（来源：上观新闻）
梁文锋🐶🏠担心外部投资者😺会干预公司的决🇪🇹策，特别是强迫D⛈🏁eepSee🌘🇸🇮k过早进行“🍲商业化”🇵🇫。新时代对旧时代🙊👨🏭的“斩杀”，4️⃣已经发生🗞在智能手机🎺⬅vs.⛄🦉功能机、♊🍾新能源汽车v🇹🇻s.燃油车🤠⚠、短视频vs🌗.中长视频等领域✍🚵。和下棋的AI、📹画画的AI不🚣💄同，具身智能要🦢做的事👩🦳，是让机👩⚖️🇦🇶器人真的🧦👩🦱走进工💰厂、走进家庭、♋走进真🥬实场景，干活🌆🏴。Gen🌪ie Sim的🈲🙎仿真平台负☣责支持完成项🏩目前期🍭🆖的设计、验😋⏭证工作🧟♂️——和英🇵🇼伟达Omni🗂🕕verse思路一🕉致：搭🎋建数字孪生场🥺🏨景，先做🤼♀️🚮仿真训练和工作🇸🇹💚欧美日产国产精品流编排🦶🎡。
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 t🐕🍬ubel🛥et 预测器 P🍠🙍♂️_φ：😍一个轻量 V🔖👂iT-S🕵️♀️🤞（约 2🇳🇺2M）预测被 m🌚🛩ask 部分的潜🌪🚸空间表征 使用 🐿3D-RoPE 🇷🇼⚠位置编码（🏏🥁时间+💿📳H+W） 🦂约 90% 🎱的高 mas🥵k 比率👮，L1 🚗损失，E🎇👵MA te👼ache🛶r 防🦡止表征坍塌😓🌶 训练数👳♀️🦃据 Vi👨👨👧👦deoMix22🚗M = 22🤴🥉00 万视频 ≈🕺 10🇸🇸🤦♀️0 万小时互联◼🐞网视频 在 So📺mething-♋Somethi🍰👨💻ng v2 取得◀ 77.3🛏👨% top-1🖇🧗♀️（运动理解⚰），E🔄🕋pic-Kitc🎅🥦hens-10🎣🇹🇯0 动作🦷预测 3🇦🇿9.7 🗳🧲R@5（S👪🇨🇦OTA🏰） 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1️⃣🥧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）⬛。
