书阅屋 www.shuyuewu.io，最快更新绝对掌控最新章节！
卡本的困境是一个行业技术向前推进的自然状态，探路的人永远比走路的人艰辛，同样的，如果这个探路者找到一条新路，他就有机会收获最大的价值。
在莫回的概念里，卡本所面临的障碍基本上都是工程技术障碍，理论障碍非常少，人类发展大现在这个阶段，生活服务机器人实际上在各个主要的基础理论领域已经成熟，无非是在工程技术上存在大量的难题。
做个简单的类比，内燃机的理论模型很早就已经建立起来了，但是后面一代代的内燃机不断的更新换代，技术不断向前推进，实际上并不是理论上获得了什么突破，只不过是内燃机的工程技术上日臻完善。
如果我们抛开材料技术等周边学科的进步，单独谈论内燃机的技术进步，就会发现它的进步在原理上并没有脱离最初的理论模型，无非是热效率的不断提高，功率的不断提高，这些进去都是工程技术上的进步。
现在在机器人领域面临的就是这个问题，主要领域的理论技术已经不是障碍，现在只是需要进行工程技术上的突破，理论上可行了，还必须要在工程上实现它。
现在机器人卡壳的几个关键领域，图像识别、语音识别、人工智能、定位与导航，准确来说也谈不上卡壳，只不过现有技术实现效果不佳。
就好像早期的蒸汽机，压力不行、密封不行、传动不行、机械结构也不成，导致整体效率非常低下，只能在矿井里负责排水，应用场景和市场接受度受到非常大的限制。
现在的机器人也是这个状态，整体来看，每个领域的都有技术能够用上，但是性能都不咋地，组合起来的整体就显得更差，往往挺昂贵的东西，但是真正用起来就是一时新鲜，应用性和工作效率很差。
说白了，现在的生活服务类机器人，有太多领域需要加强，这些领域的技术太低，导致机器人整体的应用性能始终提不上去。
不过有个好处就是，所有相关技术都有，不至于说出现一个暂时完全无法解决的技术空白领域，有没有的问题已经解决，现在正在解决好不好的问题。
比如图像识别技术，这个技术很早就有，从这个技术延伸出来很多相关的应用技术，比如百度的搜图，比如人脸识别，比如三维重建等等，都是从这个技术延伸出来的。
库卡面对的是标准化可设计场景，而卡本面对的是随机不可控场景，并且突发事件很多，所以相对来说，卡本面对的技术难度要远高于库卡。只不过库卡倾向于精度和效率，卡本倾向于可用性和智能性。
卡本的收购成本并不高，并且它算是在生活服务机器人领域走的最远的，莫回拿下卡本的一个主要的考虑是尝试利用超极本加速研发进程。
目前超极本的运算能力是超常的，智能性也还不错，虽然未必是最强的，至少在各大实验室研发的AI中算是第一梯队的。
超极本对卡本可能提供的帮助应该在模拟和排错上，比如图像识别，想要获得一个应用效果比较好的图像识别技术，关键就在算法和无监督自我学习的智能性上。
莫回采取的是笨方法，当卡本被收购之后，让卡本团队在图像识别领域提供一个演进模型，这个模型实际上是一个训练模型，通过海量样本进行人工智能的训练和学习。同时让他们提供图像识别领域所有可能的算法，无论这个算法有效性如何。
莫回依托上帝之手可调用的资源相当多，他不仅要求卡本提供，还联系了很多在这个领域进行研究的科研和商业机构，让他们提供类似的东西。
莫回做的事情实际上是尽量将这个领域的算法穷举，同时将这个领域的研究方法穷举，然后利用海量的样本让超极本进行无穷比对和组合。
严格来说他这不算是科研，他是利用超极本的计算力优势，不停的排列组合，穷举所有可能性，在其中找到可能的道路。
这个方法虽然很笨，但是在某型领域确实能够起到效果，实际上大数据提取出来的各种规律和关联性，都是利用各种算法，通过类似的方式，寻找隐藏的或然关系的。理论上来说某些科研也类同于穷举，白炽灯的发明其实就是穷举所有可能材料，最终选中了钨。
超极本的第一次科研是在阿朱这个人工智能的帮助下磕磕绊绊进行的，好在超极本的运算速度非常快，技术瞬间就会给出结果，无论面对多大的样本库。
所以莫回的科研进度很快，他能够在一天只能调整数十次计算模型，不断试错不断碰撞，寻找可能正确的道路。
以图像识别技术为磨刀石，莫回不断的磨砺超极本进行科研的应用办法，不断的调整，不断的尝试，在持续的互动调整中，超极本慢慢将其超强性能发挥出来。
当超极本的科研方法基本有了雏形的时候，一个应用性能已经差强人意的图像识别出炉了。它的算法是超极本通过无数次推衍和演化之后形成的，它的智能模块经过数以亿记的图片和视频的训练，已经拥有足够的适应性。
这个图像识别技术很快给到卡本团队进行了应用性测试，结果发现它已经能够通过照片和视频识别家庭中大多数常用物品，能够分辨宠物，能够辨别移动物体。
做到这一点，实际上在视觉识别模块上，已经差不多能够满足生活机器人的需求了，后面需要做的就是基于这个技术，延展其他功能，比如距离判断，路径规划，自身定位等等。
对于莫回来说，最大的收获不是这个图像识别技术，而是为了研发这个技术的过程中，超极本摸索出来的科研模式和方法。
有了第一步就好，莫回将其程序化，变成一款带着自学习能力，拥有相当智能性的全新模块——科研1.0(未完待续。)