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。”