（来源：上观新闻）
把一个无所不🇲🇳能的大模型扔到生⤵🚴产环境里，🤗指望它🇦🇷🆙同时处理意图提🆗📗取、数据🔹库检索☣和逻辑🇦🇬❣推理，必🏌️♀️定带来🦹♀️严重的幻觉♑和延迟飙升🦊。凌晨，你正在用 🇳🇺AI 代码助👨🏭手处理一个项目⛺。英特尔没有🍩🇧🇭重新赢得算🇪🇺🇹🇫力主线的制🇱🇮高点，🚪🚄但它卡🕓回了算力主线的📪控制中枢🦗。这套方🧔案无需🏭➡偏振保持光纤，也🎂🗼无需在多个波长😜点手动🇿🇼🚤预校正偏振，💛大幅提升测试效率🤽♂️。《智能涌现》：🤙🃏你们做这🤯🇧🇱些事情的🇧🇦过程中，🇨🇾遇到的最大👧的挑战是什么？😱🔦 许华哲：🥇🧲要训练大模💕型所需的In🇧🇩🛃fra🍄🧞♀️（基础设施）是🍥🐀一个挺大🏎的卡点，因🏂为我们想做一个3👪👩👧👦2B的🇩🇯🎟大模型，要支🇴🇲🤑撑比较大的数据📄🥣量，GP😧🏴U集群的并👨👩👧行效率、数据吞🎳吐都是👩👧👧🍁一个很大👘的挑战和🚾🚃壁垒💗📺。
从设备👂🎣商格局来看，🕟⏺传统自动测试设👴备巨头Adva💺nte👑st和T😸🦎erad💜yne正🕥通过并购与合♨👤作快速补🏝齐光学能力💌🗃，Ke🐹ysigh🕡t、Chr🇵🇪oma、Enl🧠☯itech等则在⏪各自细分领🍈💱域占据位置💆🦋。《智能涌现🇲🇫💶》：数据也是你🍍们新公🦢司的亮点，你们🔬🥕大概有哪些方案？🌊🇨🇮 许华哲：我们🇵🇫的数据方😦🎒案主要分三层——🤓 ①外骨骼数据📁💤采集：提着机器人🤝🇺🇿手臂直接📡操作，精度🐕🇺🇿高，反馈更直🌍👨👨👧👦接； 🔱🧟♂️②UMI🇧🇭方案：让人戴一个🕗❎和机器人手部构🌞型完全一样的“🈹🈶硬手套”进🚲🇨🇺行操作🔜，好处是没📳有机械臂👨💼的负担🐓，采集效率🖖😓高，数据量大🇹🇩。
