我们非常幸运生活在如今这个时代，现在我们有一个历史性的发展，就是互联网，我们每个人都有同样的工作，就是我们希望能够把这种技术带到世界上的各个角落，我们已经扩展了这个世界，我们家里、汽车、空气等等都获得了极大的扩展和发展，这就是我今天演讲的一个主题，也就是说要扩展云，要把云扩展到物理世界。我现在想讲的主要是汽车，包括无人驾驶的汽车，还有机器人以及无人机。
我们一开始的想法是可以把三者结合起来，现在的感应器的性能得到了极大的增强，这样可以使机器人更加的智能，我们可以手机更多的数据，而且这可以形成一个良性的循环，一切都能加速，这背后的想法就是我们可以把不同的地方收集到的数据集合到云上，云就会更加的智能，这是一个非常好的想法和概念，但是事实是什么样的?

　　首先我们中间还有一些步骤没有完成，总体的理论就是所有的机器人、所有的车辆以及所有的人类，其实我们都是数据，我们的数据可以连接起来，它们是一个N维的数据，是一个实时更新的数百万级的数据，这样通过这些数据的集成，我们能够让所有的汽车和人类都能够更加的智能，但事实是，很多的数据没有连接起来，我们现在已经有很多的无线以及有线的数据连接，但是还不够，并不是一切都有。因此我们还不能完全依靠云端来让机器人更加智能。

　　我们这个世界怎么才能变得更加完美的结合起来?连接起来?我们怎么样能够无时无刻地都依赖云呢?这可能吗?我想这取决于我们按时间分段的混合系统。所以有一些不同的时间分段的功能，可以在云端上进行实现。这意味着我们的个人终端和设备会非常快速，它同时也是个人化的，集体的行动是在云上来实现的。

　　在我们左边有一些实时的功能，这是一个车的操作系统，这是通过我们传统的计算机来进行的，我们这里有感应器，有驱动，它能够进行刹车，能够进行加速和减速，这是过去的20年、30年我们所做的，这是实时的功能。现在我们有一些准实时的功能，这些准实时的功能，比如说规划的功能，假如说我正在走路，它可以防止摔跤，还有一个功能就是决定怎么前进，怎么走路，还有一个功能就是为什么要走过去。所以这是一个以任务为主导的功能。我们就可以把一些实时的功能交给传统的计算机来做，把这些准实时的功能交给人工智能或者是手机来做，或者是一些车载的系统来做。

　　我们在云端上传了一些准实时的地图，来帮助实现这些功能，但在云端一旦我们实现了连接，我们就可以使得云上的模型更好，而且能够使汽车和人更好地结合起来。我们以英特尔为例，我们觉得边缘就是一些摄像头，而云就是像服务器、一些集中的功能。

　　无人机能做什么?无人机是大概2007年的时候出现的，那时候iPhone也出现了，它里面有GPS，然后有无线的连接，有地图，所以它不仅仅是一台手机，而那些感应器也可以用来制造无人机，它可以用来控制一架飞机，这取决于规模的经济，规模的经济能让我处理这些问题，我们把这些感应器拿出来，我们赋予它不同的功能，给它们安装了不同的软件。三星、华为、微软、谷歌、小米都做了很多的工作，他们安装了很多的组件，能够让机器人更加智能。

　　其中有一点就是有一个非常大的经济规模，我们知道摩尔定律对科技变化有很大的影响。另外就是我们在使用智能手机的技术，而这个智能手机的技术和这个功能性也能加强互联互通的特性，并且就像我们用手机联系一样，所以能够把手机和应用跟我们讲到的无人机联系起来，或者是云端跟无人机联系企业，这就更加便利了，这是10年前我们所做的事情，我们一旦认识到了这一点，我们就会问自己，我们需要什么样的计算能力，能够在每一个层级去叠加呢?所以我们在这里使用的时候就必须去意识到这里面水平的一个层级，就是我们讲到的延迟性。而这里面的垂直准入就是有多少的计算能力在里面。所以我们之前看到的就是在车载的系统里面的计算机是有限制的。而在云里面是一个无限的力量，所以这就能够让我们更好地去分配我们讲到的这些功能，并且能够更好地在时间和计算能力之间取得一个平衡，而且整个基础架构的设计是能够基于在上面有一个自由的浮动，就是让计算能力能够更好的浮动，并且让时间、耗能取得一个最优的平衡，所以这里我想介绍一下这个基础架构，就像无人驾驶的架构一样，就像手机一样有智能的功能。

　　第二个是像车载里面的无线连接，或者是用一个手机上载云端，而在云端里面也会有这种分析器的功能，并且有一个学习，还有一个数据的累积，这种数据的累积能够跟不同的设备联系起来，并且有不同的维度，包括有些不同的信息或者是一些社会功能等等，其中一些是经济功能或者是货币的功能，而这些不同的层级，就像我们之前讲到的数据叠加，能够让我们去寻找一些更有意义的解决方案。我们知道并没有单一的层级是可以单打独斗取得成功的，如果是云端和无人机联系起来就可以能够体现出更高的智能性，其中一个非常有趣的结果是它能够改变我们之前去想象机器人能发挥的威力，原来机器人的功能就是告诉我们做什么，然后去扫描，并且把数据带回到原来的地方，如果我们跟一个人说你在那里扫描讲台，然后进行扫描结果的呈现，我不会告诉它要走哪一个路径，它只是走到上面，拿着一个摄像机打开这个应用说我看得到你要做什么，然后它慢慢走过去，拍一个全景照片，通过移动来获取摄像，人会自动根据收集到的数据改变它的使命和路径，对机器人来说是批量数据支持的，是预先加密的，你指令机器人做什么，他们会根据这些数据获得指令，新的数据能够让用获得小批量的上传，再获得及时的反馈，它就可以说你可以更加移近或者改变摄像机的设置或者创新的拍这一组镜头，在这里面我们讲到数据决定使命，而不是使命来决定数据，这是全新的动态基础的机器人，而这个动态的机器人就是云和设备之间的连接。

　　我刚才讲到的全局的概念，如果是它按照摩尔定律加速发展就能够提高机器人应用的质量，而我们不是在这里胡乱的猜测，而是说在实时有一个速度的回路做到这点。在这里面有了使命就等了有了数据，它是一个完全的回环，把小批量的数据上传到云，再获得一个小批量的反馈，而我们现在还没有做到这点，有时候云其实是一个边缘的设置或者是端点的设置，就像手机一样，这是云端机器人所用的基础架构，这就是无人机，我们在汽车里面使用同样的逻辑，而且我们在这里不用整车来进行测试，也不是用人驾驶汽车来测试，因为这比较危险，也需要改变原来的基础架构，因此我们采取同样的方式吸取数据，比如在直升机里面我们把飞行员移除，只要在智能手机那里加一个驱动器来做。我们用了一个装了马达的手机来做，使用了神经网络、无线连接和AI做到这点，我们只是小规模的来进行测试，并且保持安全的环境。现在还没有规管部门来批准，也没有监管，我们把它叫做DIY无人机，你可以升级，可以拓展，可以让更多的人参与到这个措施当中来。在这个卡丁车上面的CEO看起来是一个声名远扬的CEO，但是在那里他只能按一下红色的开始键，他也没有戴安全头盔等等，在那里是非常有趣的，这种小规模的卡丁车的测试很好的展现了我刚才讲到的逻辑，这是一个类比。

　　我们所做的这些事业怎么样能够跟这些无人驾驶种种的努力所结合起来，你也可以看到这里面的一些车只需要200块，还有在那里，像谷歌的Waymo汽车，非常有名的无人驾驶的汽车，它们的原理是一样的，因为我们拥有他们做的测试原理和因素，比如10米和20米的加速，加速到300米，在30微秒或者是40微秒那里加速，里面多更多的摄像头或者是GPS的导航系统，但是摄像头和GPS系统更多，并不是改变它们两个的本质区别，就像CV测试、无人驾驶汽车一样，军用无人机现在更为快速，不仅如此，我们能够更大刀阔斧的测试这些无人驾驶的汽车。

　　这些测试是有技巧的，能够在各个维度上取胜，并不仅仅是我们平时在赛道上进行的卡丁车的赛事，这些无人驾驶汽车不用它来进行赛车了，我们把动态、危险的因素去除，把动态因素更好的平衡。

　　我们在做什么，只值200块钱的车，云和机器人作为一个依归和平台，并且能够把它们上传到云端，通过数据的上传创造一个交叉缩影的网络，并且把这个模型和网络下载到这个车载系统里面来进行实时更新，并且可以进行200块钱一辆成本的赛车的测试，比如上面的神经网络和计算驱动的网络，这里面在不同的结构里都能够展示出它能够达到跟人控制同样的级别，在今年年底就达到。

　　我们在讲到这种研究是基于兴趣，我的工作不止于此，我很乐意做这点，现在我测试车，在10年前我也讲到了无人机，我们也知道大疆无人机成为这一方面的楷模，现在这种汽车的测试、无人驾驶已经成为了大家测试的焦点，而大家对于汽车的关注度和它的趣味性，NSP、英特尔等等大公司都像谷歌一样进行了轻型版无人驾驶汽车的测试，包括了英特尔的一个神经计算棒，它也能跟这种车载的系统进行联系，所以我们看到这些云端的技术，还有基于云发展的技术，能够更好地精简、还原成一些非常简单的设备供我们所使用，而这也对于云端来说是一个非常好的彰显和补充，能够更好地展示出我们讲到云端机器人的概念。