楊傑倒沒有急着讓這款視網膜假體產品推向市場，畢竟現在機器人研製的視網膜假體產品在分辨率和視角寬度都達不到他的要求，而且手術失敗率很高，而且成本也過高。
按照楊傑的意思，這款視網膜假體產品加上植入的手術費能夠控制在10萬以內左右後纔會正式地推廣開，在這之前，技術團隊要做的還是持續地對產品技術進行研發改進。
畢竟視網膜病變患者並不是只有植入視網膜假體這一種選擇而已，通過視網膜移植手術也可以達到同樣的效果，而且費用更低。
反倒是技術團隊正在開發的眼球假體對於摘除了眼球的患者更實用，畢竟現在市面上的眼球假體並不能夠使患者的視力得到恢復，而是一種面部缺陷的補救措施。
而腦機接口的技術部門則是利用自己在視網膜假體產品研發的技術基礎上也是很容易地開發出了爲患者提供具有寬廣視野和高清圖像的眼球假體產品，因爲假體的後面可放置更多的微電極陣列，現在研製出的產品可以提供5000個以上的微電極陣列，已經可以爲患者提供辨別常用物體的能力，閱讀和人臉識別什麼的已經不成問題。
而且這款假體眼球可以做到讓患者控制眼球裡面的攝像頭上下左右擺動和調整焦距，這些都是技術團隊對視覺神經系統進行了大量的研究才做到的。
對於這款產品，楊傑倒是更願意讓其獲得國家食品藥品監督管理局的審覈認證儘快地面市。
現在腦機接口研發部門加入的專家已經越來越多，衍生出來不同的研究方向，視覺神經是一個方向，聽覺神經和嗅覺神經以及發聲功能神經系統現在都是有技術團隊在進行研究，並且都導入了梅溪湖大學人工智能研究院的人工智能技術。
梅溪湖大學機器人研究院方面之所以能夠在腦神經方面有這麼大的進展主要還是楊傑是花了大價錢聚攏了一批神經科學家過來。
不光機器人研究院，就連人工智能研究院的大型實驗室裡面也是有數位頂尖的腦神經科學。
梅溪湖大學的人工智能研究院自從將自己的神經網絡模型開發出來後在前沿科技上已經轉入了類腦人工智能方面的研究。
白冰正在在和不少頂尖的腦神經科學家聯合研發更接近人腦功能的新型神經網絡模型，差不多持續了四年多，現在也是取得了一些進展。
這套新的神經網絡模型是根據生物和大腦工程數位頂尖專家在腦動力學方面的研究理論衍生出的。
其實人類的大腦計算速度比數十年前的電腦還要慢，但是卻能自我評價對外界環境認知度，通過外部信號來處理信息。
這些頂尖的腦神經科學家通過針對這個方向也是進行了大量的研究，爲此也是建立了一套新的前頭葉控制理論模型，白冰研發的這套新型樹突式學習神經網絡模型就是根據這套理論建立的。
白冰他們的團隊在建立這套新的模擬神經網絡後也是不斷地研發這套系統裡面的樹突式神經元控制權重算法上進行了大量的優化調整。
結果這套沒有經過學習的新型神經網絡模型在進行學習時速度比之前的神經網絡模型要快得多，而且在不同任務的學習當中都是如此。
這也驗證了白冰帶領的技術團隊確實是找到了一種新的人工智能模型，而且是可行的。
這種能夠進行多任務訓練的神經網絡模型比起之前那種只能是進行特定任務訓練的神經網絡模型自然是具有更大的優勢，也爲之後能夠執行復雜任務的多功能機器人做好了技術儲備。
現在梅溪湖大學人工智能研究院現在也在爲這套神經網絡模型開始提供各種感知能力，並且訓練靈活處理各種信息的能力。
當然，梅溪湖大學人工智能研究院也是誕生了世界上第第一種神經元網絡處理器，然後用衆多的處理器芯片搭建起了一套系統。
這種處理器芯片架構跟大腦神經元網絡非常類似，具有包括輸入端、神經薄膜、信號發生器和輸出端，其中輸入端類似生物神經元的樹突，神經薄膜類似生物神經元的雙分子層，信號發生器類似生物神經元的神經細胞主體，輸出端類似生物神經元的軸突。
而神經薄膜是整個神經元產生作用的關鍵物質，它類似生物神經細胞中的液態薄膜，當能量吸收到一定程度時就會產生信號並向外發射。
這些信號經過輸出端傳導，然後被其他神經元接收，以此循環形成信息處理過程。
神經元網絡處理器大小跟普通的處理器沒有太多區別，不過裡面的架構卻截然不同，核心區域內密密麻麻的擠滿了數千個處理核心，用來模擬超過百萬個人腦神經元和上億個神經突觸。
這些處理核心每個包含了上百萬個晶體管，其中負責數據處理和調度的部分只佔掉少量晶體管，而大多數晶體管都被用作了數據存儲、以及與其它核心溝通方面，每個核心都有自己的本地內存，它們還能通過非常類似於人腦神經元與突觸之間的協同的方式來與其它核心快速溝通。
這種架構白冰帶領的技術團隊也稱之爲“神經突觸內核架構”。
在人腦中，神經元相當於處理器，一個成年人的大腦至少有數百億個神經元，每個神經元都與其它神經元相連，它們的連接處被稱爲突觸，突觸是人腦的存儲器，用計算機術語來說，這是一個極其龐大的分佈式計算系統。
這種處理器與存儲器緊密相連的結構，讓人腦內的通信效率非常高。
梅溪湖大學人工智能研究院在這種神經元網絡處理器研製出來後也是搭建了一套類人腦的神經元網絡處理器陣列的神經元計算機原型出來，這套計算機搭載了10多顆神經網絡處理器。
這套神經元計算機原型機也是進行了一系列測試，結果讓人非常驚喜。
沒有普通處理器和圖像處理器的這套神經元計算機消耗的能源要低好幾個數量級，而且學習的速度也是快得驚人。
在技術測試當中，這套計算機對人、自行車、轎車、大巴、卡車等多種物體都是有着非常高的識別率，而且消耗的能源只有一顆普通處理器的功耗的千分之一。
如此低的功耗比大腦消耗的能量還要少，甚至不需要散熱系統，現在技術團隊也是在研發新的這種神經元網絡處理器3D堆棧技術和封裝技術，希望極大地壓縮設備體積，同時極大地提升能源效率。
當然，這些都是硬件上的，而白冰帶領的技術團隊還在爲這套系統的神經元網絡模型進行優化。