9月10日，国家正式出台了《产业升级的3年发展建议》，建议指出产业升级需要更加细化，需要重点扶持一些已取得初步成效的技术。
同一天，大风集团邀请了国内包括汽车，电子消费品在内上百家制造业企业代表来参加一场关于云智联+制造的会议。
此次会议由孟谦亲自担任主讲。
“这两天不少老朋友都打电话问我突然搞这么一个会议的目的到底是什么，毕竟大风全球开发者大会刚结束还不到3个月。
其实就是因为在第四届大风全球开发者大会过去的两个多月里我们跟全球制造业500强企业中超半数企业进行了沟通，并针对各方面的细节问题做了完善的总结和分析。
在这个过程中我们注意到，全世界现在都知道我们大风集团接下来的一个重点发展方向就是云智联+制造。
但现在用户对这个东西的理解还更多在产品上，比如智能家电，智能汽车，但今天来的各位心里都清楚，云智联+制造并不是简单的拿出一个智能产品，给传统的产品赋予智能系统和联网功能这么简单。
云智联+制造的根本目的是为了产业升级，所以在《建议》出台的今天，借着这两个月多月了解的市场情况，我们决定邀请大家过来再好好聊聊这个事情。”
孟谦说到这打开了PPT，所有人的注意力也都集中了起来，“在我们跟国内外传统制造企业接触的过程中我们注意到了一些现状。
传统制造业的根基起源于工业时代的大规模标准化生产，管理模式都是以金字塔，多层次，细分化为主，这种管理模式灵活性差，很难适应快速变动的制造任务和客户需求。
与此同时，制造业细分领域实在太多，每个细分的行业标准又不一样，当云智联进入制造业之后更谈不上什么标准了。
就比如我们最常见的一个问题，企业车间往往有大量不同厂牌的数字化机床以及工业自动化产品，设计各种不同的工业以太网和现场总线标准，厂家软硬件更是很难兼容，传统制造业这种缺乏相关标准和复杂的生产线状态正在阻碍着云智联+制造的发展。
所以为了适应云智联+制造，几乎所有的传统制造企业都需要进行一场颠覆性的大改造。
然而这对企业来说是一笔巨大的投资，这会涉及大量的设备，软件以及硬件的更新乃至改造，投资周期长，短期难以见效。
我们可以看到一个有意思的数据，从今年年初开始来跟我们洽谈云智联+制造的企业其实已经超过了一万多家，但到目前为止真正意义上开始大规模建设云智联+制造的企业还不到200家。
我不知道大家看到这个数据的时候有什么想法？”
孟谦故意停顿等大家回应，只听见不知道谁说了一句任重而道远，孟谦这才继续道，“没错，确实任重而道远，所以当我第一次看到这份报告的时候我激动的几乎一晚没有睡觉。
因为我们接触的是全球的制造企业，我们收集的是全球制造业信息，我们得出的是全球制造业结论，也就是说，这种犹豫不仅仅是我们华夏制造业的专属问题，而是全球制造业的共同态度。”
孟谦话说到这，不少人的眼神开始变化起来，“换个角度想，这不就是我们的机会么？当别人都在迟疑的时候，不就是机会来临的时候。
当然，前提是技术值得让人相信，所以我今天先从实践本身来展示三个成功应用方向，这是云智联目前在制造业中比较成功乃至成熟的应用。
首先是智能检测。
在这次我们与国际汽车巨头的交流中，我们智能检测成为了全行业关注的焦点，像汽车这种行业的制造过程工序极其复杂，在线检测任务异常繁重。
但一直以来大家始终是以人工检测为主，结果显而易见，人工识别的精度是非常有限的，不见容易出现误检，检测速度也慢。
再加上检测工人的流动性大，经验难以积累，各大车企每年都要投入一大笔资金在培训上。
但我们大风集团推出的智能检测系统在比亚迪和吉利工厂取得了非常显著的效果，我们通过工业相机记录下生产过程，将视频交给人工智能进行机器检测。
一开始，我们的人工智能需要跟工人进行双重检查以达到双保险目的，而随着人工智能不断积累检查经验，深度学习开始发挥明显作用。
截止目前，我们在比亚迪使用的人工智能已经替代了工人50%的检测工作，不良品检出率高达86%，并且这个数据随着经验的积累正在不断优化。”
孟谦说到这开始视频展示智能检测在比亚迪的应用情况，给大家一个更加直观的感受。
“第二个目前比较成熟的技术应用就是智能维护，有工厂的都深知设备维护的重要性，但在传统工厂大家基本采用的都是被动式维护，等设备出了问题才去维护。
而现在我们打造的基于人工智能的智能维护可以利用机器学习来实现设备维护预警，我们这里也有一个案例，在我们与格力工厂合作的过程中，设备平均大修次数降低了51%，系统诊断及维护响应时间小于1小时。
不仅缩短了设备维护周期，还提高了设备利用率。”
接下来自然同样是一段视频展示，“最后我们来说说第三个智能应用见到成效的地方，那就是智能供应链。
在华夏企业全球化的过程中，我们不仅意识到了垂直产业链的重要性，更感受到了供应链的重要性。
这次霓虹国的事情相信给不少企业带来了一次正面冲击，也因此很多人都在好奇大风集团为什么好像在这一次事件中并没有受到什么影响。
今天也算是我第一次正面回应这个问题，除了我们在产业链上的高度自给率以外，我们这次能如此看似轻松的应对这一事件的关键其实就是因为我们在内部打造的智能供应链系统。
像我们这样的跨国企业，传统供应链管理在我们的全球化过程中表现出了非常明显的缺陷，效率低、流通成本高、需求预测不准、供应响应不足、应对供应链波动的能力不足、厂商的库存管理成本偏高等等。
当我们让机器学习进入到供应链管理中之后，人工智能可以有效的通过对需求，计划以及库存的分析建立实时的供应链匹配关系，通过人工智能，我们建立了多级库存，计划生产库存动态调整甚至采购和补货的半自动化。
我们直接通过视频来看一眼，在这一次的霓虹国事件中，我们的智能供应链系统第一时间给我们提出了材料采购方案，全球工厂生产方案，针对全球各地的市场供给方案调整以及未来的供需预测。
我们通过这一系统反馈在第一时间明确了不同国家不同城市在接下去两到三个月的供货和销售目标，及时调度，最大程度的降低了霓虹国事件对我们公司的影响。”
孟谦这一套智能供应链系统展示下来看的这些制造业企业代表两眼冒光。
“大家看到这，是不是对云智能+制造更感兴趣了？”孟谦看着大家的表情笑着问道。
所有人下意识的点头。
“那接下来让我们梳理一下云智联+制造的核心技术，分别是半导体芯片，核心装备部件，核心软件以及核心算法。
现在拆开来看，我们有信心认为我们在核心算法和软件上是可以跟米国一拼的，工业半导体整体我们依然落后于米国，而最大的差距现在还是在核心工业设备上。
大家是否认可我们的判断？”
所有人再次点头，孟谦也点了点头，“很显然，云智联+制造的全面发展是离不开这四个核心，所以在三个成功应用案例之后，我们来从这四个核心探讨一下这个技术的现状。”
...