|
2020年，内蒙古，TCL中环晶体单晶五期车间。G12刚进入量产初期，一排排炉台整齐列阵，炉内上千度高温把硅料熔成赤红滚烫的溶液。
TCL中环内蒙工厂
TCL中环材料业务端工艺研发专家级项目经理周彦杰和团队卡在一个问题上：0-500mm等径断苞异常激增，成晶率持续下滑。按“人机料法环”逐项复盘，查了整整一周——设备无恙，原料合规，工艺标准严丝合缝。所有变量都被排除了，只剩下唯一一个没法量化、也没法归档的因素：人对埚位的操作。
“那个时候的拉晶，更多是依靠人的经验。但经验这个东西，存在于每个人的脑中，无法通过工艺文件中的参数呈现。”周彦杰后来回忆。
周彦杰在一线
经验不等于技术
那一年他刚从生产一线转岗到技术岗，很快发现一个普遍现象：熟练的操作员工，各有各的微调手法。一旦人员轮岗、新人接手，品质和成晶就会出现批量波动。
员工的经验是个人日积月累的隐性经验，不属于团队技术。周彦杰当时最大的感触就是：经验不等于技术。零散经验不可靠，体系化、标准化的经验，才是真正的技术。
这句话成了他此后五年所有工作的总纲。
但它不是凭空冒出来的。2016年周彦杰第一次走进单晶车间，在门口愣了好几秒——高标准5S管理下设备大气齐整，“既新奇又激动”，从那一刻起他就没想过离开。那也是一个纯手动拉晶的年代：稳、引、放、转、等、收、控温、调热场，老师傅带徒弟口传心授，全流程至少三个月才能独立上手。
中环协星直拉单晶车间
要想熟练应对断苞、控温这些突发状况，没有半年根本做不到。
四年时间他守在炉台边，看温度、盯引晶、调参数，把每一个细微变化刻进肌肉记忆。心里也始终绷着一根弦：人的经验是优势，也是最大的不稳定变量。2020年那场断苞危机，恰恰印证了这一点。
以这场危机为契机，周彦杰和团队推动自动定埚项目，按埚位标准统一操作口径，开发新的测量工具，把参数变动严格限定在工艺标准区间内，0-500mm等径断苞激增的问题得到改善。
之后是一条越走越明确的标准化之路。2022年，扩肩改善项目，团队系统梳理不同操作手法的差异，把拉速微调的经验转化成可量化、可复制的工艺参数，扩肩成活率阶梯式跃升；2023年初，支援宁夏工厂，面对新产线新团队的经验断层，他带着大家重新定义操作标准；2024年10月的TS-019项目，他把工艺边界和异常处理预案逐条写进技术文件。
老师傅们“只可意会”的手感，就这样被翻译成可传承、可迭代的“技术语言”。
“还是人工最稳”
2024年，周彦杰和团队正式对接“深蓝AI”（Deep Blue）拉晶中的一键拉晶项目。深蓝AI是TCL自主研发的三大垂域大模型之一，深度应用于新能源光伏产业全领域。TCL中环自2015年起推进工业4.0建设，走的是“从自动化到数字化，从数字化到智能化”的演进路线。
他接得“紧张而期待”。紧张的是AI自主控制拉晶过程中的模型适配与数据可靠性；期待的是，他清楚这是根除人为波动、实现工艺标准化的必由之路。
阻力来得比预想更快：平台繁多、数据标注量巨大，模型频繁切换、逻辑频繁调整导致数据恶化，实验区直接拒绝继续试点，产线也不愿配合采集数据。
那段时间，团队成员们其实都很受挫。
比技术难题更棘手的，是来自人的抗拒。车间里一位有着十几年经验的工序长，坚持“还是人工最稳”，项目过程中一旦出现微小波动，便立刻否定模型。“当时有这样想法的一线员工，不在少数。”周彦杰说。
周彦杰没有反驳。他心里清楚，信任不是靠PPT赢来的，数据能说明一切。
周彦杰与团队
转机来自一次险情
一次模型自动控温时信号中断，温度未按设定运行，夜班人员也未能及时发现，险些酿成一级异常。全组惊出一身冷汗。
周彦杰反而从这场险情里看到了突破口——人有疲劳疏漏，AI也有场景盲区，单靠任何一方都无法守住底线，必须形成双重防护。
他果断暂停大范围试炉，锁定少量炉台专项攻坚，梳理工艺边界，制定分层防呆联锁措施，形成“AI调控+工艺硬规则兜底”的组合模式。
技术会上，团队把实打实的数据摆到了桌面上——成晶与扩肩成活率双双提升。当初质疑的那位工序长看完，沉默了很久。后来他开始主动研究AI调控逻辑，结合自己十几年的实操经验，给研发团队提出优化建议。
人和AI之间那道无形的墙，正在被真实的数据一点点拆除。
让AI学会“思考”
深蓝AI在拉晶环节的能力也在提高：从定式控制的部分工步，拓展到引晶、放肩、收尾全流程，实现一键自动拉晶与数字孪生实时同步；关键参数由AI动态精准调控；视觉与AI结合的异常检测系统，则构建起从报警输出、实时分析到追溯根因的完整闭环。
对周彦杰来说，这段攻坚让他对“技术语言“的理解又跃迁了一次。此前把经验提炼成标准化操作规程，是为了消除人为波动；而现在，经验不只是算法的输入素材，更是持续迭代的源泉。
AI负责标准化、重复性、长时间稳定调控；人的核心价值在于发现变量、优化模型——不是替代关系，而是持续互补的共生关系。
定式模型推广之后，团队没有停下脚步。“真正的智能，不能只是‘记住’经验，更要学会‘思考’。”AI 1.0时代依靠预先固化的标准参数曲线，仅能适配标准稳定工况——一旦原料波动、热场状态漂移，模型就容易失效。
于是从FSP（全自牵引型）到APC（先进过程控制），一场从“固定模板复刻”到“实时感知-动态决策-即时执行”的跃迁正悄然展开。为迎接AI 2.0，团队从数据治理、模型体系、设备改造和人才培养多个维度做了充足准备。
老工序长的那条消息
如今的周彦杰，不再像几年前那样天天扎在炉台边盯着每一炉的曲线。他把更多精力投入数据后台，研判AI生成的日志，透过中控屏实时关注车间的动态——那些曾经需要他亲手微调的炉台，如今正按算法给出的方案精准运行。
那位曾经说“还是人工最稳”的老工序长，现在会主动发消息给他：今天这炉波动有点不稳定，你看看是不是算法那边有偏差。
两个人不再争论谁更稳，而是开始讨论怎么一起把事做得更稳。老师傅们的手感得到了更好的“传承”，他们也正在学会和算法对话，用自己的经验给AI当老师。
这大概就是“互补共生”的真正含义——不是用机器取代人，而是让每一位在炉台边守过上千度高温的人，最终都能站得更高一点，走得更远一些。
“智能化这条路，还有很远，但是我有信心越走越稳。”周彦杰说。
|
