（来源：上观新闻）
笔者通🤼♂️过对公司创始🇦🇩人兼首席🔉➗科学家孙立宁院🇱🇮士、董事长成锐🎠先生、C🎆TO禹鑫燚博士🥘🇭🇹的系列对话🦎，试图解码其如何⚛通过技🚟术远见、商🌁业谋略与产品👶落地的三位一👦🔽体，系统性地破😣🌕解具身智能规🥶模化落地的“🎭🎄最后一公里”难🇸🇬题💒。他告诉记者，从过👩👦👦往大厂到🇻🇦🕚现在的小团👔📧队，最大的改变是🇵🇰产品研发节奏与能⏏🇩🇲力边界的🥜重构，同时也直⚓🚻面获客、成本、合😠🕣规、同👗质化竞争等现实🥶🎐挑战👳💆。作为参考，这🤴🕵️♀️大致相当于 20🇪🇷🇻🇳11 年中期的 9️⃣🇮🇸Intel C😜🔇eleron 👨👧👦🇲🇸SU2300（🇹🇱🌳运行频率为 ❗🔎1.2🇽🇰🙎♂️ GH🎓z）🦃❕。
数学任务向数学e🌯xpert🆗🧤靠，编程任务向编😘程expert😢🇸🇲靠🇭🇹。如此一来🚟🚴，标准PPO训练🤾♂️🇲🇱出的AI，往往不🕍仅没有进步，甚至🏭比训练前更差🐲。“实际上，专家🗡指导和常识非常有😺帮助🐜。” 尽管存在这些🇨🇺问题，像🍻 Design🦚 Co👨👨👧🇪🇪nducto🇫🇮🆘r 这🇺🇾样的智能🧽🍜系统可以➕通过加速🌝迭代来加快芯片设◀😳计速度®。而SPP💘O仅使用🦆单个样本，综📷合平均分达到🌫🐉了48.🍿蜘蛛入侵06，超过🌡了GRPO📐🇲🇻。它不需要持续观察🏴🍰自身全身，🇸🇪🚕就能内在地感知自😕🚍己的高度、🈲宽度、手🕍蜘蛛入侵臂伸展范围，判断👯♂️👊能否通过🧺某个空间或触🕉👩✈️及某个物🇧🇹体🐷👨。
