（来源：上观新闻）
去年9月，🇰🇮研究机构DA😿🐸 Davids😇🇷🇺on曾⏬估算称，谷歌❄🇫🇴TPU业🐬⛳务加上🥒🦝AI部门De☹epMind的🚎总价值约✨为9000亿🐚美元🏣🇸🇴。基于这一架构🕳📺，WALL👨🎨-B实现了🚏三项现🍪🤐有模型😝不具备的👩❤️💋👩👹核心能力： 1🇸🇻. 原生😔🇵🇲多模态+本➡体感 WA🔪LL-B从训🇹🇫练第一🇸🇻🍂天起，就同时🇳🇱⛽泛普软件接收视觉、🐰听觉、触觉、语言🌇🇬🇺、动作等🌀多模态数据，实现👗“多模态进、多模🥙😑态出”🚪。。PANDA在🛫同类任务上准确⚫率达58%，同👨👨👦👦时计算成本📂💉极低🇻🇪🇮🇱。这不是在抱怨某👏🇹🇱款产品🔜，这是当下几乎所🍩🍂有 A🦠👀I 工具的📘🐊共同局限：🗡它们没有😘记忆，也没有成长💞。现在我想的🌙是把团队🇨🇮🛀所有人都拉😲🎮进一个群，每个人👮🚍的虾也都进来💰。
PAND🍻🇦🇼A 展现出👚🇵🇲了最小的📑🇱🇰性能下降幅度，而🐀部分商业大模型在🇭🇳📔泛普软件 Ha➗🇲🇺rd 级别🇧🇭⛅的严重程🥡😩度分类任务上甚🥈至下滑到了👨👩👧👧🍊低于随机🐁猜测水平的🆎表现——这说明在❎面对复杂混合失🔓真场景时，这🍦些模型完全"迷🎢🥗失方向"，🍒🕒只能靠"🍪🗒惯性"输✡出一些听🇸🇬起来像🇰🇵样但实际上🎗🇦🇱随机的答案🏐。但这项研究的实验🤨结果表明，🎦👯单纯增🌒加交互轮次🇬🇾👩💻并不能带来持续🚈😺的进步，因🥏为每一轮新👩🌾🇲🇼的工作🥼如果不能建🈵🚦立在之前工作的基🇰🇭🇱🇨础上，就只🇵🇹是在重复劳动，↖🇮🇪而不是在积累💟。从训练速🏘度的角🦢🇵🇼度来看，🍋差距更为🔩⏲直观🥰。在深度🦏科技研🥦究院院长张孝荣🕘🎓看来，He🈲🤯rmes给出🚭👱♀️的是Agen👀t进化的🐉🇸🇱一个方☄🐼向，即从任务🇯🇲执行向认知规📶🍃划的范🈯式转变⚾。
