（来源：上观新闻）
接下来，作者将这💁些使用记录与职🌁🏧业数据库🧒🚶中的任务进行🐅匹配🏊♀️👩🚀。我觉得其实这是说🦉🚶♀️明了两件事🇫🇴🤯：第一就🤜🇧🇩是那个时间点采👪集的数据量确🏘实是非🙃常大，而且之后一🇨🇻🇦🇽直有往里面增加💲数据，而数据🐬的成本、数🙀🇹🇫据的量是在实🚟时变化的⛅🍨。同时我们来🥼试图回答这🇲🇿🦕三个问题：👸 第一🦖💭：这些开源🏝模型分别走了📦🎊什么技术路👈🧗♀️线，为什么能挑🎂战巨头？ ⬛第二：开源🇭🇳🚤的动机是什🍠🇦🇩么？什么是“真”🇪🇦开源，什📉么是“假🎲🏦”开源😨🚁？ 第三：开源🇲🇰⚓模型生态是什么🇵🇱⛳样的？👁面对特斯拉这👨🦲样的对手，👩🌾🍜开源社区拿什么打🇸🇦？ 01 开源模🔊🥋型全景💟：谁在做，走什🦃🙊么路？ 在🎳🌶开源模型派别中🕡🏓，VLA模型仍🎁🌧然是主🥘🤷♀️流♐🚪。
202🥧2至2024👨👦👦💯年、2025年前🧪🇬🇭三季度，宇🎆树研发费用分⛺别为0.3⏬0 亿🌴🍚元、0.50 亿👲元、0.7🤦♂️0 亿元、0.9🇮🇶0亿元🍰。为什么数🥇🇧🇳据的多样🌵🇦🇮性比数据量更❔重要？ 用😁训练RT-X⚽🇸🇱模型的实💜验结果来说明🇹🇫：RT-1🧞♂️☔-X在小数据域的🇼🇫🇦🇿表现比单独🙍♂️🛍训练的模⛳👨👩👧👦型高了5🆘🏸0%，⛴RT-2-👩⚕️X甚至涌现💹出了原模🎨🤪型没有的空间推😧理能力，是R🛩🥮T-2🚞🕳的3倍，能理解“😷🎙on”和“n🍿⚓ear”这种细🛸🐫微的语言差💙🗻异，这🗺意味着它开始😇🇮🇷理解语🎮言中的空间语🇬🇬🦆义，知道“on”🐃意味着物体之间要✒⏏建立接🏀🍹触和支撑关系，而⛰“nea😟r”只是空间🇫🇰🛳邻近♠🎯。
Q5 智现🇺🇾😚未来是国内首🌷🔁个实现12吋晶圆🙁厂全栈AI落地🎼🙍的纯国产化工业🐌软件提供商，12⛲吋Fab厂规🇦🇴🏤模部署的技术门🤣槛主要在哪？公司☮为何能率先突🦋🇽🇰破这些挑战实🕣🦴现落地？ 🧀🙆汪锋：😽12吋晶圆🧝♂️厂全栈AI部署的🌂🚂核心门槛有三🏺个： 数据🎅层面：👓🇮🇩FAB厂工艺🇳🇿复杂，生产数据💔量大、多模态且分🇱🇷散，通用大🍱😌模型需👨🚀深度改造🇾🇪才能适😜配； 🇦🇹技术适配层面：🇼🇸🇮🇴需兼容不同设备、⏭📇不同的制程，实🎿🙆♂️现AI与工业软📳件深度融合而非🚣♀️🥦简单叠加； 系统💝集成层面：需〽打通现💉有多套系统🕡，深度集成且🎡不干扰生🔏产🚞。
