将这套调度引擎部署到了矿区的一条试点生产线上进行实测。测试持续了整整一个月，涵盖了多品种小批量和大批量少品种两种典型的生产模式。结果表明，在相同的订单量和设备配置下，采用类脑调度引擎的生产线比采用人工调度的生产线，产能提升了约百分之二十三，订单交付及时率从百分之八十一提升到了百分之九十七，设备综合效率从百分之六十五提升到了百分之七十九。
在全流程智能生产系统通过内部验证后，陆迪峰开始考虑如何将这些技术成果更大规模地推向市场，真正为解决劳动力短缺问题贡献力量。
他决定采取“标杆示范+行业复制”的策略。第一步，在国内选取几个劳动力短缺问题最为突出的制造业细分领域——如五金加工、电子组装、食品包装——与各领域的头部企业合作，建设一批全流程智能生产示范线。示范线的建设费用由源点智能实验室与合作企业共同承担，示范线建成后，向同行业的其他企业开放参观，用实际效果说话。
第二步，在示范线取得成功的基础上，推出针对不同行业的标准版智能生产系统方案。方案采用模块化设计，核心组件通用，行业专用组件可替换，以降低定制化开发的成本和周期。定价策略上，采取“硬件微利、软件按年收费”的模式，降低客户的初始采购门槛，用持续的服务收入来覆盖研发投入。
“我们的目标不是卖设备。”陆迪峰在一次内部战略讨论会上说，“我们的目标是让那些因为招不到人而发愁的工厂主，能够用我们的系统继续运转下去，甚至运转得比以前更好。当他们发现用机器比用人更便宜、更稳定、更高效的时候，他们自然会主动来找我们。”
“那会不会导致更多人失业？”有人提出了一个敏感的问题。
“短期看，某些重复性强的岗位确实会被替代。但长期看，我们的系统需要人来维护、来编程、来管理，这些岗位的技能要求更高、收入也更高。我们要做的不是消灭就业，而是把就业从低技能的重复劳动，转移到高技能的技术岗位上去。”陆迪峰顿了顿，又补充了一句，“而且，别忘了，我们的人口结构决定了——再过十年，就算你想找人来做那些重复劳动，也找不到了。到那时候，如果没有机器顶上，工厂就只能关门。”
会议室里安静了几秒。没有人再提出异议。
研发中心的扩张和产品迭代的加速，带来了对人才更强烈的渴求。林语在长三角各大高校的就业网上发布了招聘信息，同时通过行业内的猎头和人脉网络，持
本章未完，请点击下一页继续阅读！