而這對于智能硬件產品來說，尤其是機器人來說，是“不敷其用”的。一是因為許多智能產品需要有極快的反應速度，做即時應答，比如無人駕駛汽車、無人機，遇到突發情況，反應延遲幾毫秒就會造成很嚴重的事故。因此，我們不能把它們得到的數據全部上傳到云上去處理，處理完了再返回來，而應該在本地進行處理；二是因為云端處理成本較高，不符合經濟原則。實際上，就算云上處理足夠快，其占用帶寬資源的成本也是許多用戶無法承受的；另外，數據中心都是標準化的，面對一些非標準化的需求，其要么無法滿足，要么只能以很高的成本滿足。上述原因使得人們對芯片級智能解決方案有了需求，而且是很大的需求。

　　我就是看到上述這些需求，才決定做機器人大腦芯片的，我要從云上走下來，做觸手可及的東西，做前端的人工智能，讓人工智能與硬件結合。當然，這并不是說云就沒用了。未來的形態應該是云與端的結合，有些東西在云上處理，有些則在端上處理。

　　需要說明，我的所謂機器人是一個廣義概念。做機器人有兩種思路：一是將其做成類人的產品，即人形機器人；二是讓一些產品具有智能，比如在自動駕駛領域。前一種思路是做一個會開車的人形機器人，讓其坐在駕駛員的座位上替我們開車。按照這種思路，我們不需要對汽車進行改裝；后一種思路是對汽車本身進行改裝，讓其成為可以移動的機器人。它沒有人的形，但有其神，有機器人內在的本質能力。谷歌的無人駕駛汽車就是這種思路的產物。

　　我認為在不久的將來，隨著人工智能技術的發展、成熟，大部分家居用品都會成為一種機器人，尤其是家用電器，比如冰箱、烤箱。只要是機器人就需要大腦，不同類型機器人需要不同類型的大腦，不同之處在于我們為其植入了專門的算法，并進行過設計優化。

　　我首先要做的就是這種具有專門算法并進行過設計優化的芯片，其屬于專用芯片。等把專用芯片做好后，再做通用芯片。類比地說，就是先做Nvidia，再做Intel（英特爾）。

　　大家都知道，芯片有通用與專用之分。做通用芯片的代表廠商是英特爾，其“玩法”是不斷提高制程工藝，每隔一段時間就推出一代產品，后一代產品的運算速度要快于前一代產品。摩爾定律說的就是這一現象。英特爾的著眼點是不斷提升芯片的通用計算能力。現在，摩爾定律已有點難以為繼了。其他一些廠商的“玩法”與英特爾不完全一樣，比如高通，其著眼點并非是芯片通用計算能力的提升，而是與某種算法的結合——面向不同領域的芯片有不同算法。這是因為高通本質上不是一家半導體公司，而是一家做算法的公司。所謂算法，簡單地說就是我們上小學時學的解應用題的方法。算法肯定是面對某種應用問題的，是面對某個或某些垂直領域的。

　　當然，光有算法還是不夠的，還要有數據。我首先要做的芯片是工藝+應用+算法+數據且垂直打通的芯片，其始于應用描述（數學描述，建模）與算法創新，并能隨其所吞吐數據數量與類型的增多而越來越智能——數據意味著代表性和長尾性。就像搜索引擎的智能是由使用它的用戶“喂”它數據“喂”出來的。用戶“喂”的數據越多，搜索引擎就越智能，或者說它給出的搜索結果越符合人們的需要。未來的智能硬件產品也一樣，要具有適應環境與人類需求的能力，要具有用數據定義系統的能力，也就是深度學習的能力。

　　上述內容是我對本書所引用的我關于人工智能產業、技術發展情況的一些觀點的補充。這對一般讀者來說，這些觀點尚不彰顯，畢竟大多數讀者對于人工智能產業發展的原則和技術發展的路徑并不關心。我將其寫出來，是希望讀者能夠更完整地了解我的相關觀點。我認為這能讓我找到更多志同道合的朋友！