（来源：上观新闻）
问：你如何看🏡待自己在🎲👩👦👦公司的定位，和📌™董事长邓泰⚽🚙蜜臀色播华之间是如何🐜分工的？ 彭志🍰辉：其🗄🎇实大家关注🇹🇲📔我的都知道，我👯♂️👚的账号也不更新🌕了🤐🏏。就像你发现了一🍄🥑个方程式，你🇦🇸🥠顺着它去推🥀演，可以🕒推演出会🔽🇦🇷发生的事，只👨🦳是它在已知的世界🇪🇭里还没有🌬🇺🇳发生🚼🏴。官方入口和第三🐄6️⃣方入口做一🇲🇸‼次对照，🍢先排除中间🇱🇺🔵商这一层🍫。这套打法在🇨🇻♋华为体系🐺里是异端📗。
但一个😳尴尬的事☹🍇实正在〽浮出水面：机器人👩💻🥕的“脑🐐”越来越聪明🐀，“手🚛”却依然笨拙🍨🐒。结果是，这类组👩🦲🔢织运行〰是最差的🕺。现在预定得 🌁👩👩👧👦699 刀，也就🔷是 4770 😌🇲🇦多块钱，🍊能买国🥯🍖产 Pro🦸♂️ 级大杯了🦴😈。国内跟海外的差🦗🐂别在于说他们的基🕎🇹🇳础前沿创新👨🦰做得比较好🇸🇾⚗，但是🌭🕸中国在🦐工程化落地、💭供应链整合，还🙊有包括场景的丰富🧝♀️度上是有🥠很大优势的🇱🇦。Open⤵☠AI的早期员工里📽，有相当⚙一部分🙂✝人并非顶级技术🔤🧷专家，而是💹产品经理、设计师🥧❕、内容策🚥略师🇮🇲💎。
和Op👩💼enAI🚜🎰的上市🇹🇬竞速也是不争🌊的事实🍆。主机上的宠🦑🇱🇷物更像整个系统🤥🥔的陪伴📉➡中枢，会♿⚙随着孩🥵🍒子的互动逐步成长🛑和演化⏲。具体架构要素💬： 编码器💵🐮 E_🌩🇴🇲θ：V📏iT-L/H/🗺🇪🇬g（300M–1❔🏮B 参☦🧘♀️数），🇳🇪把视频切🇲🇦成 2×16×1🇲🇷🛰6 的 tube♈🥋let🈶😭 预测器 P💙💮_φ：一👩💻个轻量 V💲iT-🚒🤛S（约😝◽ 22M）预📶🔭测被 mas🔰🚣♀️k 部分的潜🔫空间表征 使🌖🔽用 3D-🇦🇽RoPE 位置编⌚⛎码（时间+H+W🕌📦） 约 9🇯🇴0% 的高 m🌡ask 比率，🖊🏎L1 损失🏖🇵🇦，EMA te🌑acher 防🇬🇵😀止表征坍塌 训练🔃🇩🇰数据 💇♂️VideoMi🚿🦢x22M = 🎒2200 🙇♀️🇧🇩万视频💗🍊 ≈ 100 万🦏小时互联网视频🛄 在 Somet🇺🇸🚙hing🌀-So👨⚖️📄methin🗻g v2 取得 👸77.3% to❣🇰🇼p-1（运👚动理解），Epi📷c-Kit😓🛳chens-💙4️⃣100 🎴⚔动作预测 39.🏘♻7 R🇻🇺🈁@5（SOTA）🐑👨🎨 为什么像素🤘🆘重建不适合碰🎵撞预测，而👳♀️潜空间预测适合？😁像素重建优化的🐢是"下一帧📹🌳长什么样"（🇼🇫视觉保真度），🎧🏹潜空间预测👳🏪优化的是"下🎑🌹一帧的👩⚖️🐄抽象语义/物🇷🇼理状态"（物理因😪果）🧔。
