（来源：上观新闻）
” Mini🙈👿Max 的判💑断很清楚：未😱👓来的竞🇲🇰☃争，不在单🇦🇺个模型的跑分🇹🇲高低，而🥐在谁能率先建起模🇶🇦型与 Ag🇪🇸🎏ent 框架互相👳♀️⏫成就的生态🚽🚋。这场物理 AI 💅竞赛中，中国制💕造以成本优势领🇲🇹🇧🇫跑，全球格局正被🇨🇫🐄重新定义🇸🇦。。投融资的🖱🔠节奏，🔚在外界看来应🇹🇫🇺🇲该因这场“泼天富🇲🇨🤷♂️贵”加速了🇪🇭🍻。去听那些一辈子🍰🆕都在研究这个的☹经济学家🇬🇬。晚点：我觉得你👩🚒🔼是在用极🇨🇱小的资源🧠🔛撬动极大的🌿社会资源，最终🇺🇾🥉是为了2️⃣🍬完成你的🇱🇦☹永远免费梦想✅。
有网友调🇦🇶🇦🇶侃：“👩🦲😥‘砍一刀’不📿是白叫的🕵，这次是🇪🇬真的砍到了执法人📽员”💋💤。正如中国科学✍院自动🚔化研究📵😑所王亮👨👧👦所言，机器人必须🇭🇰🖱对物理世界🎀🖋有基本的预测🦈🤓能力，包括⚖🥈理解物体的材质、🇹🇭重量、运动趋👥势等💺🦓。。晚点：可你一直🧙♀️🇮🇴强调 “🥩🇧🇷你不会失败”，⏮🚕这本身不◽⚙符合规律👩🎓🇱🇺。投资界🚷🇹🇩此前和一位D🇧🇶eepSee‼🔲k研究员交🕵🇸🇻流，聊及🕊公司，一律保🕌💵持缄默🕔🐼。具体架🖊🇼🇫构要素🇭🇺： 编码器 E_🏳️🌈😆θ：ViT-🇧🇩L/H🇰🇬/g（30🏴0M–⚔1B 参数），⚰⛄把视频切成 👩💻2×16×16🚏🥢 的 🏫tubel🇹🇿et 预⏲👨👧测器 P_φ🇧🇳：一个轻量 Vi👩❤️👩T-S（约 22✡M）预⚠永远免费测被 m🌠🌉ask 部分的潜☁💢空间表征 🙆🍭使用 3D-R👏oPE🉐 位置👇编码（时间+H🛹🚒+W） 🇦🇱👋约 90% 的🔨高 mask🇺🇸 比率，L🛋1 损失，EMA🇸🇱📚 teach♑🥕er 🧛♂️⌚防止表征坍塌🌅 训练数据 📴🍪VideoMix🇧🇧22M = 22⏬00 万视🇬🇭频 ≈ 1💚00 万🛄小时互联网🇱🇧🇨🇵视频 在 🏴Som🥾🍪ething-©🐃Som😗ething ⛷👨🎓v2 取得 7🥭🚈7.3% top🐽-1（运动理解）🏊，Epic-K🚦itchens🎓-10🇲🇦0 动作预测🍎🐑 39.7🦝👨👦 R@5（SO👃🦑TA） 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）🚄。
