开过小会，把决定通报各长老，玉剑山行动起来。

看起来是个很重大的决定，实际这次涉及到的技术很少，基本都是纯软件层的，长老们也习惯了沈文剑的技术投资方式，没有表达异议。

现在中原地区涉及到机器人控制软件的，总共有三家。

玉剑山发出请柬，三家派出代表和玉剑山的代表在香风崖市场会面。

“这次请诸位过来，是为了建立一个机器人智能研究组织，以开发出各种各样替代人力的机器人。各位手边的文件里有简介，看完我们再谈。”专务办公室的负责人给来客分发文档。

其实用玉简会更节省时间，但是自从玉剑山完善保密系统后，玉简就几乎不用了，这东西太容易夹带私货，有严重的保密隐患。

这份文档没有设计到技术细节，仅仅用于说明人工智能的应用范围，并将研究组织的目标范围划出来。

中级人工智能是“大数据学习”机能，很容易理解它的“知识量”与响应速度是呈反比的。

替代天火的岗位，必须是超算级别的服务端，但服务端仅仅是应用的一小部分。

常规机器搭载中级智能，受限于处理能力和数据库规模，就需要针对每个应用门类做精简化。

举个例子，玉剑山已经服役的第二代“变形金刚”常规型号，其数据库就分作战斗、工程、流水线等几个类目。

不过这仅仅是大项，继续细分的化，战斗型还包含有护航战术数据库、寻的策略数据库、敌我识别、战术岗位等一大堆数据库。

而在实际工作中，为了加快响应速度，设计院设计了一个战斗模块。一旦接战，就会暂停对大数据库的数据采访，把数据处理集中在“战斗习得技能”上以加快反应速度，这是中级智能自主学习数据库知识得到的精要，通过人为限制数据库大小，展现出的是战斗本能极为出色的状态。

可是，即使是“战斗习得技能”这种小数据库，实际按文字计算，规模都是数百亿字！

深挖中级智能的潜力，主要有两个方面。

一是优化机器人自身学习时拓展出的数据库，比如战斗类需要精简有效的高速响应，矿业类则需要判断力和较为高效的计算过程。

二是底层优化。

由于人手关系，玉剑山工程院虽然在人工智能方面投入大量时间与精力，只能做出通用程序，由设计院负责加壳与调试。

新的研究组织，就要将人工智能专业化。

来到这里的三家代表都带了工程师，几个人凑一起看着文件，时不时低声交流几句，大部分都显得很兴奋。

“人工智能好像很厉害的样子啊。”

“……厉不厉害不知道，但明显会降低机器人成本。”

其实这三家门派，虽然也仿制或开发了自家的机器人系统，用的却是三种截然不同的控制方式。

以机床起家的寒冰谷，采用的是超算管理型……因为玉剑山销售的参照物是联合计算机，这个坑不那么容易爬出来，寒冰谷的超算还在很初级的状态。

超算管理，就和玉剑山建立赛博坦网络之前的状态差不多，跟玩即时战略一样，集中处理前方机器人采集到的数据，人工批量控制机器人。