（来源：上观新闻）
具体架构要素：🙉 编码🚬🉐器 E🈯✍_θ：V🛬🇾🇹iT-L/H/g🌿🍒（300M–🇰🇾🍧1B 参数），把🇧🇫🌦视频切成 🔮2×16×16 🏴🍋的 tu🖇bele💮t 预测器 P_🇻🇺🛹φ：一🇨🇳个轻量 ViT-🅿S（约 22🍹🇬🇵M）预测👩被 mask 📰🔶部分的🇬🇸🧹潜空间表🧽🐱征 使用 3D🇯🇪-RoPE🇿🇦♾️ 位置编码👩👧👦🐞（时间💣+H+W） 约 🇾🇪🇻🇬90%🇳🇺 的高 🏨mask 比率，🤡👩👩👧👦L1 损失📖📸，EMA🚀 teacher😎🎗 防止表征坍塌♿ 训练数据🍨🕚 Video🗄Mix🔷🎨22M = 2🇹🇩🇨🇭200 🔄万视频 👨⚖️🐡≈ 100 万↙🧣小时互联网🍒🔛视频 🥣在 Somet📮🏋hing-✉Somethi🚒👨👧👧ng 🥵v2 取🕞🇫🇲得 77.3👬🏀% t🇹🇩op-1（运动理🤡🇵🇦解），E⤵🙏pic-Kit⛰che💥ns-10🇨🇻🎀0 动作预测 😢🇲🇾39.🏂🧘♀️7 R@🥾5（S🔤🧯OTA） 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）🇲🇸。
如今，有了Cla🐋♎ude Co🏨work的法🏯律插件，律🛋所就可以省🖌下一大笔费用，😶🇩🇪甚至砍🇲🇶🧱掉一些专门从W⬅estLaw⭐查资料的初🥰🐺级岗位，进一步🐈🚳压缩成本🚹。问：你们拆分出来🤚的几家比如擎天🎱柱，四足这些🥺业务，它距离完成🇨🇻扭亏为盈🧳🕚，大概还有🏃多长时间，🌑谁会是最快完成⬛的？你也提到它们🐈🌌也在市场上融🇵🇾🥌资，能😑否透露一下融资的🥌😜进度情况？ 📼🖲彭志辉：任何一个🏢👹行业发展初🇯🇵🐶期是需⚔🥒要大量基🇸🇻🎲础投入的🌍🆒。
未来的🕳🐲产业博弈不🤹♀️再局限于🛀模型参👓🙎♂️数层面的军备🦍竞赛，更是构建和🇵🇹驾驭这🍩🕵种认知基础设施🚳🍈能力的全🐼🈵面较量➿🧞♂️。而且大部分基🧝♀️金我现在也不在🕷 IC👩👩👧🍈，更多让团👩✈️🗻队独立决策👾。
