与「Metrology」相关的搜索结果

Bore alignment is reference work. Every measurement needs to connect to the same trusted centerline. Fast setup, accurate reference, repeatable results. #BoreAlignment# #Metrology# #HamarLaser#

Chinese scientists have made a major breakthrough in the field of stable isotope enrichment, successfully realizing mass production of silicon-28 isotopes with an abundance exceeding 99.99% for the first time. The ultra-high-purity silicon-28 is expected to support frontier fields, including quantum computing, advanced semiconductor manufacturing, high-end navigation and metrology standards.

半导体封装的“隐形中枢”：inline检测与OSAT的再定价 半导体产业正在经历一次重心转移：性能提升不再只依赖晶体管缩小，而是越来越依赖封装。2.5D、3D、HBM、chiplet，本质上都在把“系统能力”搬到封装环节。这也直接抬高了OSAT（外包封装与测试）的战略地位。 封装重要性的提升，带来了inline检测的快速增长。 OSAT（Outsourced Semiconductor Assembly and Test）负责两件事： 把裸die封装成可用芯片（封装） 验证芯片是否可用（测试） 过去这是一个低技术、低毛利的环节。但在AI时代，情况变了： 多die集成（chiplet） HBM堆叠 nm级对准要求（hybrid bonding） 封装正在变成： 性能瓶颈 + 良率瓶颈 + 成本瓶颈 inline是一种生产方式：所有工序连续完成，并在生产过程中实时检测与反馈（闭环） 对应另外一个环节是offline：做完再测（开环） 先进封装中的inline检测主要分三类： 1）光学检测（主力） bump高度 overlay（对准） 表面缺陷 特点：速度快，可全量inline。 2）X-ray检测 焊点空洞 TSV缺陷 内部结构问题 特点：能看内部，但速度慢，多用于抽检。 3）电性测试 功能验证 性能分档 更接近最终测试，不属于核心inline控制体系。 inline检测的目标不是“最精确”，而是在不降低产线效率的前提下，实现足够精确的实时反馈 核心矛盾：精度 ↑ → 速度 ↓；速度 ↑ → 精度 ↓ 先进设备的价值，就是在这个矛盾中找到最优解。 inline检测的壁垒来自多维叠加： 1）物理极限 nm级对准 μm级结构 工业环境下接近科研精度 2）速度 vs 精度的工程平衡 高throughput + 高精度同时实现 3）算法与数据 缺陷识别、pattern分析 强依赖历史数据与持续训练 4）工艺耦合 测量 → 调整工艺 → 再测 形成闭环系统 5）客户验证 TSMC / Samsung Electronics / Intel 验证周期长（1–3年） 一旦导入，很难替换 所以门槛极高。inline设备不是工具，而是嵌入客户制造系统的一部分。因此这个市场高度集中： 系统级控制 KLA Corporation Applied Materials → 控制数据与闭环 关键测量节点（alpha来源） Camtek Ltd. Onto Innovation Nova Ltd. → 控制关键测量维度 三家核心玩家对比（Onto / Nova / Camtek） 这三家公司虽然同在inline赛道，但本质上卡的是不同位置。 一句话结论 Onto = 广度（平台） Nova = 深度（前道工艺） Camtek = 弹性（先进封装/HBM） 1️⃣ Onto Innovation 定位： 前道 + 封装双覆盖 optical metrology + inspection + litho 优势： 产品线最广 客户最分散 抗周期能力强 劣势： 单点技术不如Nova深 封装不如Camtek极致 2️⃣ Nova Ltd. 定位：前道metrology核心玩家 优势： 技术深度最强 工艺绑定最深 数据壁垒最强 劣势： 封装参与较少 弹性不如Camtek 3️⃣ Camtek Ltd. 定位： 先进封装（HBM / 3D） 优势： 聚焦3D检测 HBM需求直接驱动 使用频率极高 劣势： 产品线较窄 对周期敏感 竞争关系本质 KLA = 控制系统 Onto = 广覆盖 Nova = 深度测量 Camtek = 封装核心检测 这不是单一赢家市场，而是： 每个关键测量维度一个龙头 封装是制造能力，检测是控制能力。区别在于： 封装 → 可扩产、可竞争 检测 → 嵌入流程、难替代 inline检测具备三个核心特征： 高频使用（每一步都测） 强绑定（工艺耦合） 决定良率（直接影响利润） 在这个体系中：谁打通从设备到数据的全节点，掌握“反馈权”，谁就掌握利润分配权。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议dyor

Onto Innovation最近入股 Rigaku Holdings 27% 股权，这是一次非常明确的战略转向：从“表面检测”走向“3D结构检测”，本质是在卡位先进封装时代的工艺控制入口。 Onto的业务核心是半导体制造中的process control，也就是检测（inspection）、计量（metrology）、封装光刻和软件系统。它决定良率，和klac一样，是典型的“复杂性收费者”。随着工艺从2D走向3D，这类公司的重要性正在系统性提升。 过去，检测主要依赖光学和电子束，解决的是“看得见”的问题。但在HBM、CoWoS、chiplet和混合键合等结构下，缺陷越来越隐藏在内部，传统方法开始失效。X-ray成为必需工具，这正是Onto入股Rigaku的核心逻辑——补齐内部检测能力，从而覆盖“表面+内部”的完整检测链条。 从市场结构看，Onto未来真正的机会不在大盘，而在结构性细分。 先进封装检测的增速高于行业平均，而涉及3D结构（如X-ray、混合键合检测）的细分领域可能更高。公司当前业务重心已经明显向先进封装倾斜，这使其增长弹性显著高于行业平均。 竞争格局上，行业由 KLA Corporation 主导，市占率超过一半，是标准制定者；Applied Materials 和 ASML 等大型设备商具备跨界能力，可以通过整线方案压制单点供应商；而Camtek、Nova等公司则在细分领域与Onto直接竞争。Onto本身处于中间位置：产品线不够全面，但在先进封装环节具备一定深度。 其优势在于提前卡位先进封装，产品结构向高增长区域集中，同时具备一定技术门槛和盈利能力；但劣势也很清晰，包括客户绑定较弱、系统能力不完整，以及在部分高端检测能力上仍落后于龙头。整体来看，护城河处于中等水平，尚未形成不可替代性。 决定公司未来地位的关键变量是混合键合。 随着互连从bump走向直接键合，对overlay精度和界面缺陷控制的要求大幅提升，检测和计量的重要性显著上升。Onto在overlay和先进封装检测上已有基础，并通过X-ray补齐能力，因此可以覆盖混合键合检测链的大部分环节。该技术有望在未来3–5年持续推动其相关业务高于行业增速。 Onto的投资逻辑并不完全跟随半导体周期，而在于是否能够从先进封装中的“参与者”，升级为3D结构检测中的“关键节点”。混合键合决定其能否获得稳定超额增长。如果能够在X-ray和3D检测上建立能力闭环，其护城河有望明显加宽；反之，则仍将处于被KLA压制、被大厂边缘化的中间位置。 本质上，这家公司正在从一个设备供应商，向“复杂性控制入口”转型。能否完成这一转型，决定了它未来5年的上限。 免责声明：本人持有文章提及股票，观点十分主观，非投资建议dyor

AI is reshaping global meteorology. New technologies and cross-border partnerships deliver better early warnings, helping nations withstand storms and natural disasters. Follow Alex to the 2026 WAIC to explore #MAZU-China# Intelligent Meteorological Early Warning Solution. #WAIC2026# #Shanghai# #China#

哪吒闹海，小时候被这一段感动坏了...试着用Seedance 重置了一下...看看ai能不能用来叙事和表达感情... One of the most tragic scenes in Chinese mythology and a classic moment in Chinese animation; I’ve remastered it using Seedance, and I hope you enjoy it. #seedance# #aigc# #哪吒#

THE 16-FRAME GRID TRICK THAT KEEPS SEEDANCE 2.0 CHARACTERS CONSISTENT One monk. One white dragon. A full chase sequence through a waterfall canyon and into a forest. No drift, no dragon losing its horns mid-scene, no robe changing shade between cuts. Most creators generate one reference image then re-prompt Seedance 2.0 shot by shot and hope the character holds together. The real consistency comes from building the entire sequence as one 4x4 storyboard grid in GPT Image 2.0 first — then feeding that grid into Seedance 2.0, not raw prompts. Here's the workflow: 1. Write the character bible — monk: bald, gold robe. dragon: white fur, antler horns, amber eyes. locked before frame one 2. Draft 16 frame captions — shot type + action + one punchy line each 3. Lock the visual style in a single block — cinematic, shallow depth, water mist, motion blur on fur 4. Generate the full 4x4 grid in GPT Image 2.0 — numbered corners, thin black borders, captions baked in 5. Pull each frame out as its own reference image 6. Feed each frame + its caption into Seedance 2.0 as an individual shot 7. Stitch the shots in storyboard order Why this works: - Dragon and monk get designed once across the whole grid — not reinvented in 16 separate prompts - Motion blur and mist already encode energy so Seedance has less to guess - Frame captions double as your shot list — no re-planning once you're animating - Consistent framing forces consistent camera logic before video even starts Use cases: ⁃ Mythology / fantasy sequences with non-human creatures ⁃ Action chase scenes across multiple environments ⁃ Character + creature pairs that need to stay locked across cuts ⁃ Cinematic shorts with no budget and no team Not every fur detail survived the jump to video untouched — some cleanup needed once things start moving. But designing the dragon and monk together in one grid before touching Seedance killed almost all my consistency issues.

This is an Indian mythology inspired self-funded indie game, that infuses the soulslike genre with a little vibrant Bollywood flair! Unleash the Avatar is coming to Steam: by indie dev @utathegame

Graham Hancock just dropped a devastating blow to mainstream archaeology with the Great Pyramid of Giza. “It’s a 6 million ton monument… more than 2 million individual blocks of stone.” “The Great Pyramid is aligned within 3/60ths of a single degree to true north… on a 6 million ton monument.” “It sits almost exactly on latitude 30 which is 1/3rd of the way between the north pole and the equator.” “And it incorporates the dimensions of the earth on a scale of 1 to 43,200 in its own dimensions.” “So if you take the height of the Great Pyramid and multiply it by 43,200… you get the polar radius of the earth. Measure the base perimeter of the Great Pyramid… multiply it by the same factor, 43,200, and you get the equatorial circumference of the Earth.” “Archaeologists know this. They say it’s a coincidence, total coincidence, just by chance.” “However, I could agree with them actually if the scale was not 1 to 43,200. But the fact that it’s 1 to 43,200 changes everything because that belongs to a sequence of numbers that is found in ancient mythology all around the world… multiples of the number 72… derive from… the precession of the equinoxes.”