（来源：上观新闻）
这一需🏞求正是当前可🧢通过AI技术🏯👨🦰在传感器中实现😔的，随着技术的💂♀️⏱不断进步🐧🤲，小型低🖌功耗微🔏控制器的应用👩🌾🦸♀️，使得更多计算能🐓力能够集成至传🦇🐰感器内部，进📂🎆而为传👩👩👧👧⚜感器融合、鲁🇴🇲🦈棒性提升，以及对🇨🇿应用场景的🙎♂️🚜感知与认知提供🥒有力支撑🦆🕠。但我们认为🍳🔎，未来可能会🍹👩🚒出现一种场景🇹🇭🇵🇸：即便工👩🍳厂的吞吐量较低🍈，但由🦕〰于高平均🥗🔠售价（ASP👿🕯），也🚷👱有意义⏫🐻。以前的系统，做💂♀️完一个动作就🧟♂️🥗算完了🚮🍨。我国牵🏂🍦头，具身智🕧😒能领域🌘首个国😩🍧际标准成功🐌立项📦🈚。
在那个时间点❄之前，你可以认👩🚀🐆为所有的🇭🇲 Co🏩ding Age👰🇼🇫nt 对程㊗😬序员做复🔞🎙杂工程只能⛴起到辅助作用📗。DeepSee🦹♂️k立身靠的🧟♀️🦔是“十🇨🇳🙇♀️分之一🏢👜成本做到顶级”这⁉👨🚀个故事🏊♀️🖤。首先我觉🤯得我肯定🧤还是个工1️⃣程师，🔃🔕现在每天依🧫然在写代🇵🇼码🕋。这样AI🚠就能学习"如何把🏳😆这件平铺的衣服📪🙁穿到这📍个人身上"🌧👨⚕️。我认为飞轮👨👩👧👦效应来🦏自几个方面：🙆♂️我们的安装▪基础，我们架构的🇸🇭可编程性，我们生🧚♂️🛅态系统的丰富性，📟以及大量😺🙆AI公司的🍼🔡存在🇳🇵🥳。
