第313章 机器人的“涌现”效应(2/2)

首发：~第313章 机器人的“涌现”效应

滴滴车司机则很绝望，萝卜快跑来抢生意，机器人也来抢生意，一时间觉得自己简直就是食物链的最底层。

像雷君是去找陈元光打听消息，一些企业的高管是直接找到林甲。

从早上捷达事件开始发酵，林甲的电话就没有中断过。

“robin，这你放心，光甲航天不会做无人驾驶生意，机器人它只是技术层面进行验证。”

第一个打电话过来的就是百度的robin，他没办法不急，百度的基本盘都快要被腾讯给挖空了。

百度无奈之下才allin的无人驾驶，前脚才和你光甲航天签完战略合作协议，整个框架性合作协议如果完整执行下来的话，总金额超过了两百亿rmb。

这合同签了连一年时间都没有，你现在告诉我机器人无人驾驶才是未来？

robin坐不住了，真金白银的砸下去，我们不是战略合作伙伴吗？我这个战略合作伙伴怎么不知道你们技术都已经到了l4了。

无论是robin还是百度都无法接受，百度账面上还躺着一千多亿的现金，可港股百度的市值都快要跌破八百亿rmb了。

“robin，因为保密协议的缘故，我都不太清楚这背后具体的技术细节。

我更没有办法给你一个结论，相关技术是否会开源，以及技术路线到底是什么。

这个项目不属于光甲航天，这是元光主导下，由自然基金委员会的一些青年学者参与的项目，和光甲航天没有关系，我知道的时间不会比你们早到哪里去。

我知道你很急，但你先别急，我一定会在知道的第一时间和你信息共享。”

电话那头的robin都要骂娘了，不急才怪呢。

但他又不可能冲着林甲发火，在电话里语气要多温柔有多温柔，他在想，自己要是在林甲面前估计都得泪洒现场，上演一出哭死董卓。

“林总，我没有任何责怪你的意思，只是这关系到整个百度以及百度数千名员工的生计，原谅我实在有些着急。”robin说。

实在是心急如焚，光是看一眼港股百度的跳水惨状，robin就坐不住了。

更别谈后续开董事会被股东代表们诘难，被网友们嘲讽这些，这些和跳水的股价比起来都是小事。

“robin，你放心，我虽然没有办法给你什么结果，也没有办法做出什么承诺，但是以我对元光的了解，最后应该不会是吃独食。

而是会和大家进行一个利益共享的。

过去无论是拓扑半金属还是钙钛矿电池，我们都是进行了技术授权，和上下游企业进行了利益的共享。

更别谈无人驾驶不仅关系到百度、华为、阿狸这样的科技巨头，同时还关系到比亚迪、蔚来、小米这些造车厂，从国家层面肯定也不会允许我们一家独大的。”

“那就好，林总，有消息之后恳请第一时间通知我一声。”robin非常卑微，内心感到无比绝望。

老实说，技术共享对百度来说绝对是不折不扣的噩耗，不如他们一家独大呢。

百度自诩优势就在于无人驾驶的相关技术领先，你把技术共享了，百度领先优势荡然无存。

萝卜快跑和华为、五菱宏光联手搞的无人驾驶网约车拼成本？拼供应链管理？这不是拿自寻死路吗？

如果技术垄断，那百度还有存在的价值。一旦技术共享，百度那才是真正完蛋了。

他现在内心非常绝望，就像是确诊癌症的患者在等待第二次复诊结果一样。

电话一个接着一个，林甲的说辞也大差不差，她整个上午就只有一件事，那就是接电话。

“元光，大致情况就是这样。”林甲说。

陈元光说：“你可以和他们说，让他们不用担心，因为这技术压根就不是用来做无人驾驶的。

这么高的成本去搞无人驾驶压根就不划算。

我们之所以展示无人驾驶技术，单纯只是为了去验证技术的合理性。

整个机器人的成本接近五千万rmb，单说制造成本，不包括技术研发投入，专利费用。

因此它在无人驾驶领域压根就不具备性价比。

它的真正用途，以及实际技术细节也和无人驾驶没有太大关系。

包括它迭代出来的无人驾驶算法，后续我们也会开源，但即便开源了，估计也没有太大帮助。

所以大可不必这么紧张，你就只需要把成本告诉他们就行，说即便后续工艺流程优化，大规模生产压缩成本，也不可能把成本降到百万以内。

至于无人驾驶算法其实意义也不大，它训练出来的无人驾驶算法，就只是针对这辆车，这个机器人，变了一点，它也称不上l4”陈元光说。

这搞得林甲非常好奇，“这到底是怎么做到的？”

陈元光说：“你可以理解成，我们培养出了一个专门的机器人司机，它就只干这一件事，它的经验是从人类大脑里提取出来的。

怎么说呢，你可以理解成我们用一种脑机装置提取了网约车司机的脑电波，然后把这些脑电波作为原始数据喂给了机器人。

然后机器人基于这些数据开始试着开车，先在实验路面开，然后去园区开，再到一些城市的新区开，最后才是普遍上路。

中间没有任何人为的干预，初始的模型它就会开车，但也仅限于最基本的行驶规则。

在大规模投喂网约车司机开车过程中的脑电波数据之后，它开始学会了这项技能，你可以理解成它把技能进行了复制。

但背后的原理、到底是怎么实现的，我们一概不知。它有点类似人工智能领域的涌现。”

涌现效应在人工智能领域是指，原本的模型性能实现了陡增，数据上升曲线中的一个陡峭的跃迁。

像深度学习的“涌现”，有两层意思。一层是说，随着神经网络规模、训练机器速度、样本数量不断增加，到了一定规模以后，忽然一下就“量变到质变”，神经网络能力跃升“涌现”，把图像识别效果大幅提升。第二层是说，深度学习在图像识别领域表现极好，这个能力还迅速推广到了其它计算机领域，甚至改变了其它学科，能力的应用范围也实现了涌现。

很明显，陈元光所指的是，当我们用人类大脑数据来培养机器人的人工智能之后，它的技能水平出现了“涌现”。

(本章完)