻机特别奇怪一旦重启之后两个小时内生产出来的芯片都不合格但只要过了这段时间机器就会莫名其妙地恢复正常这个问题工程师们排查了几个月发现问题就出在了五滴水上静润式系统就会漏出五滴水,漏在一层浇水上,导致膨胀几纳米,这就会让光刻出来的电路图产生偏移。而运行一段时间之后由于温度上升无底水蒸发所以机器就恢复正常了这就是ASML工程师们所面临的日常英文的光刻机实在是太复杂了里面的零部件有上万个即使每个零件的可靠性都达到了99.99%所有的因素叠加在一起也会让整体运行的时候存在着非常多的位置我们的机器其实是非常复杂的一个系统它可能涉及到上万个而且这里面还涉及到非常多的一些精密的仪器我们的很多部件都是在高速运动的过程中去完成我们光刻的动作所以这些东西就是我们日常最最关心的所谓的维护的这样子一些东西因为会有零件的损耗它会有寿命包括说我们有很多电路的控制包括说很多气路的控制水路的控制就像我们家里的电灯一样你那个开关来开关之后它一定会出现损耗所以哪怕是全世界最先进的机器,也需要大量工程师持续的维护、调试、优化。而且更夸张的是,这台机器的寿命还特别长。ASML的工程师告诉我们,他维护的客户里最老的一台光刻机已经有20年了。1988年,ASML首台设备进入中国,理论上还在实验室这类场景工作。荡演全国乃至全球来看,甚至还有些像PAS2500、PAS5500那种30多年的机器依然在正常运转。二三十年是什么概念呢那个时候我们还没有智能手机可能你家的汽车都很难跑这么多年但是它生产的芯片却依然有市场这也意味着维护工程师必须掌握多种不同型号的技术知识更难的是同样的光刻机在不同晶圆厂的手里可能磨损方式也会不同比如说生产内存的客户产品型号少一块光照放上去能跑很久一台机器一天换二三十次光照而像排气垫这种做代工的客户产品杂可能一天要换40来次运动量大的部件损坏率就高所以维护这件事是没有标准答案的得看这台机器在谁手里怎么被用为了提升维护效率ASML内部是开发出了一系列的工具包括AI但是为什么不能完全替代工程式呢如今随着光刻技术不断升级我们之前聊过随着AI推动芯片需求持续增长现在芯片制造的方向正在从平面上缩小到2D微缩转向垂直方向长高的3D继承近年来热门的先进封装比如垂直堆叠了多层的HBM就是靠这套技术这也对光刻机的套刻精度overlay提出了更大的挑战那在芯片生产的流程当中其实很多答案就藏在这次ASML比赛的初赛比试题里面我们来举几个例子请初题老师来帮我们解析一下比如说这道题哈,需要将眼膜类型对应到正确的工艺步骤,因为在实际光刻时并不是将眼膜版的图案1:1复制到晶圆上,中间会有很多成像上的干扰,对应的是计算光刻的一环。是考着大家对于不同的process的特点不如说 [5:00] 特征就是每一个process他能够得到什么样子的一个图形这个角度去考虑的所以你就是必须得非常清楚这中间的每一个步骤做完了之后它会达到一个什么样子的效果最终才能够从我们的所谓的Retical上呈现到我们最终的Wafer上去还有一道题啊考察的是光刻环节中最经典的锐利判局公式虽然业内人人都会背但是呢这次ASNL把它变成了一道计算题让你自己去推导再代入数值计算结果我们机器发生了一些状况之后你要去做一些判断其实就藏在这些题目里面你只有对这些题目能够第一时间解答你才能最快速的判断出来我们机器到底是出现了什么样子的问题当然它来自于不同的部门不同的技术领域啊我们仔细看了一下所有题哈,发现呢它考察的范围非常的广,主要呢分为三块。一块呢是计算光刻,用算法设计眼模打光方案。第二块是光刻基台,也就是把图案刻到晶圆上还有一块是量测与检测负责测做出来的晶圆对不对再把数据反馈到前面的步骤修正三者协同形成了一个无间闭环,ASML称之为全景观客。初赛其实我觉得是蛮难的因为考得非常全面从光学到电学非常非常多详细的一些计算都有cover到然后虽然说不是考得特别深但是确实广度涉及得非常广我觉得他初赛考了很多题其实还不是很容易直接用AI搜不过说实话这些理论知识让AI来掌控并不难其实ASML内部也在积极地拜拜阿斯麦其实很多年前就已经开始在布局这样子的一些tool啊更多的会跟我们的AI结合起来能够更好的去帮助到我们工程师缓解一下压力也好啊或者分担一些工作也好对我们工程师来说就是未来他们的自己工作的一些重心上可能会有一些些变化那在ASML内部AI都在干什么呢主要是两件事第一知识库前面我们说到光刻机的零部件太多了相关的知识体系也非常庞大现在他们把AI和公司内部资料关联起来这样工程师就能第一时间找到需要的资料和案例第二呢辅助诊断在遇到问题时AI可以先做基础的判断帮助工程师定位问题来源案例上有了AI提效之后工程师们应该更加轻松了入行门槛也更低了对吧但是呢AISML工程师们两句话就把这个判断给推翻了那么第一局是AI是要靠养的我们在解决工程问题解决技术问题的时候AI的这个工具其实也是要靠我们的工程师去所谓的养这个AI的因为我们需要给AI提供更多的解题思路提供更多的案例提供更多的逻辑也就是说AI的本事呢是要靠内部一个一个的案例给v出来的特别是像我们之前说到了五滴水的那个案例就会有很多这样刁钻的问题那这些都离不开人的经验和判断AI呢目前更多是提供一些基础的思路那这就要到了我们的第二句话就是AI指出选项不做决定可以提供10个方案它也并不会给出非常明确的优先级在这些方案里面还是需要我们的工程师需要人来去完成这个验证跟判断并做出最终的决定所以这个也是我们在AI时代工程师仍然是一个必不可缺的甚至说我们对工程师的理论知识的储备上的要求未来会更加高有一个很关键的点就是AI能做的更多的是在现有问题上去找答案但是呢维护还有优化比如说比试的最后一道题要求参赛者不仅理解线有结构还得自己设计出更好的方案这类开放题恰好是AI的软肋那还有一样是目前AI更做不了的那就是动手能力那么这就要说到ASML比赛最好玩的决赛了我们看到了决赛题之一居然是连屏幕前的你都可以做到的拼积木那其中到底有什么难点呢人的手工又为什么会比机器更精准呢那接下来呢就让硅谷101的子庆来带我们走进现场哈喽大家好我现在就是在决赛的现场了那么我们先去看第一体是一道光路体选手们需要用一支激光笔落干透镜和反射镜设计好光路最后同时点亮三个目标三个光斑的大小必须相同而且形状也得一样而且操作台中有的地方呢不允许光直接通过反射镜把光折过去整个操作就像排兵不振一样之前我在电脑上也玩过那时的游戏当时我就觉得 [10:00] 有点费脑不过还是能比较快通关的所以对这个游戏我其实比较有信心那么接下来我就实际操作一下和我想的不完全一样因为在游戏里呢我只要鼠标点一点它就能够放到对应的位置但是在现实中我操作的话就得通过手来精细的调整它每一块的位置这个就非常考验我的手感了如果说稍微有那么一点点的偏差得出来的结果就非常的不一样而且游戏里的透镜和光源都是理想参数而到了现实中呢干扰等等其他的因素那么我就只能够去系统级的调整整个方案来让光路走到特定的一些部位而且这些透镜与透镜之间的焦距然后光源的各种参数主办方他们也没有告诉我们我们只能通过自己动手去试然后用肉眼来观察来猜测它的参数是什么而且现场的20秒工作人员刚刚偷偷告诉了我一件事就是在他们这道题设计好之后呢他们邀请内部的一些工程师们也上手试了一下结果在没有任何提示的情况下连他们自己内部的人都会觉得非常的难所以看来我做不好也亲友可言的决赛跟我想象的不一样决赛我以为也是会非常专业的考评因为我想出赛已经考得这么难了对吧但是我发现决赛更多的是动手能力比如说搭这样子的光路啊就是感觉更考验的是一个个人综合的一些我们也请到了出题的工程师请他来给我们解析一下这道题的考点所在这个里面第一就考量了它的观察能力跟你的一个统筹安排的能力你要用多少镜片要用多少镜头才能够完成这些事情你肯定是会总体的一个把控这里面就是跟你的手法还有很大的关系因为光其实是很容易受到位置的影响的甚至说有些地方你是不是要拿一些我们准备的一些设备能够变高一点或者放低一点这个东西需要你自己去调节相当于是动手能力嘛我们再来看看另外一题也是最好玩的一题拼模型选手们要拼的是有100多块零件的模型要在规定的时间内拼完你可能觉得这不就是照着说明书拼玩具吗我都可以做好这能考出个什么呢其实这背后的考量可多了老师其实是在这个模型的那个本身里面做了一些调整的动了一些手脚的就是他提前把一些零件剪掉了然后我们是不知道的所以在考验一个我们对过程中会不会及时提出问题啊会不会有跟就是团队里其他人有交流有反馈这么一个状况完成的时间其实也是我们一个考点另外其实我们有些隐藏的要素因为我们实际在工作当中会涉及到很多我们所谓的工匠精神的一些因素在里面比如说我这颗螺丝我要上一个扭矩是一扭你是不是真的上了一牛我们现在赶上去按我上了一牛跟我手紧一下是不是有差别真的有差别它未来对我们机器会导致一些你不可预判的一些问题而且这个是一个已知的就是我们机器里面就是会发生这个东西我们会考量这个你搭的是不是严丝合分的是不是精确的按照图纸去摆放某一个姿势包括还要从美观度来讲美观度上可能还会有一些装饰品什么的我们机器里面其实对这个是有要求的就是布线我们机器里面的那些电线气管可能有几百根线排在一起你是随便长长短短就往里插就往里怼然后门一关就结束的还是说你是会排得很漂亮的这个其实也是我们做这个题目的一个考点之一再一听是不是觉得有点太较真了但是你回想一下那五滴水的故事这也说明在光刻机中任何一点微小的偏差都会被千万极的放大所以可别小看这些细节既然光刻机精度这么高为啥不照个什么机械避难修呢难道人手的精度会比机器还高吗我们之前深度解析光刻机时就讲过一个故事为了维护光源处的吸地喷嘴全球只有两个人可以手工完成当时也有观众提出过这个问题哈这次我们问了一下ASML的工程师发现主要有三个难点第一就是工程师们也想用但是针对光科技维修的工具目前还没有开发出来第二个问题就是就算工具有了机器内狭小的空间也会限制工程师的发挥我们的人需要钻到一个狭小的空间里或者在一个很有限的区域里面要去完成一些非常精密的改装维修这些工序必须要人的手去完成目前来讲是没有其他的方法可以代替的那第三个问题就是即使真的开发出了什么小型的机器人但维护现场呢总会超预期这里面依然需要依赖人类的判断其实很多现场的就像我们动手术一样你拿了一刀打开来你会发现里面跟你设想的或者说是通过机器也好或者是通过核四工程看到的 [15:00] 有可能是不一样的这个时候就完完全全是靠人来判断我们怎么样子去为了通我们这些管路或者是怎么样子去做清洗哪个地方要下手重一点哪个地方下手轻一点这个东西就是需要我们有经验的工程师在现场去把控的他没有办法提前知道机器追求的是按指令之心而能擅长的是在没有指令的时候做判断所以我们回过头来看决赛那两道题背后对应的是真实工程场景中极其底层的能力首先是观察能力能否发现光路上哪个环节出了问题然后是系统思维能不能统筹安排透镜的位置还有顺序再就是工程判断在信息不完整的情况下能否做好决策还有动手能力和精度意识也就是你的手能不能精准的将螺丝顶到对应的力度以及最重要的 root cause analysis也就是能不能从现象一路追到根因而不是停留在表象这些能力呢写不进代码也交不回来他们只能靠训练靠经验靠一次次动手去世来完成积累说到这里可能很多人都很好奇到底是什么样的人才能推动光口行业的未来呢字幕志愿者杨茜茜大家可以看到通过观察这场比赛我们发现ASML举办这场比赛的意义不仅是在寻找人才也是在帮助更多的年轻人了解半导体产业并且激发未来的工程师成长但是如果你想问ASML到底想要什么样的人他们的招聘负责人给了我们一个答案那就是不限定专业机械电子自动化微纳物理光学数学化学软件几乎你能够想到的所有理工科都在他们团队里因为光刻机这件事本来就不是某一个学科能覆盖的相比你学的是什么他们更看重的是你有没有对这个东西为什么是这样的好奇心也就是发现问题的能力以及持续学习的习惯面对复杂问题时的韧性把不同领域的知识串联起来的系统思维也就是解决问题的能力而且即使你有再强的背景加入ASML之后也很难马上上手所有的工程师进来之后他都会需要在公司内部有六个月甚至更长一年的培训基本上是花很多时间重新培训哪怕他在之前不管是什么行业不管是什么学历都是要很长的时间的培训到了如今随着光刻技术不断升级光刻机的结构也变得更加复杂对工程师的能力要求也就更高了谢谢大家后面还有应对不同的客户的需求专门定制的一些机型每个机型其实我们都会涉及到一个问题对我们工程师的来讲就是它是要在一个不断的学习不断的提升自身能力的这样子一个过程技术在升级维护这套系统的工程师队伍呢也跟着升级了升到什么样的程度呢ASML的工程师给我们讲了一下他们团队的架构首先是一线工程师,他们就像全科医生是离晋云厂最近的一群人,一旦有机器报错,他们第一时间到场,绝大多数常见问题要在最短时间内识别解决掉,所以他们的知识面最全。而二线工程师就像专科医生,整台光刻机会按功能模块被划分成几个大类,他们会专注其中迪类,如果一线遇到解决不了的复杂问题,那就升级给二线。再往下还有三线四线工程师越往后越接近研发知识面也就越窄越深越细那除了维护工程师之外呢还有应用工程师那前面呢我们说到ASML呢会针对不同的客户需求对光刻机能进行定制这就需要专门的人去针对性的优化了那最后呢我们回到这期视频开头的那个问题世界上最复杂的机器为什么还需要人来解决问题呢回答的也是已知的问题而这个世界永远会给出新的问题AI要靠人来养工具要靠人来开发现场要靠人来判断机器负责把已知重复的无比精确而把未知变成已知的永远是人好那么以上呢就是这期视频的全部内容了你们点赞留言还有转发是支持我们贵国101做好深度科技和商业内容的最佳动力我是陈倩我们就下期视频再见啦Bye

ASML光刻维保难被自动化取代 纳米级突发故障依赖人工手调与决策