逐日三期工程啟動會的第二天。
鍾成召開了智慧機器人設計研討會，除了把專門負責的專案成員全部叫來外，還把其他項目組的主要骨幹也請來了。
現在已經是快到2018年的年底，離鍾成向國家保證的任務完成期限已經不多了。
雖然領導們並沒有下達強制性要求，但他還是給自己定了目標。
會議一開始，鍾成就讓趙唯給大家說明了目前智慧機器人研發工作存在的問題。
聽了趙唯的講解後，與會人員議論紛紛。
他們大多數人各自負責自己的專案，並不清楚智慧機器人還存在這麼大的難題。
鍾成很是頭痛，趙唯這個專案牽頭人當得並不太稱職，溝通工作沒有做好。
是不是考慮讓範成軍更多的負責溝通協調的工作？
這件事還是下來再說吧。
他讓大家暢所欲言，想到什麼說什麼，算是搞一場大腦風暴吧！
眾人一通七嘴八舌，各種各樣的奇思妙想都提出來了。
絕大多數都不靠譜，周虎對其中比較有價值的部分進行了整理，大家就此進行了逐一討論。
姜言就提出，把智慧機器人進行功能細分。
軍用機器人、工業機器人、家政機器人、服務業機器人等，每一種再細分。
【目前用下來，聽書聲音最全最好用的App，集成4大語音合成引擎，超100種音色，更是支持離線朗讀的換源神器，huanyuanapp.org 換源App】
比如工業機器人就按功能再分為搬運機器人、焊接機器人、裝配機器人、採礦機器人等等。
這樣細分下來，對每一種專業機器人的要求就不高了。
但這樣一來，對未來的機器人製造工廠的難度就太大了，那要生產多少形態功能各異的機器人？
這個方案被否定了。
桂彬的助手黃學申也提出了一個思路。
建立中央控制伺服器，每個機器人只是終端，把複雜的儲存、運算的功能交給中央控制伺服器群去處理。
這樣對於每一個機器人就不需要那麼複雜的控制系統了。
但這種方案仍然解決不了機器人運動的難題，而且對於伺服器與終端的資訊互動存在延時、卡頓甚至是中斷的風險。
這個方案也被否定了。
接下來幾條思路也被當場否定。
會議室裡陷入了沉默，幾十個人愁眉苦臉。
就在鍾成想結束會議，改日再議的時候。
桂彬舉手請求發言，他說他有了一個新的想法。
周虎開了一句玩笑，說是不是想用量子計算機來解決這個問題。
桂彬很是尷尬，他最近就曾提出想開發量子計算機，但被鍾成否定了，認為時機不成熟，不要浪費時間。
鍾成瞪了周虎一眼，讓桂彬把想法說出來。
桂彬站起來，說他的想法還不太成熟，只能算是拋磚引玉。
他說現在的光晶片處理器已經可以做得非常小了，一臺微型光腦可以小到只有一個指甲蓋大小，成本也降到了幾百元。
是不是可以在智慧機器人的身體中安裝大量的微型光腦，構成不同的功能模塊，分別處理不同的事務。
比如對於身體的控制，就可以建立專門的運動管理模組，這個模組下還可以細分為穩定站立、走路、奔路等等子模組，分別由不同的微型光腦控制。
從機器人的中樞電腦發出指令，運動管理模組對指令進行分解，然後發送到各子模組，甚至是更下一層的模組。
這樣一來，非常復雜的動作協同，就交由幾百臺甚至更多的微型光腦來執行，對每一臺微型光腦中的控制系統就相對簡單多了。
與此同理，對外界資訊的處理，也可以採用這樣的辦法，建立不同的功能模塊，分解難度。
趙唯對桂彬的想法有點傻眼，“這得用多少微型光腦，這樣的智慧機器人還不成了天價？”
桂彬解釋道：“你們可能還不清楚光晶片的發展情況，現在光晶片進入大批量生產後，各種專門的製造裝置開始使用，製造成本一直在大幅下降中。”
“如果智慧機器人大量推出，還會進一步擴大光晶片的產能，成本下降到幾十元，甚至是幾元一枚都可能。”
“那麼一臺智慧機器人中就算是用了幾萬枚光晶片處理器，成本也在可以接受的範圍內。”
確實如此，一臺智慧機器人造價在幾十萬元，那就有了大規模推廣應用的可能了。
這個思路確實可行！
“啪啪啪！”
鍾成帶頭給桂彬鼓掌，趙唯也跟著鼓掌，會議室裡掌聲一片。
“桂彬，真有你的，腦瓜子靈活哦！”
趙唯毫不吝嗇地對桂彬進行了表揚，能夠解決這個問題，他是最興奮的。
桂彬臉色通紅的坐下，他一直在團隊中存在感不強，這回算是爭了一口氣。
鍾成發現桂彬這些年的進步非常快，在計算機硬件領域已經成為了真正的專家。
在一臺機器人體內建立超大型光腦網路，不是一般人敢想的。
有了桂彬異想天開的想法打頭，其他人的腦洞也被開啟了。
不斷有人提出新的想法，補充了智慧設計方案。
李梅的助手張亮，一直以來腳踏實地，不顯山不露水，很得李梅看重。
這一次，張亮提出了一個非常創意的想法，算是徹底解決了智慧機器人的運算問題。
他提出了一個智慧機器人處理外部資訊的全新方案。
他的想法基於一個事實，那就是99%以上的人類其實活動範圍非常有限。
居住的場所、工作場所、有限的消費娛樂場所，再加上這之間的連線路線，就構成了絕大多數人類的日常活動空間。
如果以人眼能夠觀察的範圍作為一個場景，那包括其它感官能接受到資訊也基本侷限在這個場景中。
細算下來，人類經常活動的區域中所含的場景數量不會超過一萬個，甚至更少。
比如人類的住所，用十幾個場景就可以涵蓋了。
而智慧機器人的活動場景就更少了，它們在這些有限的場景中活動時，不需要每一瞬間都記錄下所有的場景資訊。
它們只用記錄下場景變化的資訊，而它們的傳感器能夠識別的變化或者說是允許識別的變化其實非常有限。
這樣一來，它們每天需要儲存處理的外部資訊應該不到實時記錄量的萬分之一。
因為在它們的光腦上已經預裝了或第一次進入時就有了這些場景的基本模型，需要儲存處理的只是場景變化量。
而這些場景模型是可以透過聯網進行共享，更新的資料同樣可以共享。
更重要的是，這些場景模型在成千上萬的智慧機器人的不斷完善下，甚至可以在超級伏羲光腦中構建出完全真實的人類社會模型。
這種方式同樣可以應用於智慧機器人的學習上。
每一個機器人在日常工作中的一點一滴知識經驗的積累，透過共享，都會給整個機器人體系帶來進步。
這樣的進步透過上百萬倍的放大，是非常驚人的。
簡單來說，就是一個機器人學會了，所有機器人都會了，這就是機算人的優勢。
張亮的發言讓所有人震驚了。
如果說桂彬是在機器人體內建立個大型網路，那張亮就是把所有機器人連接成一個超大型的網路。
張亮的想法不僅解決了智慧機器人的運算問題，也解決了智慧機器人的學習問題。
智慧機器人的“智慧”問題算是完美解決了。