9月10日，國家正式出臺了《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。
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制造業企業代表來參加一場關于云智聯制造的會議。
此次會議由孟謙親自擔任主講。
“這兩天不少老朋友都打電話問我突然搞這么一個會議的目的到底是什么，畢竟大風全球開發者大會剛結束還不到3個月。
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制造業500強企業中超半數企業進行了溝通，并針對各方面的細節問題做了完善的總結和分析。
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云智聯制造。
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，但今天來的各位心里都清楚，云智聯制造并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么簡單。
云智聯制造的根本目的是為了產業升級，所以在《建議》出臺的今天，借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。”
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制造企業接觸的過程中我們注意到了一些現狀。
傳統制造業的根基起源于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制造任務和客戶需求。
與此同時，制造業細分領域實在太多，每個細分的行業標準又不一樣，當云智聯進入制造業之后更談不上什么標準了。
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以太網和現場總線標準，廠家軟硬件更是很難兼容，傳統制造業這種缺乏相關標準和復雜的生產線狀態正在阻礙著云智聯制造的發展。
所以為了適應云智聯制造，幾乎所有的傳統制造企業都需要進行一場顛覆性的大改造。
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，軟件以及硬件的更新乃至改造，投資周期長，短期難以見效。
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云智聯制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云智聯制造的企業還不到200家。
我不知道大家看到這個數據的時候有什么想法？”
孟謙故意停頓等大家回應，只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。
因為我們接觸的是全球的制造企業，我們收集的是全球制造業信息，我們得出的是全球制造業結論，也就是說，這種猶豫不僅僅是我們華夏制造業的專屬問題，而是全球制造業的共同態度。”
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，這是云智聯目前在制造業中比較成功乃至成熟的應用。
首先是智能檢測。
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，像汽車這種行業的制造過程工序極其復雜，在線檢測任務異常繁重。
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。
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。
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，將視頻交給人工智能進行機器檢測。
一開始，我們的人工智能需要跟工人進行雙重檢查以達到雙保險目的，而隨著人工智能不斷積累檢查經驗，深度學習開始發揮明顯作用。
截止目前，我們在比亞迪使用的人工智能已經替代了工人50的檢測工作，不良品檢出率高達86，并且這個數據隨著經驗的積累正在不斷優化。”
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。
“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采用的都是被動式維護，等設備出了問題才去維護。
而現在我們打造的基于人工智能的智能維護可以利用機器學習來實現設備維護預警，我們這里也有一個案例，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于1小時。
不僅縮短了設備維護周期，還提高了設備利用率。”
接下來自然同樣是一段視頻展示，“最后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。
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。
這次霓虹國的事情相信給不少企業帶來了一次正面沖擊，也因此很多人都在好奇大風集團為什么好像在這一次事件中并沒有受到什么影響。
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松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。
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。
當我們讓機器學習進入到供應鏈管理中之后，人工智能可以有效的通過對需求，計劃以及庫存的分析建立實時的供應鏈匹配關系，通過人工智能，我們建立了多級庫存，計劃生產庫存動態調整甚至采購和補貨的半自動化。
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采購方案，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。
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。”
孟謙這一套智能供應鏈系統展示下來看的這些制造業企業代表兩眼冒光。
“大家看到這，是不是對云智能制造更感興趣了？”孟謙看著大家的表情笑著問道。
所有人下意識的點頭。
“那接下來讓我們梳理一下云智聯制造的核心技術，分別是半導體芯片，核心裝備部件，核心軟件以及核心算法。
現在拆開來看，我們有信心認為我們在核心算法和軟件上是可以跟米國一拼的，工業半導體整體我們依然落后于米國，而最大的差距現在還是在核心工業設備上。
大家是否認可我們的判斷？”
所有人再次點頭，孟謙也點了點頭，“很顯然，云智聯制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后，我們來從這四個核心探討一下這個技術的現狀。”
