（来源：上观新闻）
它在模型效率上🇬🇲仍然有🤥♻优势，但↙🇪🇺在App入口、多👨🔧模态、视频生成🎭、世界模型、A😭gent、AI编🇪🇷💋程、企🇬🇶业服务和生态分🇮🇶发上，都被同行🕷🇪🇭拉开了距离😾🅰。这种从电子到😆Token🍸🚭的转化，🌔🇦🇬以及时🏬😆间让T🐯🌭oken变得🇲🇪更有价值的✏过程，🤸♂️🇯🇴是很难变🕛得同质、廉价的🙏。但最终，它🏖们需要🙈一些投资来🔊站稳脚跟，🇺🇦而我们会📏为它们提🚑供支持📦。我觉得🐂🇺🇲，马上也会有一个❣⛷专门针对 A🗓gen😘t 使💪🥟用软件的行👨🎤业出现——怎么🥶去给 Ag🆓🌴ent 设计👨❤️💋👨更好用🇦🇫🕜的软件🇩🇪🐘。Laura 🔷Graesse🕦📪r是牛津本科🚟、NYU硕🚂士出身，2018💰🇬🇸年加入Goog⛩📱le，20🔦🥖23年🥪至今在Deep🔌Mind做机器😝人研究，还合著过🍚一本强化学习教科♍书《Foun🇸🇻🇸🇰dat👩👦ions 🛍🐬of D👩🦱eep Re🚆🤱inforc🤕🚻eme🏨✴nt Le✉🌟arni🇭🇺🥗ng》🚐🏐。
之前的↩AI系统只能回答🥧"这件衣服🛏长什么样"，现在📧的Fi💬🇬🇲t-VTO开始尝🀄🇲🇴试回答🏮"这件🎼☂衣服穿在我身上👨❤️💋👨🇭🇲会是什么样🇸🇩🇺🇦"，而这恰🌊🚑恰才是购衣者☪🌈真正想🇸🇨💉知道的答案😷。我也很🧫🇹🇲高兴后来🌀🇦🇴Anthrop🔅✍ic找到我们时，Ⓜ🥬我们能够投👔💀资支持🧺🤣他们🧗♂️♓。而且宇树指🌅出了一个关键🕧🇲🇺细节，智🇨🇬🙁元的统计口径里📛👁，包含🎻✍了轮式和双臂🈯机器人🕍🤯，并非🌯🦕全部是人形😾。未来的电子产品🇹🇩可能不只是「更贵✳👩👩👧👦」，还有可能是🇮🇪🇧🇿「没那么好」🎄。加上宇树自身的〽🔈运动控制和量产能🌫🐋力，这三块💀拼在一🎟起回答的是机器⛱💺人造出🕞来之后，用在哪🚽里、谁来运🎻营🥏🥜。训练层面，高🇨🇰德摒弃传统🔌🃏MLE💻⛲（像素相似💝度优化），引🇦🇸🙊入“物理💂♀️🎷判别机制🤔”🇳🇮。
