逐日三期工程启动会的第二天。
    钟成召开了智能机器人设计研讨会，除了把专门负责的项目成员全部叫来外，还把其他项目组的主要骨干也请来了。
    现在已经是快到2018年的年底，离钟成向国家保证的任务完成期限已经不多了。
    虽然领导们并没有下达强制性要求，但他还是给自己定了目标。
    会议一开始，钟成就让赵唯给大家说明了目前智能机器人研发工作存在的问题。
    听了赵唯的讲解后，与会人员议论纷纷。
    他们大多数人各自负责自己的项目，并不清楚智能机器人还存在这么大的难题。
    钟成很是头痛，赵唯这个项目牵头人当得并不太称职，沟通工作没有做好。
    是不是考虑让范成军更多的负责沟通协调的工作？
    这件事还是下来再说吧。
    他让大家畅所欲言，想到什么说什么，算是搞一场大脑风暴吧！
    众人一通七嘴八舌，各种各样的奇思妙想都提出来了。
    绝大多数都不靠谱，周虎对其中比较有价值的部分进行了整理，大家就此进行了逐一讨论。
    姜言就提出，把智能机器人进行功能细分。
    军用机器人、工业机器人、家政机器人、服务业机器人等，每一种再细分。
    比如工业机器人就按功能再分为搬运机器人、焊接机器人、装配机器人、采矿机器人等等。
    这样细分下来，对每一种专业机器人的要求就不高了。
    但这样一来，对未来的机器人制造工厂的难度就太大了，那要生产多少形态功能各异的机器人？
    这个方案被否定了。
    桂彬的助手黄学申也提出了一个思路。
    建立中央控制服务器，每个机器人只是终端，把复杂的存储、运算的功能交给中央控制服务器群去处理。
    这样对于每一个机器人就不需要那么复杂的控制系统了。
    但这种方案仍然解决不了机器人运动的难题，而且对于服务器与终端的信息交互存在延时、卡顿甚至是中断的风险。
    这个方案也被否定了。
    接下来几条思路也被当场否定。
    会议室里陷入了沉默，几十个人愁眉苦脸。
    就在钟成想结束会议，改日再议的时候。
    桂彬举手请求发言，他说他有了一个新的想法。
    周虎开了一句玩笑，说是不是想用量子计算机来解决这个问题。
    桂彬很是尴尬，他最近就曾提出想开发量子计算机，但被钟成否定了，认为时机不成熟，不要浪费时间。
    钟成瞪了周虎一眼，让桂彬把想法说出来。
    桂彬站起来，说他的想法还不太成熟，只能算是抛砖引玉。
    他说现在的光芯片处理器已经可以做得非常小了，一台微型光脑可以小到只有一个指甲盖大小，成本也降到了几百元。
    是不是可以在智能机器人的身体中安装大量的微型光脑，构成不同的功能模块，分别处理不同的事务。
    比如对于身体的控制，就可以建立专门的运动管理模块，这个模块下还可以细分为稳定站立、走路、奔路等等子模块，分别由不同的微型光脑控制。
    从机器人的中枢电脑发出指令，运动管理模块对指令进行分解，然后发送到各子模块，甚至是更下一层的模块。
    这样一来，非常复杂的动作协同，就交由几百台甚至更多的微型光脑来执行，对每一台微型光脑中的控制系统就相对简单多了。
    与此同理，对外界信息的处理，也可以采用这样的办法，建立不同的功能模块，分解难度。
    赵唯对桂彬的想法有点傻眼，“这得用多少微型光脑，这样的智能机器人还不成了天价？”
    桂彬解释道：“你们可能还不清楚光芯片的发展情况，现在光芯片进入大批量生产后，各种专门的制造设备开始使用，制造成本一直在大幅下降中。”
    “如果智能机器人大量推出，还会进一步扩大光芯片的产能，成本下降到几十元，甚至是几元一枚都可能。”
    “那么一台智能机器人中就算是用了几万枚光芯片处理器，成本也在可以接受的范围内。”
    确实如此，一台智能机器人造价在几十万元，那就有了大规模推广应用的可能了。
    这个思路确实可行！
    “啪啪啪！”
    钟成带头给桂彬鼓掌，赵唯也跟着鼓掌，会议室里掌声一片。
    “桂彬，真有你的，脑瓜子灵活哦！”
    赵唯毫不吝啬地对桂彬进行了表扬，能够解决这个问题，他是最兴奋的。
    桂彬脸色通红的坐下，他一直在团队中存在感不强，这回算是争了一口气。
    钟成发现桂彬这些年的进步非常快，在计算机硬件领域已经成为了真正的专家。
    在一台机器人体内建立超大型光脑网络，不是一般人敢想的。
    有了桂彬异想天开的想法打头，其他人的脑洞也被打开了。
    不断有人提出新的想法，补充了智能设计方案。
    李梅的助手张亮，一直以来脚踏实地，不显山不露水，很得李梅看重。
    这一次，张亮提出了一个非常创意的想法，算是彻底解决了智能机器人的运算问题。
    他提出了一个智能机器人处理外部信息的全新方案。
    他的想法基于一个事实，那就是99%以上的人类其实活动范围非常有限。
    居住的场所、工作场所、有限的消费娱乐场所，再加上这之间的连接路线，就构成了绝大多数人类的日常活动空间。
    如果以人眼能够观察的范围作为一个场景，那包括其它感官能接受到信息也基本局限在这个场景中。
    细算下来，人类经常活动的区域中所含的场景数量不会超过一万个，甚至更少。
    比如人类的住所，用十几个场景就可以涵盖了。
    而智能机器人的活动场景就更少了，它们在这些有限的场景中活动时，不需要每一瞬间都记录下所有的场景信息。
    它们只用记录下场景变化的信息，而它们的传感器能够识别的变化或者说是允许识别的变化其实非常有限。
    这样一来，它们每天需要存储处理的外部信息应该不到实时记录量的万分之一。
    因为在它们的光脑上已经预装了或第一次进入时就有了这些场景的基本模型，需要存储处理的只是场景变化量。
    而这些场景模型是可以通过联网进行共享，更新的数据同样可以共享。
    更重要的是，这些场景模型在成千上万的智能机器人的不断完善下，甚至可以在超级伏羲光脑中构建出完全真实的人类社会模型。
    这种方式同样可以应用于智能机器人的学习上。
    每一个机器人在日常工作中的一点一滴知识经验的积累，通过共享，都会给整个机器人体系带来进步。
    这样的进步通过上百万倍的放大，是非常惊人的。
    简单来说，就是一个机器人学会了，所有机器人都会了，这就是机算人的优势。
    张亮的发言让所有人震惊了。
    如果说桂彬是在机器人体内建立个大型网络，那张亮就是把所有机器人连接成一个超大型的网络。
    张亮的想法不仅解决了智能机器人的运算问题，也解决了智能机器人的学习问题。
    智能机器人的“智能”问题算是完美解决了。