（来源：上观新闻）
这是由CM🔴🔤U卡内基梅隆大😗🇳🇷学主导、联合MI🍍T、斯坦🏪福、英伟🧟♀️达等20🥍🇸🇾多个研🦌究实验室共🦔同参与的开源项👩🔧🦃目，只需在仿🇦🇩真中运行🇭🇺数小时，就能生成🥜🛋相当于现实世界中🍥🦡多年训练🎗🏳的样本数据，🏥🀄大幅降低了训🚑练时间和硬件🇫🇰成本🎑。然而，它面💠临的真实对手，远🛫🎎比这些名单庞🇪🇬🚝大👩❤️💋👩。到202🌨🤺6年1💇😏月CES📭，已经迭代到了📧N1.6版本🖍🥛。记者注意到，金华🏕👔之外，😄🏄♀️各地国资☹组建“基金🇩🇰🗞矩阵”🐑的赛马🤛🦸♀️之势已经显🕵🗯现🧱🛍。这个架构证明了：👩👩👦🈳在具身智能领👸🇮🇶域，单纯的“大”🤨🇬🇧并不代表🎲🥩“聪明”👩👩👧⚰。这一路线虽😡🤴成本较高❇，但能📀🧶实现从🐥🙀0到1的突破，保🕣障战略资源的基🙄🦋本供给♨🧸。通过分🧔⏭析这些数据，研🌴🌆究者能够大🌬致还原出 📶AI 🏙📊在实际工作🇭🇷流程中的位置，并🧬🛫判断这些任务🚴🌽究竟是被自🔂🤢动完成，还🤳🔕是仅仅作为🏒🏃♀️辅助工具使用🇨🇼。
如果仅靠传统的📔🛂OCR技🇧🇴🐩术，AI只🎅能做到“☀🇦🇼读懂字”👨👩👧，而做🧶🧘♀️不到“理解意”🌇🇺🇬。医疗A🇲🇬😬I为何难以跨🇧🇴越“信任👩👧天花板🙁👨❤️💋👨”？ 过🈂去两年👛，通用大模型在😚各行各👩👩👦业攻城略地🔖，唯独在核心医◽疗场景进🇲🇱展缓慢，医疗🥊AI的落地困🔁境，并非技术能🕣🚦力不足，而😀🇦🇩是三条刚😇🇫🇯性约束共同织🇮🇹就的信🗿任困局🇮🇶🤮。RT-2🇦🇹-X是谷🇦🇺🎾歌的“闭源🏟”模型，但🇸🇷👭它的训练数据有🇪🇪🚢一部分来自Op🕰🌷en X-Emb🇲🇱🥡odi🦢🍒ment这个开🇨🇬👨🏭源数据集🧸。在这种情🍧🧬况下，将规则⏪写在公共🚭🗒场所、不能被🎰更改的👁️🗨️♑地方是👁️🗨️🇹🇩非常重要🌭的，作为额外的安🇫🇲全措施🧓。22亿参数，模型🤳🙁权重和代🚴♀️码都公开了，不少🤹♀️头部人形🥪💍果冻传媒81制片厂视频机器人公司🥬⛹都获得了早期使❗🌍用权👕🌐。
