5亿年前，地球迎来了物种的大爆发，即“寒武纪生命大爆炸”。在相关的研究中，有一派的观点非常激进，他们提出：视觉的进化增强了物种捕猎及交配的能力，是造成寒武纪生命大爆炸的主因。当今世界，各种科技的发展导致多元性和适用性机器人的类“寒武纪爆发式”增长，许多关于机器人所依赖的计算、数据存储和交流的基础硬件技术正在成指数发展。

　　“云机器人”和“深度学习”这两项新兴的技术就可以影响技术在一个良好循环中的爆发性增长。“云机器人”这一概念由James Kuffner提出，是指可以通过网络互相学习的机器人；特别是在机器人的数量增长时，机器人的能力更是可以得到快速提高。“深度学习”算法是指特定程序通过对特定行为的模式进行提取并将之应用到更多的领域中。有研究人员指出这两项技术将成为机器人技术爆发式发展的主要原因，就像寒武纪时出现的视觉。

　　而机器人爆发可能将会持续多久呢？不知道。有人说我们应该研究电脑象棋游戏的历史，因为电脑可以凭借强大的运算及搜素和启发式算法战胜当下最好的棋手，然而死板的象棋系统在面对另一种类型的问题就完全束手无策了。这样看来，专业化的机器人在完成指定任务方面还有提升空间，而在现实生活中，仍待解决的问题还要更多。

　　不过不像已经编程象棋规则的电脑游戏，现在的深度学习算法则是使用在特定领域通用的学习方程，而这一算法已经应用在大量感知问题上，比如语音识别或现在流行的虹膜识别。美好的蓝图似乎已经展现：通过深度学习算法，机器人将能解决任何联想记忆问题。此外，和象棋程序不同，进步非常快的深度学习算法正在以期望中的速度渐进发展，甚至在专业领域不断带来惊喜。而近来云网络中越来越多的数据和计算资源让深度学习的进一步发展成为了可能。

　　深度学习的所谓“神经网络”实际上与已知大脑结构存在几个方面的不同，虽然其分布式的“连接”方式比之前的人工智能技术(比如电脑象棋程序)更近似于神经系统，不过类真正大脑的几个特点仍未完成，比如情节记忆和“无监督学习”。但看起来神经网络不久就能像人脑一样感知世界了，但神经网络能否像实现人脑一样的认知呢？经解剖学研究得出，大脑知觉版块和认知版块存在相似点。因此，有理由相信，带有记忆和无监督学习的机器识别将会在未来实现。

　　爆发的时间点实在难以预测。现在自动化和机器人(特别是无人驾驶技术)上的商业投资已有明显的加速，亚马逊、谷歌、苹果和Uber等备受瞩目的公司以及一些重量级的汽车厂商都在向无人驾驶领域进军。接下来，我会讲述一些现在机器人领域有突破贡献的重要科技，而社会伦理对机器人和人工智能的担心也在上升。

    推动机器人科学的八项技术

　　一系列与机器人相关的科技技术正在指数爆炸式地发展，在这里只列举了其中最重要的八项。前三个科技发展技术和个体机器人有关，接下去两个和互动有关，最后三个则是关于基于网络的未来云机器人。

　　1、晶体管性能

　　机器人是由传感器、执行器和计算机共同构成的，而计算机处理能力在不断上升。最初由英特尔创始人摩尔·戈登提出的摩尔定律指出集成电路上可容纳的晶体管数目每18至24个月就会增加一倍，性能也将增加一倍。尽管具体的更迭周期有所调整，但这一趋势已经持续了数十年，当然现在似乎开始出现一些瓶颈了。现在，半导体公司可以将晶体管制程压缩至14纳米，而一纳米可是难以想象的十亿之一米！这种量级已经接近物理极限，几乎就要进入单个原子的尺度了。当然现在出现了一些新技术还能保证单位体积计算性能的继续上涨，其中包括三维多芯片系统和量子计算等等。

　　2、机械设计和数控加工工具的进步

　　现代计算机辅助设计工具极大提升了机械设计师的工作效率、设计质量和复杂程度。数控加工工具近来也获得了许多突破——比如3D打印技术仅需极小的代价即可打印出高精度的3D模型，省去了耗资巨大的开模步骤。而嵌入式处理器所能实现的功能也越来越复杂，性能与可靠性亦有了巨大改进，所有的这些都增强了机器人的性能和可靠性。

　　3、电池容量

　　如果机器人是可移动的，他们需要找到能够储存或产生足够的电量的方式来维持运行。过去几十年里，电池和燃料电池都不能很好地达到期望值。锂电池比碳氢燃料的能量密度少了一个数量级，但差距正在逐渐缩小。在高需求且竞争激烈的便携式电子设备市场，电池技术方面的技术进步一直在持续；更不要说混合动力和电动车领域了。而超级电容作为一项全新的技术，比标准电池充放电速度更快，而且能够反复充电上千次，但电池容量方面还需要更大的进步。

　　4、对电池的高效利用

　　机器人依靠电池释放电能带动电机运转；电机越多，机器人对电能的消耗就越敏感。功率半导体充分利用了集成电路行业的技术进步，让便携式设备的价格也不再昂贵，而所有的电池都对电能效率十分敏感。LED是另一个快速发展的新兴市场，发光二级管可以以更少的电能实现更高的亮度和更广的照射范围，新型复合半导体(氮化硅和碳化硅)也将迎来以更低的价格实现更高的性能的时代。现在，云机器人的发展则开始依赖于图形处理器来实现大规模的数据处理。在未来，以大脑为灵感的神经硬件所消耗的能量将会更少。