卡本的困境是一個行業技術向前推進的自然狀態，探路的人永遠比走路的人艱辛，同樣的，如果這個探路者找到一條新路，他就有機會收獲最大的價值。
在莫回的概念裏，卡本所麵臨的障礙基本上都是工程技術障礙，理論障礙非常少，人類發展大現在這個階段，生活服務機器人實際上在各個主要的基礎理論領域已經成熟，無非是在工程技術上存在大量的難題。
做個簡單的類比，內燃機的理論模型很早就已經建立起來了，但是後麵一代代的內燃機不斷的更新換代，技術不斷向前推進，實際上並不是理論上獲得了什麽突破，隻不過是內燃機的工程技術上日臻完善。
如果我們拋開材料技術等周邊學科的進步，單獨談論內燃機的技術進步，就會發現它的進步在原理上並沒有脫離最初的理論模型，無非是熱效率的不斷提高，功率的不斷提高，這些進去都是工程技術上的進步。
現在在機器人領域麵臨的就是這個問題，主要領域的理論技術已經不是障礙，現在隻是需要進行工程技術上的突破，理論上可行了，還必須要在工程上實現它。
現在機器人卡殼的幾個關鍵領域，圖像識別、語音識別、人工智能、定位與導航，準確來說也談不上卡殼，隻不過現有技術實現效果不佳。
就好像早期的蒸汽機，壓力不行、密封不行、傳動不行、機械結構也不成，導致整體效率非常低下，隻能在礦井裏負責排水，應用場景和市場接受度受到非常大的限製。
現在的機器人也是這個狀態，整體來看，每個領域的都有技術能夠用上，但是性能都不咋地，組合起來的整體就顯得更差，往往挺昂貴的東西，但是真正用起來就是一時新鮮，應用性和工作效率很差。
說白了，現在的生活服務類機器人，有太多領域需要加強，這些領域的技術太低，導致機器人整體的應用性能始終提不上去。
不過有個好處就是，所有相關技術都有，不至於說出現一個暫時完全無法解決的技術空白領域，有沒有的問題已經解決，現在正在解決好不好的問題。
比如圖像識別技術，這個技術很早就有，從這個技術延伸出來很多相關的應用技術，比如百度的搜圖，比如人臉識別，比如三維重建等等，都是從這個技術延伸出來的。
庫卡麵對的是標準化可設計場景，而卡本麵對的是隨機不可控場景，並且突發事件很多，所以相對來說，卡本麵對的技術難度要遠高於庫卡。隻不過庫卡傾向於精度和效率，卡本傾向於可用性和智能性。
卡本的收購成本並不高，並且它算是在生活服務機器人領域走的最遠的，莫回拿下卡本的一個主要的考慮是嚐試利用超極本加速研發進程。
目前超極本的運算能力是超常的，智能性也還不錯，雖然未必是最強的，至少在各大實驗室研發的ai中算是第一梯隊的。
超極本對卡本可能提供的幫助應該在模擬和排錯上，比如圖像識別，想要獲得一個應用效果比較好的圖像識別技術，關鍵就在算法和無監督自我學習的智能性上。
莫回采取的是笨方法，當卡本被收購之後，讓卡本團隊在圖像識別領域提供一個演進模型，這個模型實際上是一個訓練模型，通過海量樣本進行人工智能的訓練和學習。同時讓他們提供圖像識別領域所有可能的算法，無論這個算法有效性如何。
莫回依托上帝之手可調用的資源相當多，他不僅要求卡本提供，還聯係了很多在這個領域進行研究的科研和商業機構，讓他們提供類似的東西。
莫回做的事情實際上是盡量將這個領域的算法窮舉，同時將這個領域的研究方法窮舉，然後利用海量的樣本讓超極本進行無窮比對和組合。
嚴格來說他這不算是科研，他是利用超極本的計算力優勢，不停的排列組合，窮舉所有可能性，在其中找到可能的道路。
這個方法雖然很笨，但是在某型領域確實能夠起到效果，實際上大數據提取出來的各種規律和關聯性，都是利用各種算法，通過類似的方式，尋找隱藏的或然關係的。理論上來說某些科研也類同於窮舉，白熾燈的發明其實就是窮舉所有可能材料，最終選中了鎢。
超極本的第一次科研是在阿朱這個人工智能的幫助下磕磕絆絆進行的，好在超極本的運算速度非常快，技術瞬間就會給出結果，無論麵對多大的樣本庫。
所以莫回的科研進度很快，他能夠在一天隻能調整數十次計算模型，不斷試錯不斷碰撞，尋找可能正確的道路。
以圖像識別技術為磨刀石，莫回不斷的磨礪超極本進行科研的應用辦法，不斷的調整，不斷的嚐試，在持續的互動調整中，超極本慢慢將其超強性能發揮出來。
當超極本的科研方法基本有了雛形的時候，一個應用性能已經差強人意的圖像識別出爐了。它的算法是超極本通過無數次推衍和演化之後形成的，它的智能模塊經過數以億記的圖片和視頻的訓練，已經擁有足夠的適應性。
這個圖像識別技術很快給到卡本團隊進行了應用性測試，結果發現它已經能夠通過照片和視頻識別家庭中大多數常用物品，能夠分辨寵物，能夠辨別移動物體。
做到這一點，實際上在視覺識別模塊上，已經差不多能夠滿足生活機器人的需求了，後麵需要做的就是基於這個技術，延展其他功能，比如距離判斷，路徑規劃，自身定位等等。
對於莫回來說，最大的收獲不是這個圖像識別技術，而是為了研發這個技術的過程中，超極本摸索出來的科研模式和方法。
有了第一步就好，莫回將其程序化，變成一款帶著自學習能力，擁有相當智能性的全新模塊——科研1.0(未完待續。)
在莫回的概念裏，卡本所麵臨的障礙基本上都是工程技術障礙，理論障礙非常少，人類發展大現在這個階段，生活服務機器人實際上在各個主要的基礎理論領域已經成熟，無非是在工程技術上存在大量的難題。
做個簡單的類比，內燃機的理論模型很早就已經建立起來了，但是後麵一代代的內燃機不斷的更新換代，技術不斷向前推進，實際上並不是理論上獲得了什麽突破，隻不過是內燃機的工程技術上日臻完善。
如果我們拋開材料技術等周邊學科的進步，單獨談論內燃機的技術進步，就會發現它的進步在原理上並沒有脫離最初的理論模型，無非是熱效率的不斷提高，功率的不斷提高，這些進去都是工程技術上的進步。
現在在機器人領域麵臨的就是這個問題，主要領域的理論技術已經不是障礙，現在隻是需要進行工程技術上的突破，理論上可行了，還必須要在工程上實現它。
現在機器人卡殼的幾個關鍵領域，圖像識別、語音識別、人工智能、定位與導航，準確來說也談不上卡殼，隻不過現有技術實現效果不佳。
就好像早期的蒸汽機，壓力不行、密封不行、傳動不行、機械結構也不成，導致整體效率非常低下，隻能在礦井裏負責排水，應用場景和市場接受度受到非常大的限製。
現在的機器人也是這個狀態，整體來看，每個領域的都有技術能夠用上，但是性能都不咋地，組合起來的整體就顯得更差，往往挺昂貴的東西，但是真正用起來就是一時新鮮，應用性和工作效率很差。
說白了，現在的生活服務類機器人，有太多領域需要加強，這些領域的技術太低，導致機器人整體的應用性能始終提不上去。
不過有個好處就是，所有相關技術都有，不至於說出現一個暫時完全無法解決的技術空白領域，有沒有的問題已經解決，現在正在解決好不好的問題。
比如圖像識別技術，這個技術很早就有，從這個技術延伸出來很多相關的應用技術，比如百度的搜圖，比如人臉識別，比如三維重建等等，都是從這個技術延伸出來的。
庫卡麵對的是標準化可設計場景，而卡本麵對的是隨機不可控場景，並且突發事件很多，所以相對來說，卡本麵對的技術難度要遠高於庫卡。隻不過庫卡傾向於精度和效率，卡本傾向於可用性和智能性。
卡本的收購成本並不高，並且它算是在生活服務機器人領域走的最遠的，莫回拿下卡本的一個主要的考慮是嚐試利用超極本加速研發進程。
目前超極本的運算能力是超常的，智能性也還不錯，雖然未必是最強的，至少在各大實驗室研發的ai中算是第一梯隊的。
超極本對卡本可能提供的幫助應該在模擬和排錯上，比如圖像識別，想要獲得一個應用效果比較好的圖像識別技術，關鍵就在算法和無監督自我學習的智能性上。
莫回采取的是笨方法，當卡本被收購之後，讓卡本團隊在圖像識別領域提供一個演進模型，這個模型實際上是一個訓練模型，通過海量樣本進行人工智能的訓練和學習。同時讓他們提供圖像識別領域所有可能的算法，無論這個算法有效性如何。
莫回依托上帝之手可調用的資源相當多，他不僅要求卡本提供，還聯係了很多在這個領域進行研究的科研和商業機構，讓他們提供類似的東西。
莫回做的事情實際上是盡量將這個領域的算法窮舉，同時將這個領域的研究方法窮舉，然後利用海量的樣本讓超極本進行無窮比對和組合。
嚴格來說他這不算是科研，他是利用超極本的計算力優勢，不停的排列組合，窮舉所有可能性，在其中找到可能的道路。
這個方法雖然很笨，但是在某型領域確實能夠起到效果，實際上大數據提取出來的各種規律和關聯性，都是利用各種算法，通過類似的方式，尋找隱藏的或然關係的。理論上來說某些科研也類同於窮舉，白熾燈的發明其實就是窮舉所有可能材料，最終選中了鎢。
超極本的第一次科研是在阿朱這個人工智能的幫助下磕磕絆絆進行的，好在超極本的運算速度非常快，技術瞬間就會給出結果，無論麵對多大的樣本庫。
所以莫回的科研進度很快，他能夠在一天隻能調整數十次計算模型，不斷試錯不斷碰撞，尋找可能正確的道路。
以圖像識別技術為磨刀石，莫回不斷的磨礪超極本進行科研的應用辦法，不斷的調整，不斷的嚐試，在持續的互動調整中，超極本慢慢將其超強性能發揮出來。
當超極本的科研方法基本有了雛形的時候，一個應用性能已經差強人意的圖像識別出爐了。它的算法是超極本通過無數次推衍和演化之後形成的，它的智能模塊經過數以億記的圖片和視頻的訓練，已經擁有足夠的適應性。
這個圖像識別技術很快給到卡本團隊進行了應用性測試，結果發現它已經能夠通過照片和視頻識別家庭中大多數常用物品，能夠分辨寵物，能夠辨別移動物體。
做到這一點，實際上在視覺識別模塊上，已經差不多能夠滿足生活機器人的需求了，後麵需要做的就是基於這個技術，延展其他功能，比如距離判斷，路徑規劃，自身定位等等。
對於莫回來說，最大的收獲不是這個圖像識別技術，而是為了研發這個技術的過程中，超極本摸索出來的科研模式和方法。
有了第一步就好，莫回將其程序化，變成一款帶著自學習能力，擁有相當智能性的全新模塊——科研1.0(未完待續。)