這次霓虹國的事情相信給不少企業帶來了一次正面衝擊，也因此很多人都在好奇大風集團為什麼好像在這一次事件中並沒有受到什麼影響。

所有人下意識的點頭。

我們可以看到一個有意思的數據，從今年年初開始來跟我們洽談雲智聯+製造的企業其實已經超過了一萬多家，但到目前為止真正意義上開始大規模建設雲智聯+製造的企業還不到200家。

而現在我們打造的基於人工智慧的智能維護可以利用機器學習來實現設備維護預警，我們這裏也有一個案例，在我們與格力工廠合作的過程中，設備平均大修次數降低了51%，系統診斷及維護響應時間小於1小時。

我們直接通過視頻來看一眼，在這一次的霓虹國事件中，我們的智能供應鏈系統第一時間給我們提出了材料採購方案，全球工廠生產方案，針對全球各地的市場供給方案調整以及未來的供需預測。

但一直以來大家始終是以人工檢測為主，結果顯而易見，人工識別的精度是非常有限的，不見容易出現誤檢，檢測速度也慢。

但我們大風集團推出的智能檢測系統在比亞迪和吉利工廠取得了非常顯著的效果，我們通過工業相機記錄下生產過程，將視頻交給人工智慧m•ｈｅｔｕbｏok•ｃoｍ.ｃoｍ進行機器檢測。

同一天，大風集團邀請了國內包括汽車，電子消費品在內上百家製造業企業代表來參加一場關於雲智聯+製造的會議。

再加上檢測工人的流動性大，經驗難以積累，各大車企每年都要投入一大筆資金在培訓上。

9月10日，國家正式出台了《產業升級的3年發展建議》，建議指出產業升級需要更加細化，需要重點扶持一些已取得初步成效的技術。

像我們這樣的跨國企業，傳統供應鏈管理在我們的全球化過程中表現出了非常明顯的缺陷，效率低、流通成本高、需求預測不準、供應響應不足、應對供應鏈波動的能力不足、廠商的庫存管理成本偏高等等。

……

「第二個目前比較成熟的技術應用就是智能維護，有工廠的都深知設備維護的重要性，但在傳統工廠大家基本採用的都是被動式維護，等設備出了問題才去維護。

孟謙話說到這，不少人的眼神開始變化起來，「換個角度想，這不就是我們的機會么？當別人都在遲疑的時候，不就是機會來臨的時候。

當我們讓機器學習進入到供應鏈管理中之後，人工智慧可以有效的通過對需求，計劃以及庫存的分析建立實時的https://www.hetubook.com.com供應鏈匹配關係，通過人工智慧，我們建立了多級庫存，計劃生產庫存動態調整甚至採購和補貨的半自動化。

孟謙說到這開始視頻展示智能檢測在比亞迪的應用情況，給大家一個更加直觀的感受。

在這次我們與國際汽車巨頭的交流中，我們智能檢測成為了全行業關注的焦點，像汽車這種行業的製造過程工序極其複雜，在線檢測任務異常繁重。

我們通過這一系統反饋在第一時間明確了不同國家不同城市在接下去兩到三個月的供貨和銷售目標，及時調度，最大程度的降低了霓虹國事件對我們公司的影響。」

但現在用戶對這個東西的理解還更多在產品上，比如智能家電，智能汽車，但今天來的各位心裏都清楚，雲智聯+製造並不是簡單的拿出一個智能產品，給傳統的產品賦予智能系統和聯網功能這麼簡單。

此次會議由孟謙親自擔任主講。

我不知道大家看到這個數據的時候有什麼想法？」

在這個過程中我們注意到，全世界現在都知道我們大風集團接下來的一個重點發展方向就是雲智聯+製造。

不僅縮短了設備維護周期，還提高了設備利用率。」

「這兩天不少老朋友都打電話問我突然和*圖*書搞這麼一個會議的目的到底是什麼，畢竟大風全球開發者大會剛結束還不到3個月。

今天也算是我第一次正面回應這個問題，除了我們在產業鏈上的高度自給率以外，我們這次能如此看似輕鬆的應對這一事件的關鍵其實就是因為我們在內部打造的智能供應鏈系統。

其實就是因為在第四屆大風全球開發者大會過去的兩個多月里我們跟全球製造業500強企業中超半數企業進行了溝通，並針對各方面的細節問題做了完善的總結和分析。

就比如我們最常見的一個問題，企業車間往往有大量不同廠牌的數字化機床以及工業自動化產品，設計各種不同的工業乙太網和現場匯流排標準，廠家軟硬體更是很難兼容，傳統製造業這種缺乏相關標準和複雜的生產線狀態正在阻礙著雲智聯+製造的發展。

在華夏企業全球化的過程中，我們不僅意識到了垂直產業鏈的重要性，更感受到了供應鏈的重要性。

孟謙說到這打開了PPT，所有人的注意力也都集中了起來，「在我們跟國內外傳統製造企業接觸的過程中我們注意到了一些現狀。

首先是智能檢測。

與此同時，製造業細分領域實在太多，每個細分的行業標準又不一樣，當雲智聯進入製造業之後更談www.hetubook.com.com不上什麼標準了。

所有人再次點頭，孟謙也點了點頭，「很顯然，雲智聯+製造的全面發展是離不開這四個核心，所以在三個成功應用案例之後，我們來從這四個核心探討一下這個技術的現狀。」

接下來自然同樣是一段視頻展示，「最後我們來說說第三個智能應用見到成效的地方，那就是智能供應鏈。

一開始，我們的人工智慧需要跟工人進行雙重檢查以達到雙保險目的，而隨著人工智慧不斷積累檢查經驗，深度學習開始發揮明顯作用。

當然，前提是技術值得讓人相信，所以我今天先從實踐本身來展示三個成功應用方向，這是雲智聯目前在製造業中比較成功乃至成熟的應用。

所以為了適應雲智聯+製造，幾乎所有的傳統製造企業都需要進行一場顛覆性的大改造。

大家是否認可我們的判斷？」

然而這對企業來說是一筆巨大的投資，這會涉及大量的設備，軟體以及硬體的更新乃至改造，投資周期長，短期難以見效。

「那接下來讓我們梳理一下雲智聯+製造的核心技術，分別是半導體晶元，核心裝備部件，核心軟體以及核心演算法。

孟謙這一套智能供應鏈系統展示下來看的這些製造業企業代表兩眼冒光。

孟謙故意停頓等大家回應，只和_圖_書聽見不知道誰說了一句任重而道遠，孟謙這才繼續道，「沒錯，確實任重而道遠，所以當我第一次看到這份報告的時候我激動的幾乎一晚沒有睡覺。

傳統製造業的根基起源於工業時代的大規模標準化生產，管理模式都是以金字塔，多層次，細分化為主，這種管理模式靈活性差，很難適應快速變動的製造任務和客戶需求。

現在拆開來看，我們有信心認為我們在核心演算法和軟體上是可以跟米國一拼的，工業半導體整體我們依然落後于米國，而最大的差距現在還是在核心工業設備上。

「大家看到這，是不是對雲智能+製造更感興趣了？」孟謙看著大家的表情笑著問道。

雲智聯+製造的根本目的是為了產業升級，所以在《建議》出台的今天，藉著這兩個月多月了解的市場情況，我們決定邀請大家過來再好好聊聊這個事情。」

截至目前，我們在比亞迪使用的人工智慧已經替代了工人50%的檢測工作，不良品檢出率高達86%，並且這個數據隨著經驗的積累正在不斷優化。」

因為我們接觸的是全球的製造企業，我們收集的是全球製造業信息，我們得出的是全球製造業結論，也就是說，這種猶豫不僅僅是我們華夏製造業的專屬問題，而是全球製造業的共同態度。」