非逻辑算法：城市入局机器人产业的先决条件

一个城市能否入局机器人产业，其核心在于城市对“科学”研发模式的选择。

在“九阶判定”的第一环节——研发环节，由于机器人产业从“制造”向“科学”的迈进，原来“产—学—研”的逻辑转变为了“研—学—产”，即曾经研发与制造可以在地理上分离，甚至可以不需要研发环节，“制造”中的技术创新就已足够。而现在短期内出现的几项技术只能解一时之困，若要真正在机器人革命中立于不败之地，就必须涉足“科学”的原始创新并为此搭建研发环境。

要想知道一个城市应搭建怎样的研发环境，就要先明确机器人研发模式具有什么特征。

1.研发模式判定——线性研发模式？错！是非线性研发模式

科学创新有两种截然不同的模式——线性研发模式与非线性研发模式。线性研发模式将基础研究和应用研究拆分为上、下游关系，认为只有进行基础研究才能发现新知识，进而才能开展应用研究，并且两个步骤通常在不同的科技实体中进行。在线性研发模式下，基础研究和应用研究环节的突破能够采用集中攻关的方式，如“两弹一星”等重大科研任务就是在核裂变基本原理清晰的条件下，集中进行目标明确的应用研究。在非线性研发模式中，基础研究和应用研究并非线性模式中的严格渐进，通常表现为一个科技创新实体中既有基础研究又有应用研究，两个阶段交叉融合、相互推进。

智能机器人作为融合了物理、数学、化学、计算机科学、生物学、心理学、工程学等的交叉学科，无论基础研究还是应用研究领域的成果，都会出现众多方向和无法预料的可能性——源源不断的应用需求刺激新研究成果的产生。即使是同样的应用需求，也会出现不同的技术路径。例如，针对储能这一机器人核心难题，既可以提升能量密度，也可以研发新的柔性电极材料，还能让机器人身体内循环电池液，作为“血液系统”为机器各个组件传递能量。

因此，机器人研究中应选择非线性研发模式，细分方向、松散组织，既开展多样的基础研发，又同时开展应用研发，才能加速机器人这一交叉学科的研究，真正发挥出乘数效应。机器人的研发更倾向于以应用研究作为驱动——从多样化的实际需求出发，研究各种用途和结构的机器人，并在这个过程中反向推进基础研究领域的新突破。

在智能机器人领域具有绝对优势的美国，选择了非线性研发模式：在柔性机器人和仿生机器人的研发中，实现了液态金属和人造肌肉等新材料领域的突破；自动驾驶汽车作为机器人领域中率先市场化的代表，为解决能量续航问题，成为研发动力电池能量密度提升的核心力量；为清理美国三里岛核泄漏废料而诞生的场地机器人学科（Field Robots，是指在动态、非结构化环境中运行的非工业移动机器人），在研发过程中开辟了机器人移动技术、导航与路线规划方法、先进的传感系统等基础研究领域，随之，又以基础研究领域的新发现再次推动更多种类机器人的研发。

反观日本，由于在智能机器人研发方向上锚定了人形机器人。就此，出现了明确的目标和技术路径导向，这就导致本来应该是非线性研发模式的机器人展现出线性研发模式的特征。在1967年日本召开的第一届机器人学术会议上，就对机器人强调了应当仿人的含义，即靠手进行作业，靠脚实现移动，由脑来完成统一指挥。随之，其研究模式展现出按部就班的线性特点——首先通过几个阶段解决基础研究问题，第一是移动问题，第二是赋予视觉与听觉，第三是赋予自主控制与交互能力；再考虑如何融入日常生活。

其实，一些其他以应用为导向的机器人研究中产生的技术突破，可以更快地推动人形机器人的研究，如语音交互及图像识别技术、人工智能算法。但是线性创新模式使日本反而错过了这些研究方向，导致人形机器人并未满足家庭服务和娱乐的需求。

2.研发环境判定——开放式创新生态？错！是非线性研发源头(www.xing528.com)

那么，机器人的研发模式与城市有什么关系，是不是提供了开放式创新生态就可以了？并不是！非线性研发模式并不同于开放式创新生态。

开放式创新生态只需要广泛聚集科研机构、人才、企业、资金，让创新要素无边际地自由流通。而非线性研发所需要的生态不仅要在知识上有较高的流通度，还要在管理上有一定的聚集性，也就是“画在圈内的自选动作”。机器人本身作为一个单独的学科，虽然需要有力学、机械学、生物学、材料学、计算机科学等学科作为研发支撑，但更需要这些研究成果都汇集在一个共享池中，为机器人学科服务，让各个学科研发的劲儿往一处使。这就需要有一个统一的运营机构来管理、组织一个非线性研发源头。

因此，能够作为非线性研发源头或研发锚点的机构，通常是在机器人领域具备顶尖水平的一所大学或一个科研院所——在城市中需要一个体量足够大的学术源头，才能够同时囊括多个支撑学科的基础创新；同时，还需要这一学术源头通过内部管理保证学术的统一性和聚集性，统筹把握各学科的研究方向。

世界上顶尖的机器人集群就是最好的例证：在美国三大机器人聚集区——波士顿、匹兹堡、硅谷中，虽然波士顿和硅谷确实具备开放的创新生态，但是机器人产业其实是由大学主导的，麻省理工学院和斯坦福大学分别是波士顿和硅谷发展机器人产业的创新源头，并采用了非线性的研发模式。特别值得一提的是位于宾夕法尼亚州的匹兹堡——一个只有30万人口^[1]的小城市。虽然匹兹堡并没有足够体量的开放创新生态，但是凭借卡内基·梅隆大学在机器人领域的超强实力，在机器人产业上匹兹堡却能够比肩波士顿和硅谷——拥有 1 600多家科技与机器人公司^[2]。这充分说明了一个聚集的非线性研发源头而非无组织的开放创新生态是发展机器人产业的源头。

麻省理工学院位于波士顿，加州伯克利和斯坦福大学位于旧金山湾区，都是位于大都市区内、学术规模和综合实力皆为顶尖的学校。大都市资源丰富，对人才的吸引力更强，其学校高水平学科众多，能有强大的计算机和机器人研究实力不足为奇。但是匹兹堡是一个小城市，卡内基·梅隆大学也是一所规模并不大的学校。为什么它能培育出雄厚的科研基础呢？

卡内基·梅隆大学作为匹兹堡机器人技术的“母系”，其计算机学院从规模和质量上都是全美第一，并且是最早创建计算机科学系（1965年）、开设人工智能课程（1986年）的大学之一。卡内基·梅隆大学的计算机和机器人学科本身相对于全美更具比较优势——学校的教职人员中有第一任图灵奖获得者艾伦·佩利斯，也有人工智能的奠基人艾伦·纽厄尔、赫伯特·西蒙。作为美国曾经的“钢都”，20世纪80年代的匹兹堡寻求城市转型，匹兹堡果断放弃钢铁制造，希望利用大学的科研优势作为城市转型的“芯片”。匹兹堡与卡内基·梅隆大学一拍即合。面对城市小、资源有限的现实，城市政府与卡内基·梅隆大学达成共识，集中力量做好本地具有前景的优势学科——计算机与机器人。

为此，城市和学校向机器人学科进行资金和资源上的倾斜。卡内基·梅隆大学计算机学院设立了机器人研究所，由此汇集来自不同背景和专业的专家和学生，如数学、物理学、计算机科学等，力求将机器人研究所打造成为世界上最大的机器人研究与开发组织。直至目前，机器人研究所已经发展出38个不同方向的实验室和小组，人员总数近千名，是世界上最大的机器人研究与开发组织。

另外，机器人研究所重视交叉学科与实用研究，积极鼓励教师之间协作。除军工保密的实验室外都向研究人员开放，研究人员还可以根据自己的爱好加入不同的小组。机器人研究所还开展了众多跨学院研究项目，如与工程学院的“电气与计算机工程系”合作研发机器人智能微型传感器和执行器系统。

如今，卡内基·梅隆大学被誉为“拥有世界上最好的机器人研究设施”和“机器人研究和教育的标兵”，其研究课题的数量每七年就会翻一番，其培养的众多人才使匹兹堡地区拥有比MIT和斯坦福大学加起来更多的机器人专家。这些成就也使匹兹堡成为“锈带城市”中成功转型的典范。