而这对于智能硬件产品来说，尤其是机器人来说，是“不敷其用”的。一是因为许多智能产品需要有极快的反应速度，做即时应答，比如无人驾驶汽车、无人机，遇到突发情况，反应延迟几毫秒就会造成很严重的事故。因此，我们不能把它们得到的数据全部上传到云上去处理，处理完了再返回来，而应该在本地进行处理；二是因为云端处理成本较高，不符合经济原则。实际上，就算云上处理足够快，其占用带宽资源的成本也是许多用户无法承受的；另外，数据中心都是标准化的，面对一些非标准化的需求，其要么无法满足，要么只能以很高的成本满足。上述原因使得人们对芯片级智能解决方案有了需求，而且是很大的需求。

　　我就是看到上述这些需求，才决定做机器人大脑芯片的，我要从云上走下来，做触手可及的东西，做前端的人工智能，让人工智能与硬件结合。当然，这并不是说云就没用了。未来的形态应该是云与端的结合，有些东西在云上处理，有些则在端上处理。

　　需要说明，我的所谓机器人是一个广义概念。做机器人有两种思路：一是将其做成类人的产品，即人形机器人；二是让一些产品具有智能，比如在自动驾驶领域。前一种思路是做一个会开车的人形机器人，让其坐在驾驶员的座位上替我们开车。按照这种思路，我们不需要对汽车进行改装；后一种思路是对汽车本身进行改装，让其成为可以移动的机器人。它没有人的形，但有其神，有机器人内在的本质能力。谷歌的无人驾驶汽车就是这种思路的产物。

　　我认为在不久的将来，随着人工智能技术的发展、成熟，大部分家居用品都会成为一种机器人，尤其是家用电器，比如冰箱、烤箱。只要是机器人就需要大脑，不同类型机器人需要不同类型的大脑，不同之处在于我们为其植入了专门的算法，并进行过设计优化。

　　我首先要做的就是这种具有专门算法并进行过设计优化的芯片，其属于专用芯片。等把专用芯片做好后，再做通用芯片。类比地说，就是先做Nvidia，再做Intel（英特尔）。

　　大家都知道，芯片有通用与专用之分。做通用芯片的代表厂商是英特尔，其“玩法”是不断提高制程工艺，每隔一段时间就推出一代产品，后一代产品的运算速度要快于前一代产品。摩尔定律说的就是这一现象。英特尔的着眼点是不断提升芯片的通用计算能力。现在，摩尔定律已有点难以为继了。其他一些厂商的“玩法”与英特尔不完全一样，比如高通，其着眼点并非是芯片通用计算能力的提升，而是与某种算法的结合——面向不同领域的芯片有不同算法。这是因为高通本质上不是一家半导体公司，而是一家做算法的公司。所谓算法，简单地说就是我们上小学时学的解应用题的方法。算法肯定是面对某种应用问题的，是面对某个或某些垂直领域的。

　　当然，光有算法还是不够的，还要有数据。我首先要做的芯片是工艺+应用+算法+数据且垂直打通的芯片，其始于应用描述（数学描述，建模）与算法创新，并能随其所吞吐数据数量与类型的增多而越来越智能——数据意味着代表性和长尾性。就像搜索引擎的智能是由使用它的用户“喂”它数据“喂”出来的。用户“喂”的数据越多，搜索引擎就越智能，或者说它给出的搜索结果越符合人们的需要。未来的智能硬件产品也一样，要具有适应环境与人类需求的能力，要具有用数据定义系统的能力，也就是深度学习的能力。

　　上述内容是我对本书所引用的我关于人工智能产业、技术发展情况的一些观点的补充。这对一般读者来说，这些观点尚不彰显，毕竟大多数读者对于人工智能产业发展的原则和技术发展的路径并不关心。我将其写出来，是希望读者能够更完整地了解我的相关观点。我认为这能让我找到更多志同道合的朋友！