后羿、夸父算法以及产品线和芯片设计能力。但更可怕的是，有为集团已经扶持了近乎涉及到其产品装配全产业链的上游供货商。
换言之，其供应链已经能做到近乎百分之百自主可控。
再融合乔贝恩这种通用人工智能，不知不觉间，有为集团已经发展成了一个集硬软件一体、全产业链自主可控且拥有顶级ai加持的庞然大物！最可气的是，这个让人绝望的庞然大物，还是他们制裁出来的！
时间倒回十年前，虽然有为集团一直在发展芯片设计能力，但起码大部分软件和核心部件还是依赖进口。当一切自主可控，不谈其技术是否先进，起码有为集团已经拥有绝对的成本和效率优势。
要知道微软想要英特尔适配自家的系统，还需要提前沟通，甚至让渡一部分自家利益呢。
这特么以后还怎么玩？
没错，此时凯文&183;斯科特脑子已经被悲观情绪占满。
不管其他人此时是怎么看的，但在凯文&183;斯科特看来，矽谷已经完全失去世界科技中心的地位。更可怕的是，这场发布会还在继续。
是的，乔贝恩还在继续着他的表演。
“那么第二个场景是什么呢？相信很多了解大模型思维的朋友们已经猜到了。你们猜的没错，依然是我们的大工业领域！在介绍我的这项超能力之前，我希望能先跟大家普及一个目前在工业界广泛使用的算法--yolo。这是一款当下极为高效的目标检测算法，就如同它的命名一样，只用看一眼，就能够把需要挑选的东西找出来。所以这款算法被广泛应用于自动驾驶、安防监控、以及工业质检等等领域。
那么问题来了，为什么现在ai大模型这么火，很多人工智能都能够完成这个工作，但却没能取代yol0呢？当然是因为成本。y0l0的技术非常成熟，部着一块小小的集成板，就能实现6毫秒的边缘延迟，单次识别成本几乎为0。这在工业质检、安防监控领域简直就是大杀器一般的存在，仅从成本和效率必须妥协的角度看，y0l0的地位就不可能动摇。当然y0l0也有自己的缺点，工厂只要换一条产线，或者换一种生产零件，工程师就得重新采集数据来训练模型做更新迭代。但如果使用了我来做替代就完全不一样了。只要把我部暑在工厂里，就能做到一次部着，永久使用。是的，我的动态数据库和强大的泛化能力，保证了不需要重新训练就能够直接理解并分辨出全新目标。最重要的是我不但能做质检，搭配不同的传感器，我还