五軸以上、高加工精度的自動機床，在提升一個國家的綜合機械加工能力方面的巨大作用，是不言而喻的。
為了提升這方面的國力，即使是顧驁這種提線做全局規劃課題的大人物，也是值得再親自出手、下一次場，給大伙兒做個樣板示範。
當然了，如前分析，顧驁並不是萬能的神，目前他能假借「研發攝影機械人」這個藉口竊取來的，只是這個大目標的一小部分——
也就是說，「提升自動化程度」這個分解目標，顧驁可以有所為；
而「提升加工精度」這個分解目標，他依然毫無辦法，需要國內的工程人員繼續自己奮鬥。
同時，即使是偷「提升自動化程度」這一細分目標，也是講究時機的。
歷史上，到了80年代後期，因為工業機械人的無刷電機技術取得了突破性進展，以至於數控機床的很多連貫性變速加工動作的控制得到了巨大提升，也開始對「加工精度」體現出越來越大的幫助。
以至於美國和曰本對這方面的技術重新卡得越來越緊，甚至在87年東芝事件後一度重新收入紅區。
所以如今趁着配套技術還未成熟、整個價值鏈尚不明顯，先偷出來研究着，將來是有很大好處的。
這裏面的細節，諸位看官也沒必要惡補了，說了也不懂。
一言以蔽之，那就像是「沒有智能手機出現之前，siri的語音識別控制技術前途不大、沒那麼值錢。而配套的智能手機這一集成平台出現後，siri技術反而值錢了」差不多道理。
打的就是「研發者還未來得及充分意識到其值錢程度和應用廣泛性」之前的時間差。
另外，顧驁在課題辯論中提到的「庫卡公司的攝影機械人肯定會因為西方國家的勞動安全法律限制，無法自力研發完成」這個論斷，也絕對不是虛言。
而是被後來的歷史所證明的了。
因為德國和美國對工人、演員的生產安全性近乎變態的保護，庫卡機械人的這個構想被拖延了整整30年。
一直到2006年多倫多大學的傑夫.辛頓教授弄出「深度學習算法」，讓人類進入深度學習型人工智能時代後。
2010年，美國一家力回饋自動修正預設工程的工業機械人公司、rethink-ribotic，才弄出了「可以讓機械臂遇到意外的障礙物後，立刻因壓力傳感器而停止程序動作、並在力回饋的大數據指引下、自行學習新的替代作業動作」。
然後，庫卡機械人才從rethink-ribotic的設計啟發為基礎，把攝影機械人也做成擁有撞到演員/攝影師後會自動修正「學習」運鏡軌跡的功能。
這也是沒辦法的，德國工業在寫死程序的數控加工時代，站到了世界巔峰（和曰本一起），但也正是因此，德日兩國在舊時代做得太完美，錯過了進入人工智能時代後的彎道加速，切換賽道時遠遠被中美甩開了。
一個民族太嚴謹，太規律，往往在解決「如何應對不守規矩的意外擾動」時就缺乏想像力。而中美沒有德日那麼規律、嚴謹，他們不守規矩，也就擅長應對不守規矩，擅長「隨時隨地學習如何處理意外」。
這就是克里斯坦森所說的「創新者的窘境」吧，上一個世代做的越完美，社會整體技術環境向次世代躍遷時，你就越容易死。
後世德國庫卡機械人2012年最終完成該項目時，它已經被中國的「美的」收購了，不再是一家獨立的德國本土血統公司。（實話實說，現在在「深度學習」的算法工程師領域，中美比德日領先太多了）
顧驁前世在阿狸系幹了這麼些年，對於大火的人工智能周邊應用，當然都是略有研究的，雖然自己寫不出算法，至少懂大略的邏輯。
所以上述這些「秘辛」脈絡，他心裏有數。
由此反推，他也可以得出一個大膽的結論：
庫卡機械人花了30年的時間，一直等着，等到「深度學習智能」出現，才解決了「自適應突發意外」的問題。
換言之，如果顧驁不在乎這些極小概率的「突發意外」，哪怕就做成一個撞上了演員後還會繼續按原定
第123章 生與死輪迴不止
