同样是自研MPCVD，真正要优化的是什么？

前几天我在知识星球发了一篇《MPCVD设备自研，省的是采购价，赌的是产出率》，算过一笔账：按我接触的一类设备配置，自研单台约省5万–10万元，折算到完全制造成本只有2%–5%，稳定产出率掉两三个到四个点，这点节省就基本被抵消了。写完以后，我想到了之前研究过的Diamond Foundry。它同样长期自研反应器，官网称已经迭代到第十代。于是我想问一个问题：如果采购差价最终只影响几个百分点，一家企业长期投入人力、时间和资本去自研设备，换回来的东西，是不是应该不止这几个百分点？

一、自研可以优化的三层东西

在我接触的一些培育钻石项目里，降低采购成本是最直接、也最容易量化的理由，但自研可以优化的东西，其实是三层台阶。第一层是成本：采购、维修、备件和扩产的开支，对已经进入规模制造的企业，这一层完全成立。第二层是控制：掌握设备接口、核心参数、维护能力和数据，工艺修改不再受制于外部设备商。第三层是学习：缩短从问题出现到下一轮验证之间的时间，比如材料出现缺陷后，多久能判断是不是设备变量造成的，发现新的工艺窗口后，设备能不能快速修改，客户提出新要求时，反应器、过程控制和工艺能不能一起变化。

三层不是并列关系。拿不到数据，没有改造权限，就谈不上缩短反馈，所以控制是学习的前提。这也意味着，真正的变量不是“买还是造”，而是设备对材料团队的开放程度和反馈速度。外购设备如果能开放足够的数据、快速响应工艺修改，同样可能走到后两层。

二、Diamond Foundry的样本

按我之前研究Diamond Foundry时的判断，它自研的核心，是缩短从设备性能到产出结果的反馈路径，让设备不断围绕材料结果迭代。

DF官网称，创始团队在进入金刚石之前总结过一条制造业经验：相比一次性的“10倍突破”，更重视快速、迭代、复利式的渐进创新；2012年从麦克斯韦方程和大量物理模拟开始设计新的等离子体反应器，2013年连续做了三代反应器，2014年第一台完整反应器开发了8个月，而且几乎耗尽了当时资金。这可以看出，DF不是后来成功了以后才开始讲“反馈迭代”，至少在它自己的公司叙事里，快速迭代从创立阶段就是方法论的一部分。

官网目前明确称，反应器技术已经到第十代，并声称每一代都在提高质量、良率和生产率，同时持续调整等离子体形态。但“第十代”本身只能说明设备长期是研发对象，不能证明反馈链短：每一代间隔多久、每次修改由什么问题驱动，外界看不到。但至少可以说明，DF在不断地改进设备，提高与材料生产能力的适配性。

三、研发要变，量产要稳

学习型自研会马上遇到一个矛盾：设备持续在改，多机一致性怎么办？几十台设备要是天天跟着研发团队变，批次之间只会越来越难比较。比较合理的做法，是研发端持续迭代，量产端阶段性冻结：新的腔体、传感器、控制逻辑先在研发设备上验证，证明有效以后固化成一个版本，再复制到量产。这就是**代际之间允许变化，代际之内要求稳定。**DF也是这么做的，2018年宣布Wenatchee工厂时明确写道：反应器先在San Francisco工厂制造，完成验证和稳定化之后，再运输到Wenatchee用于生产。

半导体制造里有一个类似的做法，叫Copy Exactly，由英特尔提出：把研发线上验证过的工艺和设备配置，原样复制到量产线。让迭代不破坏一致性的，是数据，每一代改了什么、对应什么状态和结果，都要能追溯，这也是我最近研究MPCVD在线监测和多机一致性时反复遇到的问题。对自研MPCVD来说，逻辑类似——新一代可以继续改，但进入量产之后，必须形成稳定版本。

四、判断一套自研体系有没有积累能力

我现在用一个问题来判断：材料和生产端暴露出来的问题，有多少真正进入了下一轮设备和工艺设计？比如某种缺陷有没有推动腔体或基台的改动，批次一致性问题有没有推动传感器和过程控制的升级，维护后状态难以恢复有没有推动新的监测和校准方法，从几台扩到几十台以后，多机差异有没有写进下一代设备的标准。

反过来，设备几年不变，不等于没有学习。设备进入成熟量产阶段，本来就应该稳定，该看的是该改的时候能不能快速改，该冻结的时候能不能稳定复制。

五、连续迭代，是个组织和资本的前提

设备做到十代，不只是技术问题。每一代都需要工程师、样机、测试、失败成本和时间，还要配套新的工艺验证和生产数据。我的推演是，真正有价值的设备能力，往往在第二代、第三代以后才逐渐形成。如果企业的现金流只够做出第一代，没有资源继续修改、验证和标准化，自研就容易停在“能做出来”。

DF的十代设备也不是只有“技术坚持”就能做到。他们在研发到3代机的时候初始资金就基本耗尽了，后续通过融资、生产培育钻石补充了现金流才得以继续。2021年DF还完成过2亿美元C轮融资。持续做样机、验证、扩产，本身需要很长的资金窗口。

关于DF自研设备的起点，是不是：它想要的反应器性能和产品（面向半导体级的大面积单晶），市面上未必有现成设备可买。关于这个猜测，我还没有足够的证据来佐证。如果是这样，自研首先是技术路线的需要，学习速度是随之而来的收益。

六、回到最初的问题

自研本身不是目的，目的是建立一套比外部采购更有价值的制造能力。动手之前，可以先问三个问题：

我要优化的是成本、控制力，还是学习速度？
设备问题和材料结果之间，能不能形成足够短的反馈路径？
研发方案成熟以后，我有没有能力把它冻结下来，稳定复制到几十台甚至上百台设备？