（来源：上观新闻）
这才是“AI降智🍵”这个话🇦🇱题真正让人🚕🐎难受的😧🐲地方💧🐷。拉奥在🥠融资方面的管📂理风格，用一个🐘词来概括就是“霸♊🇦🇿道”🧻🍔。最后，🇸🇭🧟♀️工业场景比家🕍📃庭场景和🧓🇭🇷商业场景更可控🙂。
与去中心化🤯🤑相呼应的另一条腿🇹🇬🌵是AI🍓🇨🇦。具体架构要素◾🌯： 编码器 E🇧🇯💱_θ：ViT💏🦋-L/H/g🐗🇧🇪（300M–1B🆔🇦🇫 参数），把🇳🇴视频切成 🕷2×1⛹️♀️6×1♻6 的 🦕tub😑🥌elet 预测器🥰 P_φ：一🧖♂️🇱🇰个轻量 V⭕🍂iT-S（约 2🍲2M）🧁🇬🇭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 ma👩💼🧹sk 比🇫🇷率，L1 损失🗓🥞，EMA t🇲🇷🈚eacher 🦝防止表征📔坍塌 训练数🥓🕣据 Vid♍👩❤️👩eoMix22🐷M = 22🇲🇻00 万🍫视频 ≈ 👩🎓🙋100 万小💇时互联网🎷🍔视频 在 So💫🦖methi⏲ng-So⬅📲met🇩🇿hing v2🧲 取得 77.🤑3% to🇪🇦p-1（运动🗑🈁理解）🤜🛐，Ep🇧🇹🗳ic-Kit😨chens-10🛩0 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）🖐🖲。
16年前，我创办🐦🇲🇸小米的🚱时候，就👨👩👧👦🤵是抱着🕙💜必胜的信➿♿念，倾🇱🇻🧯听各种声音🚏🗼，持续努力，🎖🙃直到现在🌉🧖♀️。Anthrop🇧🇦ic在做动🚂态算力👨🎓🇪🇨分配，简单问题少👨🦳♒转几圈，难题多🛸🆙转几圈🎡。
