是完全有可能通过硬件来弥补的。

像很多新能源车企都在搞的光学卫星组网，从硬件层面来弥补算法的缺陷，离L4的差距已经很小了。

因此开源这项技术，对老中来说没太大损失，还可以把原本没有那么热衷于搞新能源的阿美利肯、欧洲和霓虹强行拉入到新能源车赛道中来。

油车在无人驾驶上有着天然缺陷。

但如果是像陈元光所说，那从根本上大家的观点都要经过一次重塑。

“元光，我对人工智能技术是彻头彻尾的门外汉，虽然听你们这些专家讲过很多课，但对专业的认识还是和你们有很大差距。

我想问下，它的应用场景有哪些，你可以简单说一下吗？

另外就是在军事领域的话，它能做到什么。”

陈元光说：“HBM是可以进化的。

不同工种的技术难度不同，比如建筑工人、纺织业工人，这类简单机械重复，它是完全能胜任。

司机的含金量稍微高一点，现在来看它胜任的也不错。

对于电工、钳工这些精度要求更高的工种，它去胜任不仅仅需要算法的进化，还需要硬件层面的进化，像负责视觉的摄像头精度的提高，手指上力传感器的精度提高等等。

包括它的大脑算力的提高。

这会是一个整体性的提高。

对我来说，它短期内最大的用途就是月球上的建筑工人，负责构建月球基地。

中期来看，我们的空间站会以机器人为主，负责太空采矿设备的维修和空间站的维护。

军事上，我认为不划算，机器人造价高，执行任务的效率不高，鲁棒性更是严重不足，在我看来，远不如机械狗和无人机。

少数可以用来做抢险救援工作，但本质还是成本问题，从成本来说，它替代司机都太贵了。”

“鲁棒性是指？”

“不好意思，这是指在异常情况下系统生存的能力，可以理解成稳定性。

总之这类精密仪器在战场上稳定性都不好。”陈元光说。

“元光，我原本也是支持技术开源的，但我在听过之后，我会觉得这项技术潜力巨大。

我的想法出现了比较严重的动摇，我想在座很多同僚们想法应该和我类似。

希望你能够帮助我们大家厘清一下技术开源的好处。”

陈元光笑了笑：“本身这也是这次来这里最大的目的。

很多东西通过视频是说不清楚的，面谈是最好的方式。

我想先谈一下，过去围绕人工智能研究，都是尽可能把机器去模拟人。

计算机在很多方面都有优势，最典型的应该要属信号传输速度。

人类神经元的信号传输是一个电化学的过程，它的速度是100m/s，而硅基芯片中的电信号传输速度接近光速的70%，也就是两千万米每秒，拓扑半金属的电信号传输速度就更惊人了，能够接近光速的90%。

而人体神经元在信号传递过程中的误差概率是百分之一，硅基芯片的误差是四十二亿分之一，拓扑半金属芯片的误差还要更小。

芯片在信息处理的速度和精度上有非常明显的优势。

在前两年的时候英特尔有一个神经拟态项目叫Hala point，用了11.5亿个数字神经元去模拟人类大脑。

哪怕用了这么多数字神经元，哪怕硅基芯片和人类神经元比起来有着天然优势，英特尔的Hala point仍然只能处理计算类问题，在神经拟态计算上表现得并不好。

反而是哈佛大学差不多同期做的一个叫Brainoware的项目，在模拟人类大脑上表现的更好。

哈佛的项目是把人类脑细胞和硅基芯片给结合起来，构建了被他们命名为Brainoware的新硬件。

他们先用人类的多功能干细胞培育了大脑类器官，然后整个brainoware一部分用传统的计算机硬件，一部分用这个大脑类器官。

他们构建了一个三层的计算框架，分为输入层、水库层和输出层，其中在水库层用的是大脑类器官。