裝備制造業才是卡脖子的關鍵領域而非芯片
發布時間：2023-04-12 作者：宋華振
能生產芯片的設備就像是能下蛋的雞一樣重要，人們總是討論芯片的重要性，把焦點聚焦在我們如何生產出芯片，卻往往忽視設備的重要性。但，實際上，最為重要的是如何生產出這些設備才是關鍵—這就是“授人以魚,不如授人以漁”的道路。直到最近幾年，美國半導體的封鎖才讓“光刻機”這個詞成為了流行詞-網絡和視頻號里傳出了各種科普、解讀多了起來，使得它成為了個盡人皆知的熱詞。
圖1-TSMC的FAB工廠充滿了裝備
?。?）.制造業過去的組裝型路徑依賴
大部分人對制造業的理解都是我們能生產出什么產品—能造出28nm的芯片，或者，我們能造出像iPhone一樣工藝精湛的手機，我們也能造出航母，或者隱形戰斗機，我們能造出高鐵、我們能造出電腦、空氣壓縮機。但是，這都是“終端產品”，屬于在產業鏈的最下游的，其實，真正賺錢的、卡脖子的都在產業鏈的上游，其實，更為關鍵的是上游的制造裝備、設計的軟件以及裝備自身的嵌入式軟件（即現在的工業軟件領域）、以及設備相關的材料、傳感器。
圖2-半導體晶圓制程中的設備流
不否認，制造本身也是需要非常強大的“集成能力”的，很多專業人士意識到我們是一個科技應用型的國家。就是在造出這些產品背后是什么？制造設備所需的裝備-這些基本上都是進口的。如果要談卡脖子，可能大家被最近的芯片設備所關注，很多人聚焦到了光刻機身上，但是，在芯片制程里可不止光刻機被卡脖子，基本上離子注入、機械/化學拋光、各種沉積設備，都是比較落后的—這就像你能造28nm芯片，但如果別人把設備這個源頭卡住，那這些所有的產品可能就會造不出來了。其實，除了這些設備，包括光刻膠、電子特種氣體（超超高純氣體）、半導體產線所需的儀表、傳感器、運動平臺、乃至于整個半導體工廠的空氣過濾系統所需的材料、設備，都是極高要求的。
當然，比設備更為關鍵的還在材料—這個可以另外闡述，材料上卡脖子的地方可能會比設備還要多。只不過這不是我的專業范疇-只是有這個基礎認知，但需要專業人士解讀而已。
（2）裝備水平帶來產品的競爭力提升
如果把整個制造分為流程、離散兩大塊，可以看到，流程工業基本上是在為離散制造業提供原材料，比如冶金為制造業提供各種板材（板材、棒材、型材等）、化工則提供了像纖維、化學原料、添加劑、包括制藥所需的原料藥等，而硅酸鹽工程則提供了像玻璃、陶瓷等材料。石油煉化則會提供一部分直接到消費端的（汽油、天然氣），但也包括大量如聚合物材料..凡此種種，基本上流程工業都在生產原材料。流程工業的裝備需要的是大型裝置，它往往由前處理配料系統、反應釜、蒸餾塔、干燥床、分離裝置，以及為之配套的鍋爐/燃氣輪機、空分、壓縮機組、變壓器等涉及動力與輔助氣體等裝置。當然，在流程工廠后道也會有離散的，如鋼鐵后道的冷軋、熱軋設備，就會偏向于離散裝備。
圖3-石化工廠大型裝置
而離散制造業的工廠，其實，它分為了兩個大的部分，首先是用成型類設備生產出零配件，例如一個手機工廠里會需要來自于切削研磨的手機金屬外殼、注塑機用于生產精密的結構件，以及來自于半導體工廠提供的各種芯片、功率器件、鏡頭—當然，這些本身都是由各種成型設備生產的。進入后道組裝，比如將芯片貼裝到基板的SMT，以及波峰焊、回流焊—機器人來輸送到各個單元，當然，早期也可以通過人工來完成組裝過程，然后貼標、檢測、包裝、裝箱—這些都是組裝類設備來實現的。
圖4-大型飲料灌裝線可以實現10萬瓶/小時的產能
制造業，早期都是組裝，因此，我們對于制造的很多理解來自于組裝，因為勞動力成本低，但是隨著很多因素導致了自動化水平必需的提高。包括人口紅利的消失，現在人工成本已經不再像90年代那會，幾百塊錢就能找到工人，回不去了。其次，隨著產品的復雜度的提高，個性化也導致了人工組裝不經濟-因為品質一致性無法良好的保障，以及競爭不斷加劇，使得成本不斷苛刻。記得小時候，大概在86年家里買了臺18寸的彩色電視機，我記得1368塊錢，現在18寸電視機都不要這個價錢，而且分辨率更高，體積更小。小時候一瓶礦泉水3塊，現在一瓶也就3塊—但是，大家都知道這個實際上是便宜了很多，相對于過去來說，大部分產品的便宜都來自于高速的生產線在不斷降低著產品的成本—但是，這種降低，無法依靠人工組裝的效率，就像很多人都驚訝于飲料灌裝設備一小時可以灌裝10.8萬瓶一樣，而報紙印刷機可以一小時印刷多達21.6萬份報紙一樣。
所有競爭力的提升都來自于裝備及其自動化水平的大幅提升，今天我們能夠過得更好的生活。記得在80年代自行車、收音機、縫紉機就是家里三大件，這在今天的人們看來是無法想象的。其實，這一切都是來自于裝備水平的大幅提高，大規模的產品自動生產帶來的成本持續下降。
裝備制造業的關鍵性
裝備是卡脖子的關鍵領域
相信芯片領域所遇到的問題，已經給了我們充分的明證，設備才是關鍵-因為，這些設備是包含了生產工藝在其中的，而非僅僅是一個機械的組裝即可。另外，對于半導體這樣的長流程，以及包含了循環加工而使得工序被拉到幾百甚至上千的生產來說，精益運營水平也是相當關鍵的。
但是，今天，我們被卡脖子的是設備，而不是芯片，因為如果我們可以制造這些高級別的設備，我相信我們也可以生產出高性能芯片。
圖5-應用材料的PECVD設備
其實，不止于半導體，在眾多的其它領域里同樣是設備，只不過，其它很多領域沒有半導體那么復雜。機床，作為工業母機，它本身就決定了下游各個裝備的精度—無論哪個裝備行業的設備，它都需要精密的加工和組裝，因為，其它設備要達到較高的精度就需要加工設備更高一個數量級的精度。
目前制造業卡脖子的地方，其實都不在后道那個組裝，而都是在前道的成型部分。而我們更多的關注所謂的數字化，其實都是在關注組裝領域的運營效率，包括所謂的MES、APS—并非不重要，而是說，真正的難題并未得到解決。
每個裝備涉及大量的關鍵零配件
裝備為什么很關鍵，因為，它有非常多的配套，考驗整個國家的制造業水平，記得1998年在一個大型儀表廠實習，那會有一個羅斯蒙特合資的1151差壓變送器車間實習。那會就有師傅告訴我這個儀表最為關鍵的是那個膜片，都是進口的。然后到了2018年，又遇到該廠的人士，就很好奇這個膜片問題是否已經可以自己生產，該人士說那個膜片還是需要進口。希望現在2023年的今天，這個已經解決了，但至少在1998-2018年這個20年里，這個問題是并未得到解決的。
儀表算是我本專業，很多來自儀表領域的前輩都感慨過，以前四大儀表，現在也就剩下川儀還在，其它幾家儀表的存在感也不是那么強了，大概是我在離散制造業比較久，鮮有了解該領域的進展。儀表偏向于流程領域，但是在離散制造業里的傳感器，包括高精度的編碼器、光柵尺，也還是需要進口的，國內目前就實而論尚在高精度的領域有待提高。
注塑機、工程機械就需要大量的液壓閥、伺服閥。設備上需要的絲杠、軸承，之所以成為了關鍵零配件，其實，主要是穩定與可靠，以及長壽命，還有像刀具這種領域，都是需要大量的這些零配件。
圖6-刀具也是一個看上去不大卻關鍵的市場
人們經常拿當年的圓珠筆上的球珠材料說事，因為他們認為這個不是我們生產不出來，而是這個玩意市場太小，根本不賺錢-那么問題來了，我們生產就不賺錢，人家生產就可以賺錢，這個邏輯究竟該如何解釋？
所以，現在國家發展“專精特新”的確是個很令人稱贊的方針政策。這就是應該由專精特新企業來進行，對于大企業不合算，但是，這種可以提高技術壁壘，獲得較高的市場定價權和溢價能力的工作，特別適合中小企業來干。
裝備還涉及大量的軟件
裝備的設計軟件，無論是大型空分裝置、燃氣輪機、發電機組、空壓機組，還是離散裝備的注塑、印刷、包裝、半導體、電子設備，他們都是由大量的機械零配件構成，本身就需要設計與仿真軟件來實現。
圖7-建模仿真類軟件普遍應用于裝備開發
這里就牽扯到了復雜的問題，材料的變化，印刷工藝的變化、機械傳動方式的極大變化，而隨著機械速度的不斷提高，機械系統間的物理因素之間的干擾對于品質影響也變得難以控制，必須采用建模與仿真的方式來進行測試驗證設計是否可行—每個領域都是如此，畢竟，以物理的方式進行測試驗證極為燒錢，另外，知識的積累與復用才能分攤前期的成本。這是為什么數字化建模與仿真類軟件成為了重要的裝備設計構成。
圖8-裝備開發工程與工業軟件分布
為什么我們的這類軟件比較匱乏，因為，在這個原創性的設計過程積累中，我們較少參與，直接復制帶來的最大結果就是我們欠缺對隱藏在這個過程中的其它知識的缺失。在形成一個穩定與成熟的工藝組合過程中，有大量的測試驗證的試錯過程，而這個試錯過程往往會有大量的知識，以及在這個過程中工程能力的練就—如何取舍，選擇，獲得最短實現路徑，這種能力，也產生在這個過程中，而不僅僅是結果。因此，我們可以抄到結果，卻抄不到過程中形成的能力。
而這個過程，又是一個剛性的—沒有前期的積累，就缺乏對這個過程中為什么要這樣，而不那樣的理解，因此，當你想基于現在的開發更高級的裝備的，是缺乏相應的知識的。這就相當于剛學了加減乘除，就開始學習微積分，省略了對初中對切線的理解，以及高中對函數的理解，這無法用微積分來解決問題。
裝備同時是數字化制造的數據源
現在很多做數字化的，都談拿不到數據。很多人怪這些數據屬于進口設備，都不開放—這是不合理的。不管是進口還是國產設備，作為數據的擁有者-因為這些都與工藝相關?，F在國內比較領先的如光伏設備、鋰電類設備領域，一樣不會給你開放數據-這不難理解，因為，你要的東西往往超出了你的需求。當然這里有個很有意思的現象，就是做數字化的人不知道自己能干什么，就問裝備你有什么數據，裝備的人覺得我干嘛要把數據都給你？然后就問，你要什么數據，兩邊的人討論這個問題，似乎也討論了有些年頭了。這就是需求不清晰的問題，對于裝備并非不能給你數據，但是，你要我所有數據，嘿，這就過分了—這里有很多我的Know-How，你覺得不重要，懂行的人可知道這是什么。
這就相當于你買了杯可樂，你還想拿到可樂的配方一樣不合理。設備制造商通常不會開放太多數據。因為，那些在不懂的人看來是個數據，但是，在懂的人就從其有哪些數據、數據的值等判斷出內部的工藝模型或軟件的核心算法。這是裝備制造商不大愿意的。
但是，如果制造業有個數據標準與規范，裝備廠商還是可以據此來提供數據的，因為與生產相關的數據還是要提供的-例如用于產線OEE相關，這還是可以提供的。
裝備又是智能制造的執行基礎
任何的分析、規劃最終要由裝備來實現。很多所謂的優化、最終還是要落在機器的執行上，尤其是自動化程度越來越高的設備。
很多試圖要去進行所謂的“優化”，往往并不了解物理對象的復雜性，它完全不像我們在理想世界里那樣的聽話。經常產生一些莫名的干擾，或者其背后的機理并非清晰。
人們對于物理建模有一定的了解，但，它是有邊界的，這就像高等數學里學習的定義域，x取值范圍對應不同的y值。而有些區域里，我們可以對其進行函數的表達式描述，而另一些區間里則會發生變化，甚至無法被描述，而x值，也并非無限。
對于復雜系統，它經常會超越我們的邊界，那么這個時候的表達式就無法被描述，而因此，需要通過數據方法來“歸納”。通過這種方法尋找到規律，但是，這些都是要用于生產的判斷，以及決策，并去執行改善動作，但是，無論如何，所有的智能化，最終也是要這個設備來執行的。
綜上，設備是數字化的關鍵。
對裝備的誤區
裝備已經非常的復雜，不是簡單的鐵疙瘩
很多人對裝備還停留在大、粗、笨的那種機械階段，而且對于機械本身的復雜性理解不夠，以及對裝備里所蘊含的知識、物理化學基礎認識不足。
機器已經非常智能，包括自身適應訂單的變化能力、包括在線數據分析、數據返回、智能優化等。
就像印刷設備，早期的古登堡就是純機械的手動，即使到了后來也是由其它動力驅動，而機械的操作，直到電子傳動技術之后，才開始有了高精度的控制，以及色標檢測、精密的張力控制與套色系統，才能更為達到極高的速度，印刷大量的制品，達到每分鐘可以裝訂10000多本書的速度。印刷機最初只是以書刊為主，現在印刷的材料種類已經擴展到各種薄膜、金屬材料，無紡布、而且以軟包裝印刷為最大市場。產品的種類發生了極大的擴展，以及品質、速度與效率都是極大的擴張。
圖9-印刷裝備的發展歷程
圖X是印刷機械的發展，其中還有點小知識，很多人講中國發明了活字印刷，但實際上雕版印刷才是印刷的主要技術，活字印刷的使用證據不是很多。在《技術與文明》一書中談到活字印刷之所以未有真正的發展，因為相對于拉丁語系的那么點字母來說，漢字數量實在太龐大了，還有一個原因是鑄幣技術影響了歐洲印刷機—這些字母被鑄造出來精度更高，更耐磨損。從古登堡到輪轉印刷、卷筒印刷都是機械傳動與操控，直到20世紀才開始有電氣傳動，到了最近20余年，印刷機開始變得更高精度要求，以及速度超出了我們想象的高速，像凹版國產的設備已經可以開到550m/min的高速，這與筆者10余年前220m/min的速度已經大幅提高。包括套印精度，材料適配性，甚至像大家家里用的保鮮膜，PE膜這種非常彈性的材料上，我們也可以做到小于0.1mm的偏差。
組裝需要效率，而成型則需要技術
成型工藝才是工業軟件知識的濃縮，組裝更強調效率，以及在生產中挖掘潛在的效率損耗—從精益的視角，去消除浪費。例如避免生產不需要的產品，形成連續流、均衡負載以消除瓶頸，形成標準化的生產作業，以及實現柔性化的產品生產。
精益，是制造業的根基，它也是數字化需求的來源，就像OEE，是所有生產企業關心的指標，而這些指標可以被分解為機器所需的精度控制、品質優化、工藝改善、這些可以通過數字化來實現，數字化有數字化的優勢，但是，必須清楚需求—才能選用好工具來解決問題。
此圖僅為裝飾沒有序號
但是，成型技術則不同，它實現需要材料科學、機械與傳動、電氣控制、工藝與配方等的積累—而這個有更高的護城河。用一個常用的詞，就是這個技術有點“硬”，不像用于運營管理水平的數字化，偏“軟”。軟硬結合是必要的—在友好的年代，買了設備看運營可以，但在不友好的年代，看來還是得把裝備的問題解決好，否則，就會出現所謂的卡脖子。
裝備是制造最大的資產；半導體行業裝備投資占到70%，大部分工廠其實裝備都是大的投資部分，至少在50%以上。越是重資產的制造業，或者傳統型的制造業，設備都是資產的大頭。
關于裝備制造業的數字化轉型大邏輯
大邏輯—轉型需要數字化，而不是數字化轉型
轉型—是從過去的粗放、抄襲、同質化轉向到自主掌握核心技術、形成差異化競爭力，并且裝備能夠在技術視角應對生產的靈活變化的能力—這需要通過建模。
裝備的開發是嚴謹的工程過程
裝備企業需要更為高效的研發管理升級；
裝備企業需要更專業的工程思維訓練的卓越工程師力量；
圖10-裝備行業轉型大邏輯
無處不在的模型
信息建模-通過信息建模來實現數據與事件分離，使得復雜的集成變得簡單，包括垂直行業信息建模，能夠讓制造協同變得簡單，降低工程量。
機理建模
大量的物理建模是建立在機械、電氣傳動與控制，物理與化學的公式與方程上的，機理建模類似于“演繹法”的思維模式。
數字孿生其實也建立在模型+動態模型交互基礎上，元宇宙也是如此。
策略模型：邊緣計算里的優化、調度、隊列、尋優、辨識都是屬于策略、運籌模型范疇；
數據驅動建模：機器學習、深度學習，也是要學習人的經驗、尋找非線性的規律（機理無法描述）。
因此，制造的一切都是建模。我們講的各種工業軟件，大抵就是對這些模型的工程積累的過程。
而我們需要讓大家明白，整個裝備及裝備構成的產線，包括柔性輸送系統，數字孿生，一切都是建立在模型基礎上的。
數字化轉型，即是利用數字化的工具，進行建模仿真與測試的正向開發過程。從過去的仿制，轉為自主研發，掌握核心工藝、形成技術壁壘，以形成高的市場競爭力，獲得高利潤。
進入2023年，本號居然這才第三篇文章，完成自定義KPI看來比較難了，歡迎留言，出點命題作文給作者也可以。