下翻车了。
我们的集群阵列控制技术，就是通过一套去中心化的集群控制技术来通过连接中多个单位，然后实现有机连接起来，并将所有个体的系统连接在一起，共同组成一个去中心化的庞大系统。
这个庞大系统可以统一控制整个集群，并能够精确到个体。即便是失去了其中的一些个体，也不会让整个集群崩溃，指挥减弱它的系统运算性能罢了。
理论上来说，这种去中心化的集群阵列控制技术应该是没有数量限制的，现实中我们也实现了数万架无人机共同飞行的极限实验，并取得了非常理想的实验成果。
可是在这种智能微型机器人以及其所组成的集群阵列组合形态上面,却遇到了非常棘手的问题。
首先自然是数量少,尽管我们已经实验了数万架无人机集群阵列组合飞行的实验，但是运用到这上面就出现了问题。
而且我们要控制的智能微型机器人远比这数万架要多得多，如此多的智能微型机器人，要将他们按照莪们自己的意图有序的组合排列在一起，这上面的难度要远比控制数万架无人机飞行难得多。
简单来说，这些智能微型机器人单是排列组合形态理论上来说就有无数种，那么我们如何来实现这个智能微型机器人的组合形态无极变化呢，这也就需要用到人工智能算法。
而单个的智能微型机器人非常的小，里面能够容纳的硬件非常的有限，搭载智能控制系统后，算力非常的有限。即便是将它们都排列组合在一起，它的算力也不可能高到哪去。
举个例子，一万台智能微型机器人所组成的集群阵列系统所拥有的算力，却比不上一台32核计算机的算力。
如此有限的算力，要处理如此庞大的数据运算，这非常的困难，也非常的吃力。如果算力不够，运算处理不及时，就会出现控制卡顿的现象，可能我们这边下达指令，要到几秒，甚至十几秒，几分钟后，那边智能微型机器人才会有所反应，这样就失去它原有的价值了。
因此，我们要提升单个智能微型机器人的算力，让它的数据信息处理能力提升数十倍甚至上百倍，这样才能达到我们的要求。
所以，我们需要从低层做起，比如硬件中的处理器芯片，我们也要有针对性的设计。原有的单颗芯片已经无法满足我们的需要了，可如果安排多颗处理器芯片呢又会占地方。所以我们使用了一种全新的芯片制程工艺，那就是将多颗芯片堆叠在一起，形成一种多层芯