（来源：上观新闻）
在曹鹏🥞看来，三层“🥒数据金字🚃🇰🇬塔”建立👩🇧🇸起来才能获🙋♂️⚖得好的👨👦🙇数据集，训练出好🏡👹的模型😇。特别是「120👹W」这比果👮🦹♀️子大了几倍的数字🇺🇾，早已👩💻深入人心🌵。
决定智能体落地成🔘败的关键🈵，已经从单纯榨取☺👳模型内部算力，彻🇦🇮🐵底转移到了构建强🤽♀️🦛大的外部认知基础🍢设施上🇰🇾。一些行🏪业分析师指出🉐🔢，所有前沿模型🦂🇺🇬公司其实都面🦂🇰🇪对相似的算力和⏏成本压力，当🇦🇲使用规模继续扩大🎉🌇，节流🇶🇦、分层、权衡🌚几乎是结构性🍕不可避免🇵🇲🤾♀️的🎺📹。
部署/推理💭端：论文明确测🕑试了三类平台——🇳🇬 云端 GPU🌪🤓：NVIDI🗣🤵A A1🈸00（训练和基准🆕评测） 车载/机🇫🇯器人级边缘：💮📽NVI🙈🎼DIA J👪etson 📄Thor /🌦国内不卡一区二区三区 DRI🔔VE AG🎓👿X Tho🥴r（66 🔓ms 实时预算 🇯🇵@ 16 Hz🐝） 端🔆🧚♀️国内不卡一区二区三区侧 CPU：Fl🏎🤹♂️ash-🔈📇Lit👏e 甚⚫至能在纯 CP🇵🇹🕒U 上满足🛸实时 官方数🥓据显示 F🥥🧼lash-L🏳️🌈🤟ite 🧦在 A10👨🦱👷♀️0 上比😚👨👩👧👧旗舰快🇺🇾 12 👩❤️👩♏倍，在 NVI💷ⓂDIA Th🦁or 上快 ↪5 倍⏯🔤。
