“总不能让它包打一年吧？”

“所以我们为它准备了帮手，这两款手机上都搭载了我们自研的AI芯片Brain1，可以为用户带来全面的体验增强。”

“相当于多少岁的智力？”老王好奇道。

马竞苦笑摇头，“相当于100万神经元，大概是蜂脑的水平。”

“这样啊，”王山顿时泄了气，PU用几十亿晶体管，人脑有近千亿神经元，百万模拟神经元完全不够看呀。

对面自然注意到了他的表情，并没有多做解释，坦然地笑了笑，“不是越复杂就越好的，采用什么模式才是最重要的。以现在的技术水平，说有几岁智力只是打比喻，根本不回事。4岁小孩可以经过训练升级成5岁小孩，AI可以么？”

“蜜蜂研究了这么多年，也只能做出接近虫脑水平的芯片，在云端平台的支持下可以实现各种应用，或者把它当成本地加速器会比较好。”

人工智能技术在上个世纪就曾经火热过一阵，语音识别、语音合成、笔迹识别等应用当时都已经出现，1997年IB深蓝超算打败国际象棋大师卡斯帕罗夫，更是让人们乐观地相信未来不远。然而等到相关产品真个上市，用户发现使用效果简直差的离谱大感失望，相关企业看到风头不好就都放弃了研究，倒是大学里还在坚持着。

而随着计算机性能的提高，语音、指纹、虹膜等生物信息的识别终于变得可用起来，再加上智能手机对生物识别的强劲需求，旗下深度学习实验室打造的超算打败围棋冠军，一下子让深度神经网络NN、卷积神经网络NN成了网络热词，从中既可以看出公众对AI技术的强烈兴趣，也能看到AI的光明前途。连号称无法攻破的围棋都搞定了，其他还不是洒洒水？

不过在马竞看来，这一轮热潮其实泡沫很大，因为我们现在还是不知道智能怎么产生。

大脑是个黑盒子，智能也是个黑盒子，我们只知其然不知其所以然。因为未能正确解释相关机理，人工智能研究同样是在对着黑盒子摸索。虽然手上多了神经生物学、数学的研究工具，模拟器的硬件规格也提升了好几个数量级，却不能改变本质。

这种情况下，盲目乐观只会导致更大的错误，所以他宁愿审慎一些，保守一些。

“我想起来了！”老王忽然惊叫一声，吓得蛐蛐青蛙全都躲起来，周围顿时一静。

“想到什么？”马竞悠然问道。

“你们的蜜蜂博士已经考上大学了么？这还不能代表18岁高中生水平？”

“还差得远呐！合格的高中生是要能改变世界的，至少也要有这个潜质。”

“你也看网络？”

“看啊，有些脑洞还是有参考价值的。”

互相交换了推荐书单，王山又把话题绕了回来，“那也很厉害了，至少日本那个高考机器人到现在还没考上。”

“不一样的，日本大学都是自主命题的，而他们的目标东大又以题目困难著称。就算是我们也不一定能搞定，我们成绩最好的理科生不也照样没够不上这里的分数线么？”

“那也不错啦，这新闻当时真的吓我一跳。”