趙唯對桂彬的想法有點傻眼，“這得用多少微型光腦，這樣的智能機器人還不成了天價？”
桂彬解釋道：“你們可能還不清楚光芯片的發展情況，現在光芯片進入大批量生產后，各種專門的制造設備開始使用，制造成本一直在大幅下降中。”
“如果智能機器人大量推出，還會進一步擴大光芯片的產能，成本下降到幾十元，甚至是幾元一枚都可能。”
“那么一臺智能機器人中就算是用了幾萬枚光芯片處理器，成本也在可以接受的范圍內。”
確實如此，一臺智能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！”
鐘成帶頭給桂彬鼓掌，趙唯也跟著鼓掌，會議室里掌聲一片。
“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。
鐘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絡，不是一般人敢想的。
有了桂彬異想天開的想法打頭，其他人的腦洞也被打開了。
不斷有人提出新的想法，補充了智能設計方案。
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，算是徹底解決了智能機器人的運算問題。
他提出了一個智能機器人處理外部信息的全新方案。
他的想法基于一個事實，那就是99%以上的人類其實活動范圍非常有限。
居住的場所、工作場所、有限的消費娛樂場所，再加上這之間的連接路線，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范圍作為一個場景，那包括其它感官能接受到信息也基本局限在這個場景中。
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。
而智能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信息。
它們只用記錄下場景變化的信息，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，它們每天需要存儲處理的外部信息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，需要存儲處理的只是場景變化量。
而這些場景模型是可以通過聯網進行共享，更新的數據同樣可以共享。
更重要的是，這些場景模型在成千上萬的智能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于智能機器人的學習上。
每一個機器人在日常工作中的一點一滴知識經驗的積累，通過共享，都會給整個機器人體系帶來進步。
這樣的進步通過上百萬倍的放大，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絡，那張亮就是把所有機器人連接成一個超大型的網絡。
張亮的想法不僅解決了智能機器人的運算問題，也解決了智能機器人的學習問題。
智能機器人的“智能”問題算是完美解決了。