上午十一点。
林东花了一个多小时全部机器人组装好，搬了一个凳子坐在实验室门口。
一边享受着冬日的暖阳，一边看着许清伶把旺财叫过来，拿了一个乒乓球带着机器人小白，在试验场玩比赛试验。
“冲冲冲，旺财把球捡回来，放到地上，让小白把乒乓球吹过来……”
一个机器狗，一个飞行机器人，在她的指挥之下，正在试验场到处飞行和奔跑，追逐着一个黄色的乒乓球。
“等ai芯片性能提升几代，可以增加一个多宠物协同，现在还是各玩各的……”
林东观察着旺财和小白对乒乓球你追我赶，但却没有一点配合协同的表现，心里不由得摇了摇头。
因为两种机器人的智能模式和运动算法都不一样。
想要进行跨类别的智能协同，协同算法的复杂程度，还有运算量是指数性暴涨。
现在ai芯片性能，除非像林伟良研究战颅系统那样，搭载一个ai超算服务器提供算力支撑，不然根本就不可能完成协同。
“以现在ai技术的底层框架，全通用模型的技术壁垒还是太高了，更适合的还是各种专用ai+各种设备的路线。
至於跨设备的智能协同，只能进行小规模小范围的协同，比如战颅针对不同单位的决策，工厂多种设备联合的非标生产……”
林东分析着这些技术的底层框架，心里突然想起十几年後的ai时代，国内和老美各自走向不一样的ai发展路线。
国内是走了一条ai+路线，把ai技术跟各种工业生产，还有科研生产结合起来。
不一样的工业生产流程，匹配不一样的专用ai模型，不一样的科研研发，匹配不一样的研发模型。
老美因为工业和产业空心化，对各种专用ai模型需求没这麽高，走的是一条超级ai路线。
即一个ai就能适配多种不同场景，适配多种不同功能，尽可能用一套ai模型去涵盖全社会的一切生产和活动。
两个路线，都是根据自身的情况选择最适合的方向。
单从难度来说，国内难度比较低，可以更快出现成果，同时也能兼顾民众的价值。
但缺点是ai的极限和价值，建立在工业和市场之上。
单论潜力来说，老美的潜力更猛，同时也更疯狂，真要走通了就是一套终极ai。
只要提供足够的生产原料和算力，一个ai模型或者
本章未完，请点击下一页继续阅读！