按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
私有化的过程并不复杂，中间也没有太大的阻碍，在瑞的操作下，库卡花了半年多的时间逐步实现了私有化进程，这时库卡彻底规避了信息披露，以后想知道库卡里面具体发生了什么，外界就只能完全靠猜了。
库卡拿下之后，莫回将注意力转移到卡本身上，这时候卡本还在实验室里艰难的挣扎，无数个技术难题摆在创业团队面前，他们感觉自己似乎正在爬珠穆朗玛峰，并且还是不带氧气管的裸爬，一步一个障碍，一步一个上坡，几乎就没有顺利的时候。
这是难免的，对于现有的技术来说，生活服务机器人还是显得太超前了，很多前置技术门槛都没有攻克。
举一个很简单的例子，对于生活服务机器人，能够与主人语音交流算是一个必备功能，可是想要实现这一点，不说后面复杂的人工智能设计，单单语音识别上就是一个大坑。
语音识别需要庞大的数据库的大量的运算，目前通常的解决方案云端服务，本地只有一个瘦客户端，语音发往语音识别技术的服务商，由他们远程处理之后，重新发回客户端。
这个过程存在延迟性，并且对带宽和网络稳定性要求很高，并且目前的语音识别技术的辨识准确率并不太高。
单单这一个坑就不是一个小小的项目团队能搞定的，往往需要一个公司，甚至一个行业一起努力才能逐步攻克这个难题。
并且对于卡本团队来说，语音识别只不过是他们前进道路上的一个坑，后面还有无数个坑在等待着他们。。。。。。。（未完待续。）
第201章 科研1。0
卡本的困境是一个行业技术向前推进的自然状态，探路的人永远比走路的人艰辛，同样的，如果这个探路者找到一条新路，他就有机会收获最大的价值。
在莫回的概念里，卡本所面临的障碍基本上都是工程技术障碍，理论障碍非常少，人类发展大现在这个阶段，生活服务机器人实际上在各个主要的基础理论领域已经成熟，无非是在工程技术上存在大量的难题。
做个简单的类比，内燃机的理论模型很早就已经建立起来了，但是后面一代代的内燃机不断的更新换代，技术不断向前推进，实际上并不是理论上获得了什么突破，只不过是内燃机的工程技术上日臻完善。
如果我们抛开材料技术等周边学科的进步，单独谈论内燃机的技术进步，就会发现它的进步在原理上并没有脱离最初的理论模型，无非是热效率的不断提高，功率的不断提高，这些进去都是工程技术上的进步。
现在在机器人领域面临的就是这个问题，主要领域的理论技术已经不是障碍，现在只是需要进行工程技术上的突破，理论上可行了，还必须要在工程上实现它。
现在机器人卡壳的几个关键领域，图像识别、语音识别、人工智能、定位与导航，准确来说也谈不上卡壳，只不过现有技术实现效果不佳。
就好像早期的蒸汽机，压力不行、密封不行、传动不行、机械结构也不成，导致整体效率非常低下，只能在矿井里负责排水，应用场景和市场接受度受到非常大的限制。
现在的机器人也是这个状态，整体来看，每个领域的都有技术能够用上，但是性能都不咋地，组合起来的整体就显得更差，往往挺昂贵的东西，但是真正用起来就是一时新鲜，应用性和工作效率很差。
说白了，现在的生活服务类机器人，有太多领域需要加强，这些领域的技术太低，导致机器人整体的应用性能始终提不上去。
不过有个好处就是，所有相关技术都有，不至于说出现一个暂时完全无法解决的技术空白领域，有没有的问题已经解决，现在正在解决好不好的问题。
比如图像识别技术，这个技术很早就有，从这个技术延伸出来很多相关的应用技术，比如百度的搜图，比如人脸识别，比如三维重建等等，都是从这个技术延伸出来的。
库卡面对的是标准化可设计场景，而卡本面对的是随机不可控场景，并且突发事件很多，所以相对来说，卡本面对的技术难度要远高于库卡。只不过库卡倾向于精度和效率，卡本倾向于可用性和智能性。
卡本的收购成本并不高，并且它算是在生活服务机器人领域走的最远的，莫回拿下卡本的一个主要的考虑是尝试利用超极本加速研发进程。
目前超极本的运算能力是超常的，智能性也还不错，虽然未必是最强的，至少在各大实验室研发的ai中算是第一梯队的。
超极本对卡本可能提供的帮助应该在模拟和排错上，比如图像识别，想要获得一个应用效果比较好的图像识别技术，关键就在算法和无监督自我学习的智能性上。
莫回采取的是笨方法，当卡本被收购之后，让卡本团队在图像识别领域提供一个演进模型，这个模型实际上是一个训练模型，通过海量样本进行人工智能的训练和学习。同时让他们提供图像识别领域所有可能的算法，无论这个算法有效性如何。
莫回依托上帝之手可调用的资源相当多，他不仅要求卡本提供，还联系了很多在这个领域进行研究的科研和商业机构，让他们提供类似的东西。
莫回做的事情实际上是尽量将这个领域的算法穷举，同时将这个领域的研究方法穷举，然后利用海量的样本让超极本进行无穷比对和组合。
严格来说他这不算是科研，他是利用超极本的计算力优势，不停的排列组合，穷举所有可能性，在其中找到可能的道路。
这个方法虽然很笨，但是在某型领域确实能够起到效果，实际上大数据提取出来的各种规律和关联性，都是利用各种算法，通过类似的方式，寻找隐藏的或然关系的。理论上来说某些科研也类同于穷举，白炽灯的发明其实就是穷举所有可能材料，最终选中了钨。
超极本的第一次科研是在阿朱这个人工智能的帮助下磕磕绊绊进行的，好在超极本的运算速度非常快，技术瞬间就会给出结果，无论面对多大的样本库。
所以莫回的科研进度很快，他能够在一天只能调整数十次计算模型，不断试错不断碰撞，寻找可能正确的道路。
以图像识别技术为磨刀石，莫回不断的磨砺超极本进行科研的应用办法，不断的调整，不断的尝试，在持续的互动调整中，超极本慢慢将其超强性能发挥出来。
当超极本的科研方法基本有了雏形的时候，一个应用性能已经差强人意的图像识别出炉了。它的算法是超极本通过无数次推衍和演化之后形成的，它的智能模块经过数以亿记的图片和视频的训练，已经拥有足够的适应性。
这个图像识别技术很快给到卡本团队进行了应用性测试，结果发现它已经能够通过照片和视频识别家庭中大多数常用物品，能够分辨宠物，能够辨别移动物体。
做到这一点，实际上在视觉识别模块上，已经差不多能够满足生活机器人的需求了，后面需要做的就是基于这个技术，延展其他功能，比如距离判断，路径规划，自身定位等等。
对于莫回来说，最大的收获不是这个图像识别技术，而是为了研发这个技术的过程中，超极本摸索出来的科研模式和方法。
有了第一步就好，莫回将其程序化，变成一款带着自学习能力，拥有相当智能性的全新模块——科研1。0（未完待续。）
第202章 投资的眼光
科研1。0成型之后，莫回不断拿新的科研项目来训练它，一边推进科研速度，一边完善和优化科研1。0，有超极本做后盾，科研1。0的优势逐步展现出来。
科研1。0起到的作用就是缩短科研周期，一个新的项目拿来之后，需要项目团队提供针对性的排查和穷举方向，以及具体的计算方法，然后科研1。0负责执行，通过海量运算和穷举的办法，攻克那些将会耗费大量时间的部分。
科研1。0实际上是一个助推器，它本身并不具备科研能力，但是它能够将部分科研内容转化成海量运算，然后利用超极本搞定这部分内容。
实际上同样的事情超级计算机也能做，但是所有的事情都存在成本收益的核算，超级计算机的成本相当高，并且也不是随便哪个项目组都能达到超级计算机的运算份额的。
并且有很多科研项目，完全是真正意义上的海量运算，就算交给超级计算机来处理，恐怕时间跨度都是以年计的，这中间的成本是令人发指的，尤其针对某个创业团队来说。
现在莫回利用超极本帮助这些创业团队，帮助这些科研项目组，几乎是零成本的提供帮助，实际上是变相的注入了大资金来加速科研进度。
莫回一边忙着晚上科研1。0一边忙着城堡的定点投资，在智能硬件领域，莫回专门选择哪种具备独有技术优势的，或者具备卡位优势的。有公司的收购公司或者控股，没有公司的提供风险投资进行孵化。
按照莫回的设定，其实城堡已经类似于一个智能硬件领域的孵化器，实际上对于所有风投和孵化器公司来说，一个非常关键的能力是投资的准确性。
一般来说100个创业项目最终只能有5个项目走出来，绝大多数项目都会因为这样那样的原因夭折。创业项目极低的成功率实际上是困扰所有风投公司的难题，大家都没办法，只能凭借vc的眼光了。
一般来说vc的投资成功率达到10％就足够了，以色列的风投之父成功率也才20％，成功率这么低，但是他公司的收益相当可观。因为vc一般获得的投资回报率能够超过20倍，所以vc公司跑的就是概率，主要吃概率这碗饭的，一个好的投资合伙人，往往能够将成功概率提高很多，所以业内经常会推崇一些明星投资人，因为他们眼光独到，成功概率高。
一个创业项目能否成功，要看很多方面，技术是否ok，产品是否卡准市场脉搏，团队磨合如何，创始人个人素质等等因素都会影响最终的项目成功率，甚至创业团队的股权分配模式也会决定最终能否成功。
一个企业从孕育到最终走向成功，中间需要面的无数的波折和坎坷，任何一个选择的错误都可能会葬送企业，很多倒下的企业本身实力可能并不差，但仅仅一个选择的错误，就让企业走向死亡。
这种例子比比皆是，创业的风险非常大，而城堡进入vc/pe领域也将面临这个问题，并且莫回的想法更加长远，他需要加速整个智能硬件领域的行业发展速度，那么他必须保证城堡具备更高的准确率，否则净投一些失败的项目，时间和资金全部打水漂了，谈何加速行业发展呢。
纯从商业的角度来看，莫回即使有了动态科技树，也无法回避投资风险的问题，科技树虽然有了，知道每个方向都有那几个团队在做，但是科研不等于商业，科研成功了也不等于商业成功了。
而莫回要做的事情，是想让智能硬件走进千家万户，想要实现这点，必然需要通过商业手段，技术先进不代表一定能够得到市场认可。
就拿现在的通用键盘举例，它并不是效率最高的，它实际上是为了防止人手打字过快而研发出来的，但是因为市场应用范围广�