博客
关于我
Lam Research和VELO3D达成战略协议,使用金属增材制造应用生产半导体资本设备
阅读量:205 次
发布时间:2019-02-28

本文共 910 字,大约阅读时间需要 3 分钟。

VELO3D与Lam Research合作协议探索新型材料与3D打印技术

据美国商业资讯报道,数字制造创新者VELO3D与Lam Research Corporation(Nasdaq: LRCX)日前宣布签署了一项联合开发协议,重点推进半导体行业的金属增材制造(AM)及3D打印技术的应用。协议涵盖了专有工艺开发和对VELO3D的投资,标志着双方在新型材料和设计领域的深度合作。

Lam Research计划在未来五年内显著扩充AM生产能力,致力于通过增材制造技术提升半导体制造效率。这一创新方案将重塑传统减法制造模式,为敏捷供应链开拓工业4.0应用场景。VELO3D专注于其Sapphire®打印机的研发,将开发关键的新型金属合金,以支持Lam的设计与技术进步。同时,Lam Capital向VELO3D注入了未公开的风险投资,助力其技术突破。

"增材制造是Lam Research推动创新发展的核心动力,致力于为客户提供更小、更快、更强大、更省电的电子设备解决方案。"Lam Research全球运营高级副总裁Kevin Jennings表示,"这项合作契合了我们追求技术突破和产品极限的使命。"

VELO3D首席执行官兼创始人Benny Buller表示:"半导体制造领域以高可重复性和一致性著称,而我们的3D打印技术正好满足这一需求。通过这一合作,我们将加速Lam的设备创新,为顶端微处理器、存储设备等提供可靠的生产支持。"

金属增材制造作为数字化转型的重要组成部分,通过CAD文件驱动的3D打印技术,实现了对传统模拟制造模式的突破。这一技术不仅加速生产流程,还显著减少了原材料浪费,尤其适用于复杂设计的高性能制造。

值得注意的是,VELO3D近期完成了4,000万美元的融资,总计获得了1.5亿美元的投资支持。这一新资金将用于技术能力提升,预计在2022年中期实现盈利。

作为Lam Research的风险投资部门,Lam Capital专注于投资那些致力于解决行业难题的创新型公司。无论是半导体设备技术还是人工智能与工业4.0相关创新,Lam Capital都在寻找具有颠覆性潜力的初创企业,与之开展合作。

转载地址:http://qrvs.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>