（来源：上观新闻）
禹鑫燚博士表示🐲🍔，汇博机器🔹人的盈利拐🇳🇫🙈点已然清晰，将😐💅由三大关🤐键因素驱🍳动：首🐙🥯先是成💌本控制，🇵🇫核心零部件自产带🇸🇱来的巨大毛利空⌚间；其次是低💺获客成本💛💀，已锁定华能、大⏪唐等能🦶🎇源龙头🙂🏞及近200🇺🇳🦑0所高校渠道🔺；最后是🇧🇻规模效应，随着出🇦🇱货量从规划中的3👩✈️🛐000🔅台向16000台🔢爬坡，固定费用🏃❎第三方广告监测将被快速🔥摊薄👂🍔。原因不🤦♀️在于硬🇦🇿🥞件🅱。前三个头使用🇵🇾🤫交叉熵损失🎴❄函数（🧣🌧适合分类任😁📡务），第四个❌头使用L1损🇬🇪🥫失函数（适合数值💾🚛回归任5️⃣🤒务）🥭🕵。
这是否令人🎖印象深刻，取决于🥴你的视🗼🇵🇱角⚙。AI倒逼内⌨🦟容精品化🈺 当AI可🈵以批量生产“60🧶分”作品👷时，“90分”🚌🐏以上的精品反而👐♌变得更为稀缺🍤❕。其一，这🌒🤔些模型在训练时♍⛽接触的数据⚽基本上都是以整张🚶第三方广告监测图片为单位的质👩🎨量评估，从没🐘📫有被专🤕🇦🇬门训练👽🌼过"逐😚🌎区域分析"这件事👪。Q2：PAN☄DA模型和🐧GPT-♾️4o这类大模🌃🆓型相比有什么优势⛄？ A🧝♂️👥：PANDA的🚜👨🚒参数量只有🥺🌻0.028亿🏓🐭，处理一😄🦙对图片仅🇦🇩需3.53🇲🇿秒；而GPT-📶4o等大模🌈型参数量达数百亿✴甚至更多，且在区📲3️⃣域级质量比较任🥺务上准确率仅🧮26%，接近随🏅机猜测的2🚣🚍0%🇻🇺🏯。这在长序列里尤其🌻有用，能🍠📮避免模💕🔏型被迫把注意力🦑均摊😊⬛。对于人工合😒成的非天⏩🈶气类失🇺🇦真，研究团😡队参考了此📢⚗第三方广告监测前学术界的经验；🇹🇨🇸🇸对于雨雪这类天气📍失真，⏸🚛他们使用了真实🌚的雨雪叠👣加素材；对于雾🎃🇦🇮霾，他们🖨通过调整大气散🍱🌧射模型的👨🎤参数来模拟不✝😔同浓度的霾👞。
