揭秘人工智能芯片乱象：搞噱头挖对手墙角
深度学习技术，犹如一管强大的兴奋剂，让中年迟暮的半导体产业整个沸腾了——“它能让现有的芯片性能提升1万倍”。
正在经历“摩尔定律失效”危机的从业者们喜出望外，终于因深度学习而柳暗花明。
随之而来的还有，前赴后继的赶风者，他们野心勃勃，手握前沿算法，纷纷誓言要做传统半导体行业的颠覆者……让资本和市场兴奋不已。
坊间传闻，仅仅2017年下半年，在全球最大晶圆代工厂台积电，忙碌的流水线上已积攒了超过30款人工智能芯片等待下线流片。作为芯片正式量产前的小规模试产，流片意味着芯片距离落地越来越近了。
AI时代下的“软”红利
中国是全球最大电子产品制造国，但芯片却一直是从业者们的一块心病。
虽然中国市场消耗着全球近三分之一的芯片，但芯片自给率低却是不争的事实。业界早有“中国进口芯片比石油还多”的说法。
“这个数字大概是10%左右，”芯片行业资深专家莫大康谈到中国芯片的自给率时说道，“一些机构给出的数字为17%，但这是把英特尔和三星在中国生产的芯片也计算在内。”
需求催生出市场。自上世纪90年代开始，华为海思、展讯、中星微等一批中国芯片企业崛起，但站在全球市场上来看，这远远不够，直到最近以深度学习为首的人工智能技术落地。
依托中国人口红利的海量数据，资本加持、人才和巨大市场需求，让中国成为人工智能时代最具潜力的选手。同时，政府立志实现“人工智能强国”宏愿，人工智能芯片被列为八大关键技术之一。
一切因素向好，似乎中国芯弯道超车的机会终要来临，主角是人工智能芯片(AI芯片)。它又被称为深度学习芯片、神经元芯片，主要指专为深度学习计算特点和需求而设计的一类专用芯片。
根据AI财经社统计，国内以AI芯片为核心的创业规模公司为18家，成立时间多为1-2年，融资轮次集中在A轮及更早，多聚焦在端智能和视觉领域。
在这群极具挑战精神的人工智能芯片创业者中，中科寒武纪是最为耀眼的一家：已经拿下华为麒麟970芯片合作订单——将其人工智能芯片的设计专利植入麒麟970芯片，为华为Mate10、荣耀V10等旗舰手机加速。据业内人士透露，该款芯片的出货量将达到3000万片。
“公司如其名”。中科寒武纪依托于“国家队”创建，其中陈云霁、陈天石两兄弟为创始人。陈云霁9岁上中学，14岁进入科大少年班，是典型的“天才少年”。弟弟陈天石也基本沿袭了哥哥的成长路径。
“我毕业后一直做芯片，弟弟一直做算法——芯片加算法，正好诞生了‘寒武纪’人工智能芯片。”陈云霁说道。
这位在2015年就入选《麻省理工科技评论》“全球最佳创新人士”的天才语出惊人：“要让人工智能芯片的计算效率提高1万倍，功耗降低1万倍。”
这对遵循摩尔定律运转了近70年的半导体业而言，是一次巨大冲击!
过去，芯片的迭代周期为18个月，每一次迭代性能提升一倍。现在，“算法”这项软技能犹如九阳神功，要将硬件的铁律打破。
也正因为此，在人工智能芯片创业团队中，大多数领头人为人工智能研究型学者或偏算法型人才，并没有沿袭芯片行业的传统——硬件科班出身。
早在2015年，英特尔豪掷167亿美元收购可编程芯片厂商Altera时，投行分析师Tony给出的投资意见就是，“VC们在面对这样的芯片创业者——根本没有意识到他们在从事软件工作，不具备软件知识，应该迅速撤离。”可编程芯片(FPGA)现已经成为芯片厂商进军AI的敲门砖。
随后的一年里，英特尔加大筹码，开启了“买买买”的大力布局战略，代表性的收购案包括以3.5亿美元收购AI芯片创业公司Nervana、4亿美元收购计算机视觉芯片Movidius、153亿美元收购自动驾驶供应商Mobileye等。大企业的布局，更加速了追风人的步伐。
也是在这一年，中国AI芯片产业迎来了软件算法出身的余凯入场。
2015年11月，前百度研究院副院长余凯辞职，创立地平线(原“地平线机器人”)。那时，人工智能芯片还是一个让大多数中国从业者摸不着头脑的词。“这是一件非常具有远见的事。因为你看到了别人还没有看到的事情，”余凯谈道。
“低调内敛”、“不善言辞”等传统半导体从业者的标签被一一撕掉。取而代之的是深得互联网精髓的新生代，他们自备“代言人”属性，强调更快地迭代落地，慷慨激昂地讲述着PPT上陡峭的性能提升曲线。
余凯在2017年新品发布会上引用图灵奖得主AlanKay的言论，“真正认真对待软件的人应该做自己的硬件”。图|AI财经社四月
2017年年初，埋头苦干两年后，地平线获得英特尔投资;年底，其首款专用人工智能芯片落地。“我们无疑是这个领域中最快的，没有第二。”活动结束后，余凯激动地对AI财经社说道。
2017年11月，人工智能独角兽公司商汤科技宣布引入高通的战略投资。这一芯片巨头表示，正是看中了商汤在机器学习模型与算法上的优势。早些时候，两家公司已就手机和物联网人工智能芯片达成合作。
2017年12月，人工智能芯片初创团队熠知科技(ThinkForce)横空出世，宣布完成4.5亿元A轮融资，成为芯片创业队中早期融资额最大的一笔。在其亮眼的投资人背景中——依图科技、云锋基金、红杉资本、高瓴资本，计算机视觉公司依图科技排在第一位。有业内人士指出，该团队早期曾在依图科技内部孵化而成。
创办于2012年，早期以提供语音识别、语音交互等技术方案的云知声也加入了战局。其首款集成人工智能算法的芯片将在今年完成流片。云知声联合创始人李霄寒博士向AI财经社表示，早在2014年，公司就有做芯片的想法，“因为智能家居跟手机不一样，不是纯软件就能解决问题”。
当然，在诸多以算法为核心实力的团队之外，还有“硬”背景出身的人工智能芯片公司。
因获三星、赛灵思、联发科等芯片巨头投资而备受关注的深鉴科技，脱胎于清华大学电子系，其CEO姚颂是一位来自于2011届的90后。他在本科期间就发表了多篇相关论文，同时也是清华电子系学生科协主席。
2015年姚颂本科毕业。一年后，深鉴科技成立。“我们联合创始人之一韩松是在博士研究过程中转向算法方向的。”姚颂谈到团队背景，“做AI芯片靠纯硬件背景行不通。我们在机器学习、SLAM算法(实时定位和地图构建)等方面进行了长期研究。”
2014年创立于美国圣地亚哥，两年后选择在中国珠海落地的耐能科技也同样坚信着“硬件工程师”文化。创始人刘峻城曾供职于三星、高通等巨头公司的研发中心，创始团队多毕业于世界名校的电子工程系，拥有超过10年的芯片行业从业经验。2017年11月，耐能科技获得阿里巴巴、红杉、高通等数千万美元的A轮融资。
风口背后：伪概念和“拿来”主义
然而，这不过是冰山一角。
早在2014年12月，“大基金”甫一成立就释放出强烈信号，这是一只200亿美元规模的国家集成电路产业投资基金。随后3年间，各级地方政府相继设立了超过30只半导体产业发展基金，公布的融资规模超过1000亿美元。
仅在资本层面，芯片市场已足够掀起一场创投狂欢。但就在从业者欢呼雀跃地拥抱人工智能芯片之时，它的定义似乎都还没准备好。
“你不觉得AI芯片是个伪概念吗？”一位人工智能芯片创业者对AI财经社直言，“从半导体圈子的人来看，AI芯片概念比较怪，定义也非常宽泛。你做机器学习也是AI芯片，做深度学习也是AI芯片，做某几种特定算法也是AI芯片。”
地平线CEO余凯则对AI财经社分析道，广义的人工智能芯片是指能够很好地去支持主流算法，尤其是以深度学习为代表的算法的芯片。其中包括GPU(图形处理器)、一些性能不错的CPU和DSP(数字信号处理芯片)等。
参考IT桔子数据统计，过去一年，中国芯片半导体领域投资事件为61起，总融资额超过1500亿人民币。图片来源IT桔子
狭义的人工智能芯片则要求高得多。它要围绕深度学习或者人工智能算法，对这颗芯片内部的架构和计算、存储单元进行专门设计，比如谷歌的TPU。
曾在高通、三星电子研发中心、晨星半导体等企业担任研发职务的耐能创始人刘峻诚则表示，在美国，人工智能加速芯片对应着严苛的NSF认证：“要让DNN(深度神经网络算法)计算功耗比提升1000倍的芯片”。(注：NSF是美国独立的非政府组织，专门致力于为各行业标准制订、产品测试和认证服务工作。)
可是这样的讨论仅限于认知层面。和指甲盖一般大小的芯片，一旦植入密密麻麻的电路板，再套上硬件的外壳，包装上理想的性能参数表，其“人工智能”的含量和真假实在难辨。
“去年就有一家公司出了款号称NPU(神经网络处理器)的芯片，但实际上，只是几颗传统DSP(数字信号处理器)芯片的组合，加上软件的修改。”芯片从业者吴力说道。
如果说概念炒作只是从业者的一个入门，那么，挖对手墙脚、“拿来”主义、噱头包装……才是进阶后的真正“套路”。
年初，在刚结束的CES(全球消费电子展)上，中国人工智能芯片创业队是不容忽视的存在。展会期间，一篇关于人工智能行业芯片的采访报道这样写道：“我们敢为人先。完全舍弃了传统运算，采取了一种独特的新型架构……这将让我们获得全世界最好性能功耗比、最好性价比的芯片。”
百公里之外，正在赶去机场路上的Kevin看到报道后，异常气愤。他认为，文中所谓的“新型架构”，正是自家独有的专利技术，却被竞争对手公司拿来作产品宣传的新噱头。
“这部分是我们公司的专利，2016年我们团队发布的论文中就已详细论述，2017年1月这篇论文被刊发在IEEE杂志上。”Kevin对AI财经社解释道，并翻出了论文原文和对应内容。他补充，该项专利已在美国和中国大陆申请到方法型专利保护，在中国台湾地区，专利还在提交过程中。
但迫于知识产权纠纷案件取证和指控都十分困难，Kevin并不打算将时间和精力耗费在起诉对手公司上。
取证难是知识产权维权的主要障碍。上海浦瑞律师事务所合伙人邢路对此表示，“在侵犯商业秘密案件中，原告取证的难度要远远高于其他知识产权案件。起诉时间长，主要是取证复杂。”
Kevin之所以对竞争对手“窃取”自家专利技术如此肯定，其佐证之一在于该篇论文的其中一名作者在2017年初在被挖到了竞争对手公司。“那是当时团队成员的一名学生，他很清楚该专利的技术细节。”
激烈的技术竞争背后，隐含的是人才争夺的拉锯战。
“高价码的薪资固然有吸引力，但这也是有代价的。”现为某上市公司深度学习加速项目负责人张然说道。春节后，张然打算跳槽，年底他正在物色更有活力的创业公司，但面试经历却让他心里有说不出来的别扭。
“我面试过一些相关企业，无一例外地，他们都会委婉地提出一个问题——能否快速地将原公司或原来的研究成果复制出来。”张然进一步解释道，“换句话说，就是让你把原公司的技术‘拿’到新公司来”。”
“大家都这样。”某知名创业公司CEO一语道出了行业的“潜规则”。
“这个行业的准入门槛很高，站在外围的旁观者通常是缺少判断力的。”另一位人工智能芯片业者说道。
在“拿来主义”背后，是各家争相出头，一味追求速度的急功近利。芯片设计不再是一门高深的科技艺术。在工业化的流水线上，现在，一些追风人比拼的仅仅是组装能力。
对于初创芯片公司，要成立专门的系统级芯片设计部门存在一定风险。一旦市场暗淡或产品没能及时量产，此前的大笔投入将会付之东流。这时，一批设计代工厂商便应运而生，他们致力于提供完整的芯片设计打包方案。
当数家设计都集中涌向设计代工企业，他们没有花费太多精力打磨产品。一般来说，最为关键的人工智能计算加速部分——前端的芯片体系结构设计，应该由芯片创业公司自己完成。而接口、布线等其他后端工作交由代工设计方完成。
但“求快”的创业氛围改变了这一切。
部分芯片创业公司有着“更精明”的打算。“有的人工智能芯片公司连前端的设计也都外包给代工方做。”有从业者透露。
无人驾驶太远，人人都想切安防蛋糕
行业早期竞争的乱象印证着市场的不理性，而更大的质疑还在于——能够支撑起产品落地的故事越来越难讲了。
在产业化落地方面，以安防/泛安防和智能手机为主要切入的市场和领域。其次，在云端的训练和大型数据处理中心也有数家公司有尝试与挑战，如中科寒武纪、深鉴科技等。离普罗大众的智能家居产品中也越来越多地需要针对语音交互、视觉处理等功能的专用芯片。
在这之中，产业成熟度最高、需求量最大的当属安防产业，2016年国内安防行业规模达到5410亿元，同比增长了11%，占据我国GDP的0.73%。在摄像头中加入人工智能芯片，不仅能提高其影像录制效率，还能为其加入人脸识别、身份比对、人数统计、行为分析等智能功能。
主打安防场景的深鉴科技乐观地表示，这个市场是巨大的。“海康威视一年的摄像头出货量是1亿台，大华是3千万台。”
就市场规模而言，前端市场的芯片需求的确比服务器和云端的想象力更大。但这是一个“看上去很美”的市场。安防产业以传统和封闭著称，要撬开这扇大门并非易事。目前来看，面向AI芯片市场的存量仍十分有限，并且天平更多时候还是向“更便宜”的那一方倾斜。
在我们大谈人工智能芯片即将普及前，有一个前提需要被明确，只有规模化的出货量才能抵扣高昂的流片和研发投入。
“28nm规格的芯片从投入到流片的投入大概是400万美元，如果能够卖出去100万片，每片的成本大概能摊到4美元，这比客户购买FPGA芯片便宜多了。”一位AI芯片创业公司CEO给AI财经社算了一笔账。
然而，这与现实情况相去甚远。“目前大概只有1%的安防设备应用了人工智能技术。海康威视对于英伟达一年的需求量在20万片的规模，这还是世界上最大的安防厂商需求量。”某上市公司深度学习加速项目总监张然表示。
如果说，“100万片”是现阶段AI芯片公司维持正常运转的出货量标准线，那么，一家AI创业芯片公司至少要谈下5家海康威视需求量级的大客户才行。
此外，尽管是在这样有限的增量市场里，AI芯片创业公司也未能掌握独立的话语权。
现阶段创业公司所能提供的大多为折中方案，多采购第三方FPGA芯片再进行编程和优化，如Xilinx(赛灵思)、被英特尔收购的Altera等。
“他们(创业公司)对芯片价格和用量是及其敏感的，用量多可能导致整体方案很贵。因为议价权还是掌握在FPGA厂商手中——他们并不会因为创业公司的方案而降价。”
但对于芯片巨头而言，如英特尔，针对客户的行业需求，他们讲给出一个打包后的解决方案价格，方案中涉及到的芯片使用量并不会影响方案价格的浮动。
当然，摩尔定律的另一面也同样值得重视，当人工智能芯片企业推出专用的芯片，“每隔18个月，芯片性能提升一倍的同时，其价格也将下降一倍。”在大部分从业者和投资人看来，AI芯片的增量市场仍大有可为。
2016年-2021年人工智能芯片市场整体规模变化。图片来源于天风证券研究所
在落地层面，性能和功耗之间的平衡也是硬性指标之一。追求性能容易，但功耗可能达不到。云知声IoT副总裁李霄寒介绍，因为格力对产品质量和相关验收标准及其严格，我们跟格力磨合了近一年时间。
仅次于“安防热”的，便是自动驾驶领域——同样面临着“雷声大、雨点小”的尴尬。谈到是否真正投身其中，大多数厂商仍持观望态度。
其原因主要在两个方面，一是具有真正意义上的自动驾驶汽车还未量产，更谈不上普及和规模化;其二，用于汽车的芯片，相较于工业级芯片有着更为严苛的性能考核机制，在其工作温度范围(-40℃~125℃)、耐受抗震能力、冗余设计等方面都加入了安全考量机制。
不过，在该领域仍不乏敢于挑战的试险者。前百度研究创始人副院长余凯博士创办的地平线就瞄准了该方向，在落地方面主要依靠和英特尔，也是其投资方之一，以合作的形式来获得大型整车车企的入场票。
在异构智能中国区总裁周斌看来，哪怕是自动驾驶训练和测试阶段，AI芯片也已经需求不断。“现在跑无人车的GPU芯片要占满整个后备箱，而且通常跑个半小时就需要停下来降温。在今年的CES现场，我们已经收到了很多关于该领域的需求。”
可以预见的是，2018年，将会是AI芯片产业密集落地的一年，深鉴科技、云知声、异构智能等一波芯片公司均在今年完成流片。芯片产业在搭载深度学习加速的火箭后，将以指数级速度向前发展。
前是嗷嗷待哺的行业需求，后有巨额的产业基金刺激，人工智能芯片创业者受到了前所未有的关注和期待。
然而，逐风口的狂欢背后，也少不了荒唐的乱象和丛生的泡沫。概念模糊不清、贴牌式厂商滥竽充数、“拿来”主义司空见惯、一味追求速度的急功近利……随着落地步伐的加速，危机正在不断放大。
站在机遇和泡沫共存的十字路口，每一位赶风者都在理性与野心之间博弈
免费送电动车骗局揭秘图片（免费送电动车骗局揭秘）
导读大家好,小问来为大家解答以上问题。免费送电动车骗局揭秘图片，免费送电动车骗局揭秘这个很多人还不知道,现在让我们一起来看看吧！1、不是大家好,小问来为大家解答以上问题。免费送电动车骗局揭秘图片，免费送电动车骗局揭秘这个很多人还不知道,现在让我们一起来看看吧！
1、不是，就是说你的旧的电动车可以抵钱，当然店家赚钱是肯定的啦。
2、但是如果旧车留你手里不也没用吗，还不如抵几百块钱呢。
以上就是【免费送电动车骗局揭秘图片，免费送电动车骗局揭秘】相关内容。
标签：
版权声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢您的支持与理解。
揭秘Facebook人工智能研究室
国外媒体近日撰文介绍了Facebook已成立一年的人工智能研究实验室。该实验室由纽约大学教授、深度学习专家雅恩·乐昆领导，他们目前想要为Facebook打造一种数字助手。该数字助手基于深度学习技术，可鉴别你的醉酒失态照片，防止你将它们上传到该社交网络。他们的长远目标是，开发技术密切分析诸多照片以外的Facebook内容，让人工智能自动完成操作。
以下是文章主要内容：
跟一帮兄弟一块开怀畅饮的时候，你或许会变得难以自控，掏出你的智能手机，在醉酒狂欢期间给自己来张自拍照，而后接连不断地拍下三四十张照片，接着不假思索地将它们上传到Facebook上。
这种情况并不少见。而雅恩·乐昆（YannLeCun）想要制止这种放纵行为——或者至少在人们准备要做可能会后悔的事情之前预警一下。他想要打造一种Facebook数字助手，它将能够鉴别你的醉酒失态照片，防止你将它们上传到该社交网络。他解释道，这种助手会以一种虚拟的方式拍一拍你的肩膀，提醒你：“呃，这将要公开发布哦。你确定你想让老板和老妈看到这个？”
这可不是无用的提议。作为纽约大学研究员和机器学习专家，乐昆目前领导Facebook人工智能研究实验室（简称“FAIR”）。该人工智能研究团队在该互联网巨头内部工作，分布在加州和纽约。该快速扩大的部门正为乐昆所说的数字助手打基础。
“深度学习”
打造这样一项工具，大体上就是开发图像识别技术来区分人在正常状态和醉酒状态的样子，使用当前相当热门的一种人工智能技术——“深度学习”。那是乐昆和其他专业学者引领研究的一项技术。Facebook现已到达了在你上传到其社交网络的照片中识别出你的脸和朋友的脸的阶段，因而便于你给它们标注相应的名字。
近日，乐昆领导的FAIR实验室迎来了成立一周年纪念日。事实上，FAIR的研究对该全球第一大社交网络的助力远不止有一个方面。该团队的深度学习算法如今可调查你在Facebook上的整体行为习惯，因而能够为你的动态消息（newsfeed）推送合适的内容——你很可能有兴趣看的内容。不久后，那些算法将能够分析你在状态帖子中输入的文本，进而自动提示相应的标签。乐昆和他的团队还想要打造这样的人工智能系统：能够理解更加复杂的Facebook数据，引导你往你未曾想过的方向进行交互。
他说，“想象一下，你有个智能数字助手调和你跟朋友以及Facebook内容的交互。”
对于部分人来说，这可能会让人难以接受。他们并不希望让机器来告诉自己该做些什么，不希望机器识别他们的面孔，将它们的照片存储在某个遥远的数据中心，被Facebook用来投放精准广告。但对于乐昆来说，FAIR的职责就是给予你更多的在线身份控制权，而不是削弱你的控制。他还设想Facebook将能够在你不认识的人未经你同意将你的照片发布到Facebook的时候及时给予你提醒。“你将有个切点来调和你的交互，以及保护你的私人信息。”他说。
人才争夺
涉足这种人工智能技术的远不只有他和他的Facebook团队。他们的研究，是当前广泛的深度学习运动的一部分。该类技术旨在通过模拟人脑的整个神经元网络的行为自动操作在线任务。借助数百台乃至数千台计算机，谷歌使用深度学习技术改善它的搜索引擎，识别你向你的Android手机发出的指令，以及鉴别其Google+社交网络上的图像。微软则利用深度学习技术将Skype通话从一种语言翻译成另一种语言。从Twitter到雅虎的多家公司也在该领域跟进相关研究。
对于互联网巨头们来说，深度学习技术至关重要，因而该领域出现了十分激烈的人才争夺战。谷歌招揽了跟乐昆等人奠定深度学习运动的多伦多大学教授杰夫·辛顿（GeoffHinton）。百度最近也挖来了帮助谷歌创立深度学习项目的吴恩达（AndrewNg）。自去年被Facebook招致麾下，出任FAIR负责人以来，乐昆也从谷歌挖来了一些著名的深度学习人才，包括杰森·维斯顿（JasonWeston）和托马斯·米克罗夫（TomasMikolov）。
语言的力量
深度学习并不是什么新技术。乐昆、辛顿等人自1980年代以来就一直在探索相关的基本概念。据微软资深研究人员约翰·普拉特（JohnPlatt）称，该软件巨头10年前就在利用类似的技术在平板电脑上提供手写识别功能。但他指出，得益于计算机硬件近年来的进步——以及能够生成锻造神经网络所需的海量数据的互联网，该技术最近在多个层面突飞猛进。
它已经在重塑图像和语音的识别技术，对行业产生了广泛的影响。但跟谷歌一样，乐昆和FAIR想要取得更大的突破和进展。乐昆说，下一个重大前沿领域是自然语言处理，它旨在赋予机器理解单词乃至整个句子和段落的能力。
在加盟Facebook之前，米克罗夫曾领导打造名为Word2Vec的深度学习系统。该系统用以判断词语之间的特定关系，谷歌称这可用来改进它的“知识图谱”——帮助该公司的搜索引擎绘制网站之间所有复杂联系的系统。现在，米克罗夫和维斯顿将这种专业技术带到了Facebook的人工智能研究实验室。
乐昆解释到，Facebook的短期目标是，创造可自动回答简单问题的系统。该公司最近展示的一项工具能够吸收理解《指环王》的摘要信息，然后回答关于该图书系列的问题。它正在探索一种人工短期记忆技术，以改进使用“周期性神经网络”的转化系统。乐昆解释道，你可以将神经网络想作处理转化任务本身的大脑皮层，而他的团队在做一个类似于海马的系统，让它充当那种大脑皮层的“便笺本”记忆体。
“让人工智能自动完成操作”
乐昆说，他更长远的目标是，打造像他的数字助手那样的东西：除了照片以外，还能够密切分析各种发布到Facebook上的其它内容。“你需要机器去真正理解内容和人，需要它去分析所有的那些数据。”他说，“那关乎让人工智能自动完成操作。”
与此同时，他的团队还着眼于其它的目标。他们希望能够预测Facebook将来（5年或者10年后）的演变。乐昆暗示，这可能会涉及OculusRift——Facebook今年早些时候斥巨资收购回来的虚拟现实头盔——称他的团队跟Oculus团队讨论过研究工作。
当然，Facebook的人工智能抱负也存在局限性。一方面，乐昆称Facebook尚未结合机器人技术探索人工智能。但他称，这是他在纽约大学的学术研究中有兴趣探索的一个领域。这是合乎逻辑的下一步。
译者：乐邦
百度新闻与网易科技合作稿件，转载请注明出处。