窗外的阳光透过百叶帘切成细条落在了桌面上，空调出风口的风向叶片在一片寂静中发出极细微的机械转动声，夹杂著偶尔从楼下工区传来一阵短促的笑声，很快又归於安静。

关於智慧机器人的情感记忆问题，肖宿还是没有找到適合的解决方式，所以他决定先换个方向，在铺平这条路之前，先把硬体上的短板补上。

网络信號，是他梳理出的第一块必须补齐的短板。

网络信號看上去对智慧机器人的影响不大，其实却是最不可或缺的。

当前市面上几乎所有家庭服务机器人的一整套运行逻辑，其实都是跑在同一套端侧採集数据架构上的。

首先就是机载边缘计算单元做初步降噪和特徵提取，然后通过wifi6或者5g协议传回云端的智能服务平台，在跑完大模型推理之后，最后把动作指令序列又传回机器人来执行。

极昼一號的运行和市面上的那些没什么区別，它的多模態感知系统的数据流就是先匯总到机载边缘计算单元做初步降噪和特徵提取，然后再通过wifi6协议传回到恆科云端的智能服务平台，在跑完小智推理之后，最后把动作指令序列传回机器人来执行。

这一来一回，中间还要经过网络传输的编解码延迟和伺服器端的排队等待。

在网络通畅的时候，端与端之间的延迟大概在一百五十到三百毫秒之间。

这个数字在家庭服务场景下勉强还是可以的，只是动作衔接会有一些卡顿而已。

但是一旦网络不好那就完全不是那么回事了。

恆科官方论坛上就有用户抱怨过，极昼一代在晚上用网高峰的时候，让它去厨房拿个东西，它都能站在客厅原地愣半天，有时候甚至会因为云端返回的指令包丟了几个导致动作做到一半停住，动作慢的像一台卡了碟的老式dvd机。

很多用户开玩笑说这就是机器人的老年痴呆症。

但这个问题其实不在於恆科的软体水平，他们的小智框架在推理侧做得已经很好了，真正的问题根源在於，当前整个行业都在走的端侧採集加云端推理的架构路线。

这不是哪家公司的问题，而在於通信基础设施本身。

现在的5g网络，理论峰值速率確实可以做到二十个g每秒，端到端的延迟已经可以压到一毫秒了。

但是理论是一回事，实际部署是另一回事。

sub-6ghz频段的5g在真实环境下的延迟，算上信號在基站之间切换的抖动、骨干网的路由跳变、云端伺服器的负载波动，能稳定在几十毫秒的就已经是运营商重点保障的专线了，而毫米波频段虽然延迟更低，但是覆盖范围小得像洒水车刚过就干了的地面，穿一堵墙信號就能断一半。

像极昼一號这种家庭服务机器人，工作环境是钢筋混凝土结构的居民楼，wifi信號穿两堵承重墙，丟包率轻轻鬆鬆就能过百分之十。

恆科的工程师为了在这种情况下还能让机器人跑起来，已经在通信协议栈上做了非常大量优化了，前向纠错码的冗余度调得也比行业標准高了整整一倍。

但是这本质上是在用更多的带宽开销来对衝掉信號衰减，是治標不治本的。