如果以人眼能够观察的范围作为一个场景，那包括其它感官能接受到信息也基本局限在这个场景中。
细算下来，人类经常活动的区域中所含的场景数量不会超过一万个，甚至更少。
比如人类的住所，用十几个场景就可以涵盖了。
而智能机器人的活动场景就更少了，它们在这些有限的场景中活动时，不需要每一瞬间都记录下所有的场景信息。
它们只用记录下场景变化的信息，而它们的传感器能够识别的变化或者说是允许识别的变化其实非常有限。
这样一来，它们每天需要存储处理的外部信息应该不到实时记录量的万分之一。
因为在它们的光脑上已经预装了或第一次进入时就有了这些场景的基本模型，需要存储处理的只是场景变化量。
而这些场景模型是可以通过联网进行共享，更新的数据同样可以共享。
更重要的是，这些场景模型在成千上万的智能机器人的不断完善下，甚至可以在超级伏羲光脑中构建出完全真实的人类社会模型。
这种方式同样可以应用于智能机器人的学习上。
每一个机器人在日常工作中的一点一滴知识经验的积累，通过共享，都会给整个机器人体系带来进步。
这样的进步通过上百万倍的放大，是非常惊人的。
简单来说，就是一个机器人学会了，所有机器人都会了，这就是机算人的优势。
张亮的发言让所有人震惊了。
如果说桂彬是在机器人体内建立个大型网络，那张亮就是把所有机器人连接成一个超大型的网络。
张亮的想法不仅解决了智能机器人的运算问题，也解决了智能机器人的学习问题。
智能机器人的“智能”问题算是完美解决了。