（来源：上观新闻）
▲ 图片来源：C🏌hatG🇹🇱🌴PT 放在🐽🦜这个框架下，🇷🇼🎼SpaceX转向🇸🇦AI，本质上也🚥不是一件等技⛹️♀️术完全成🦷熟才开始的事情🌇👨👩👧👧。原生视🤺觉和音频理解💘，Vid👨👨👧👦🧯eo-MME🍶🚹达87.7分，接🍏🕡近Ge😻👩👩👧👦mini 3🌁🍉 Pro的8🇳🇪8.4分🎄🎖。12名人类专♋家负责全流程🧿标注，不仅设计问🖱题，还要🎿为每道题精心🧐😤打磨8个选🥓🐷项🐴。大概能便宜60%☯左右🔜📗。在面对VLA结合😘💕强化学习的研究方🇧🇿8️⃣向时，开发🤥🚫者往往要面🙄对两座大山〰🕧：动辄数十亿📊📒参数带来的极低的💫⏸推理效率的门🇦🇲🉐槛，以及微调👩👦👦时极易🏂引发的“灾难性遗🌮忘”难题🏁。
如果说上一轮互👩🌾联网的入👳♀️口是Ap🆙p，这📟一轮AI入口🍟🍈不是模型，是系😧🌃统💧。从另一个角度看，🔦👄这更像是一种🐊◼权力的集中—👒8️⃣—关键资源、关键♥🇱🇹技术、关键基础👏设施，🤜🚵被尽可能放在同一💿🤴控制框架下🎺。传统训🚕🔋练模式有个老大🌓🌱难问题——学新⏱的忘旧的，也就🏠是业内公认的“🇭🇷灾难性🇲🇸🍊遗忘”🇲🇲。。1.2万名人类跑🌱🍺者与100多支👢机器人队伍，在◽安全隔离🌽带的两边同🌐👩🚒时起跑✅🗑。我们公🌭司我还搓了🅾📻一个skil➕♻ls同步平📶🇪🇪台，因🛫🇳🇪为有很多💌↗同事自己都🦌🇬🇩会搞各种🚄各样的sk🥍⚙ill，也🇲🇪😂会经常分着用🧖♀️🇦🇬，但是以前的分🎊🌧发效率太低下了，😺🇳🇷都是在🐅🇬🇦微信上互相传s🌳kill，太🖤🥫呆了🌦📧。
