杨杰倒没有急着让这款视网膜假体产品推向市场，毕竟现在机器人研制的视网膜假体产品在分辨率和视角宽度都达不到他的要求，而且手术失败率很高，而且成本也过高。
按照杨杰的意思，这款视网膜假体产品加上植入的手术费能够控制在10万以内左右后才会正式地推广开，在这之前，技术团队要做的还是持续地对产品技术进行研发改进。
毕竟视网膜病变患者并不是只有植入视网膜假体这一种选择而已，通过视网膜移植手术也可以达到同样的效果，而且费用更低。
反倒是技术团队正在开发的眼球假体对于摘除了眼球的患者更实用，毕竟现在市面上的眼球假体并不能够使患者的视力得到恢复，而是一种面部缺陷的补救措施。
而脑机接口的技术部门则是利用自己在视网膜假体产品研发的技术基础上也是很容易地开发出了为患者提供具有宽广视野和高清图像的眼球假体产品，因为假体的后面可放置更多的微电极阵列，现在研制出的产品可以提供5000个以上的微电极阵列，已经可以为患者提供辨别常用物体的能力，阅读和人脸识别什么的已经不成问题。
而且这款假体眼球可以做到让患者控制眼球里面的摄像头上下左右摆动和调整焦距，这些都是技术团队对视觉神经系统进行了大量的研究才做到的。
对于这款产品，杨杰倒是更愿意让其获得国家食品药品监督管理局的审核认证尽快地面市。
现在脑机接口研发部门加入的专家已经越来越多，衍生出来不同的研究方向，视觉神经是一个方向，听觉神经和嗅觉神经以及发声功能神经系统现在都是有技术团队在进行研究，并且都导入了梅溪湖大学人工智能研究院的人工智能技术。
梅溪湖大学机器人研究院方面之所以能够在脑神经方面有这么大的进展主要还是杨杰是花了大价钱聚拢了一批神经科学家过来。
不光机器人研究院，就连人工智能研究院的大型实验室里面也是有数位顶尖的脑神经科学。
梅溪湖大学的人工智能研究院自从将自己的神经网络模型开发出来后在前沿科技上已经转入了类脑人工智能方面的研究。
白冰正在在和不少顶尖的脑神经科学家联合研发更接近人脑功能的新型神经网络模型，差不多持续了四年多，现在也是取得了一些进展。
这套新的神经网络模型是根据生物和大脑工程数位顶尖专家在脑动力学方面的研究理论衍生出的。
其实人类的大脑计算速度比数十年前的电脑还要慢，但是却能自我评价对外界环境认知度，通过外部信号来处理信息。
这些顶尖的脑神经科学家通过针对这个方向也是进行了大量的研究，为此也是建立了一套新的前头叶控制理论模型，白冰研发的这套新型树突式学习神经网络模型就是根据这套理论建立的。
白冰他们的团队在建立这套新的模拟神经网络后也是不断地研发这套系统里面的树突式神经元控制权重算法上进行了大量的优化调整。
结果这套没有经过学习的新型神经网络模型在进行学习时速度比之前的神经网络模型要快得多，而且在不同任务的学习当中都是如此。
这也验证了白冰带领的技术团队确实是找到了一种新的人工智能模型，而且是可行的。
这种能够进行多任务训练的神经网络模型比起之前那种只能是进行特定任务训练的神经网络模型自然是具有更大的优势，也为之后能够执行复杂任务的多功能机器人做好了技术储备。
现在梅溪湖大学人工智能研究院现在也在为这套神经网络模型开始提供各种感知能力，并且训练灵活处理各种信息的能力。
当然，梅溪湖大学人工智能研究院也是诞生了世界上第第一种神经元网络处理器，然后用众多的处理器芯片搭建起了一套系统。
这种处理器芯片架构跟大脑神经元网络非常类似，具有包括输入端、神经薄膜、信号发生器和输出端，其中输入端类似生物神经元的树突，神经薄膜类似生物神经元的双分子层，信号发生器类似生物神经元的神经细胞主体，输出端类似生物神经元的轴突。
而神经薄膜是整个神经元产生作用的关键物质，它类似生物神经细胞中的液态薄膜，当能量吸收到一定程度时就会产生信号并向外发射。
这些信号经过输出端传导，然后被其他神经元接收，以此循环形成信息处理过程。
神经元网络处理器大小跟普通的处理器没有太多区别，不过里面的架构却截然不同，核心区域内密密麻麻的挤满了数千个处理核心，用来模拟超过百万个人脑神经元和上亿个神经突触。
这些处理核心每个包含了上百万个晶体管，其中负责数据处理和调度的部分只占掉少量晶体管，而大多数晶体管都被用作了数据存储、以及与其它核心沟通方面，每个核心都有自己的本地内存，它们还能通过非常类似于人脑神经元与突触之间的协同的方式来与其它核心快速沟通。
这种架构白冰带领的技术团队也称之为“神经突触内核架构”。
在人脑中，神经元相当于处理器，一个成年人的大脑至少有数百亿个神经元，每个神经元都与其它神经元相连，它们的连接处被称为突触，突触是人脑的存储器，用计算机术语来说，这是一个极其庞大的分布式计算系统。
这种处理器与存储器紧密相连的结构，让人脑内的通信效率非常高。
梅溪湖大学人工智能研究院在这种神经元网络处理器研制出来后也是搭建了一套类人脑的神经元网络处理器阵列的神经元计算机原型出来，这套计算机搭载了10多颗神经网络处理器。
这套神经元计算机原型机也是进行了一系列测试，结果让人非常惊喜。
没有普通处理器和图像处理器的这套神经元计算机消耗的能源要低好几个数量级，而且学习的速度也是快得惊人。
在技术测试当中，这套计算机对人、自行车、轿车、大巴、卡车等多种物体都是有着非常高的识别率，而且消耗的能源只有一颗普通处理器的功耗的千分之一。
如此低的功耗比大脑消耗的能量还要少，甚至不需要散热系统，现在技术团队也是在研发新的这种神经元网络处理器3D堆栈技术和封装技术，希望极大地压缩设备体积，同时极大地提升能源效率。
当然，这些都是硬件上的，而白冰带领的技术团队还在为这套系统的神经元网络模型进行优化。