我們一開始的想法是可以把三者結合起來，現在的感應器的性能得到了極大的增強，這樣可以使機器人更加的智能，我們可以手機更多的數據，而且這可以形成一個良性的循環，一切都能加速，這背后的想法就是我們可以把不同的地方收集到的數據集合到云上，云就會更加的智能，這是一個非常好的想法和概念，但是事實是什么樣的?

首先我們中間還有一些步驟沒有完成，總體的理論就是所有的機器人、所有的車輛以及所有的人類，其實我們都是數據，我們的數據可以連接起來，它們是一個N維的數據，是一個實時更新的數百萬級的數據，這樣通過這些數據的集成，我們能夠讓所有的汽車和人類都能夠更加的智能，但事實是，很多的數據沒有連接起來，我們現在已經有很多的無線以及有線的數據連接，但是還不夠，并不是一切都有。因此我們還不能完全依靠云端來讓機器人更加智能。

我們這個世界怎么才能變得更加完美的結合起來?連接起來?我們怎么樣能夠無時無刻地都依賴云呢?這可能嗎?我想這取決于我們按時間分段的混合系統。所以有一些不同的時間分段的功能，可以在云端上進行實現。這意味著我們的個人終端和設備會非?？焖?，它同時也是個人化的，集體的行動是在云上來實現的。

在我們左邊有一些實時的功能，這是一個車的操作系統，這是通過我們傳統的計算機來進行的，我們這里有感應器，有驅動，它能夠進行剎車，能夠進行加速和減速，這是過去的20年、30年我們所做的，這是實時的功能?，F在我們有一些準實時的功能，這些準實時的功能，比如說規劃的功能，假如說我正在走路，它可以防止摔跤，還有一個功能就是決定怎么前進，怎么走路，還有一個功能就是為什么要走過去。所以這是一個以任務為主導的功能。我們就可以把一些實時的功能交給傳統的計算機來做，把這些準實時的功能交給人工智能或者是手機來做，或者是一些車載的系統來做。

我們在云端上傳了一些準實時的地圖，來幫助實現這些功能，但在云端一旦我們實現了連接，我們就可以使得云上的模型更好，而且能夠使汽車和人更好地結合起來。我們以英特爾為例，我們覺得邊緣就是一些攝像頭，而云就是像服務器、一些集中的功能。

無人機能做什么?無人機是大概2007年的時候出現的，那時候iPhone也出現了，它里面有GPS，然后有無線的連接，有地圖，所以它不僅僅是一臺手機，而那些感應器也可以用來制造無人機，它可以用來控制一架飛機，這取決于規模的經濟，規模的經濟能讓我處理這些問題，我們把這些感應器拿出來，我們賦予它不同的功能，給它們安裝了不同的軟件。三星、華為、微軟、谷歌、小米都做了很多的工作，他們安裝了很多的組件，能夠讓機器人更加智能。

其中有一點就是有一個非常大的經濟規模，我們知道摩爾定律對科技變化有很大的影響。另外就是我們在使用智能手機的技術，而這個智能手機的技術和這個功能性也能加強互聯互通的特性，并且就像我們用手機聯系一樣，所以能夠把手機和應用跟我們講到的無人機聯系起來，或者是云端跟無人機聯系企業，這就更加便利了，這是10年前我們所做的事情，我們一旦認識到了這一點，我們就會問自己，我們需要什么樣的計算能力，能夠在每一個層級去疊加呢?所以我們在這里使用的時候就必須去意識到這里面水平的一個層級，就是我們講到的延遲性。而這里面的垂直準入就是有多少的計算能力在里面。所以我們之前看到的就是在車載的系統里面的計算機是有限制的。而在云里面是一個無限的力量，所以這就能夠讓我們更好地去分配我們講到的這些功能，并且能夠更好地在時間和計算能力之間取得一個平衡，而且整個基礎架構的設計是能夠基于在上面有一個自由的浮動，就是讓計算能力能夠更好的浮動，并且讓時間、耗能取得一個最優的平衡，所以這里我想介紹一下這個基礎架構，就像無人駕駛的架構一樣，就像手機一樣有智能的功能。

第二個是像車載里面的無線連接，或者是用一個手機上載云端，而在云端里面也會有這種分析器的功能，并且有一個學習，還有一個數據的累積，這種數據的累積能夠跟不同的設備聯系起來，并且有不同的維度，包括有些不同的信息或者是一些社會功能等等，其中一些是經濟功能或者是貨幣的功能，而這些不同的層級，就像我們之前講到的數據疊加，能夠讓我們去尋找一些更有意義的解決方案。我們知道并沒有單一的層級是可以單打獨斗取得成功的，如果是云端和無人機聯系起來就可以能夠體現出更高的智能性，其中一個非常有趣的結果是它能夠改變我們之前去想象機器人能發揮的威力，原來機器人的功能就是告訴我們做什么，然后去掃描，并且把數據帶回到原來的地方，如果我們跟一個人說你在那里掃描講臺，然后進行掃描結果的呈現，我不會告訴它要走哪一個路徑，它只是走到上面，拿著一個攝像機打開這個應用說我看得到你要做什么，然后它慢慢走過去，拍一個全景照片，通過移動來獲取攝像，人會自動根據收集到的數據改變它的使命和路徑，對機器人來說是批量數據支持的，是預先加密的，你指令機器人做什么，他們會根據這些數據獲得指令，新的數據能夠讓用獲得小批量的上傳，再獲得及時的反饋，它就可以說你可以更加移近或者改變攝像機的設置或者創新的拍這一組鏡頭，在這里面我們講到數據決定使命，而不是使命來決定數據，這是全新的動態基礎的機器人，而這個動態的機器人就是云和設備之間的連接。

我剛才講到的全局的概念，如果是它按照摩爾定律加速發展就能夠提高機器人應用的質量，而我們不是在這里胡亂的猜測，而是說在實時有一個速度的回路做到這點。在這里面有了使命就等了有了數據，它是一個完全的回環，把小批量的數據上傳到云，再獲得一個小批量的反饋，而我們現在還沒有做到這點，有時候云其實是一個邊緣的設置或者是端點的設置，就像手機一樣，這是云端機器人所用的基礎架構，這就是無人機，我們在汽車里面使用同樣的邏輯，而且我們在這里不用整車來進行測試，也不是用人駕駛汽車來測試，因為這比較危險，也需要改變原來的基礎架構，因此我們采取同樣的方式吸取數據，比如在直升機里面我們把飛行員移除，只要在智能手機那里加一個驅動器來做。我們用了一個裝了馬達的手機來做，使用了神經網絡、無線連接和AI做到這點，我們只是小規模的來進行測試，并且保持安全的環境。現在還沒有規管部門來批準，也沒有監管，我們把它叫做DIY無人機，你可以升級，可以拓展，可以讓更多的人參與到這個措施當中來。在這個卡丁車上面的CEO看起來是一個聲名遠揚的CEO，但是在那里他只能按一下紅色的開始鍵，他也沒有戴安全頭盔等等，在那里是非常有趣的，這種小規模的卡丁車的測試很好的展現了我剛才講到的邏輯，這是一個類比。

我們所做的這些事業怎么樣能夠跟這些無人駕駛種種的努力所結合起來，你也可以看到這里面的一些車只需要200塊，還有在那里，像谷歌的Waymo汽車，非常有名的無人駕駛的汽車，它們的原理是一樣的，因為我們擁有他們做的測試原理和因素，比如10米和20米的加速，加速到300米，在30微秒或者是40微秒那里加速，里面多更多的攝像頭或者是GPS的導航系統，但是攝像頭和GPS系統更多，并不是改變它們兩個的本質區別，就像CV測試、無人駕駛汽車一樣，軍用無人機現在更為快速，不僅如此，我們能夠更大刀闊斧的測試這些無人駕駛的汽車。

這些測試是有技巧的，能夠在各個維度上取勝，并不僅僅是我們平時在賽道上進行的卡丁車的賽事，這些無人駕駛汽車不用它來進行賽車了，我們把動態、危險的因素去除，把動態因素更好的平衡。

我們在做什么，只值200塊錢的車，云和機器人作為一個依歸和平臺，并且能夠把它們上傳到云端，通過數據的上傳創造一個交叉縮影的網絡，并且把這個模型和網絡下載到這個車載系統里面來進行實時更新，并且可以進行200塊錢一輛成本的賽車的測試，比如上面的神經網絡和計算驅動的網絡，這里面在不同的結構里都能夠展示出它能夠達到跟人控制同樣的級別，在今年年底就達到。

我們在講到這種研究是基于興趣，我的工作不止于此，我很樂意做這點，現在我測試車，在10年前我也講到了無人機，我們也知道大疆無人機成為這一方面的楷模，現在這種汽車的測試、無人駕駛已經成為了大家測試的焦點，而大家對于汽車的關注度和它的趣味性，NSP、英特爾等等大公司都像谷歌一樣進行了輕型版無人駕駛汽車的測試，包括了英特爾的一個神經計算棒，它也能跟這種車載的系統進行聯系，所以我們看到這些云端的技術，還有基于云發展的技術，能夠更好地精簡、還原成一些非常簡單的設備供我們所使用，而這也對于云端來說是一個非常好的彰顯和補充，能夠更好地展示出我們講到云端機器人的概念。