（来源：上观新闻）
。我们一直在利用一⬇🐮切可用资⛷🇨🇷源，确保不会⛏🌘出现这种👨🦰情况📟。《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，G🇼🇸🕗PU集群的并行🤠效率、数据吞吐🛵🚳都是一个很大的挑🐥战和壁垒🌫📑。首先是硬件本🌾体，这三年中国🤾♀️🔅的硬件供应链⏩打磨得更好了，🎑🇴🇲有了更多能用的🌾🗳机器人，⬛2023年时可能📺只能用工🎂💥业臂； 第🎍🇹🇦二是数据，202👩✈️🎷3年时🇫🇷🍏机器人的数据几乎🔂🐫是0，现在网上👙🇸🇨开源数据就有🖐几十万小时，还出♠🚲现了大🧙♂️量的数据供应🇧🇮商，虽然数据质🈂👩👦👦量和跨⏹🥥本体适🇳🇫配还是问题，⏹但丰富度已经🧢📔不可同日🇨🇭而语😟🐪。
上述因🐖素叠加👯♂️🍺，导致部分原🅾🇬🇸本用于HBM🔕🙄扩产的资本开支预🍔算被重新分配👥o2o和b2c的区别至传统DRAM😝和NAND产能🗼。2020‼o2o和b2c的区别 年，创始🤢人拉里・埃里森👨✈️🇲🇫把公司总部从硅谷🇹🇨🚧迁到了德克萨斯州👈🈹，有人解读这是在🚙☂逃离硅谷🚂🥉的压力，🈺是一家公司走向🇨🇮边缘化🇱🇺🇸🇴o2o和b2c的区别的信号🤟。建议关注😌💆♂️以下三条投🦴☺资主线：1. A🇪🇭👩🎨I基础设施：D🚡🐴eepSee🇸🇾🎆k深度适配国产算🇦🇪📘力，国产🇪🇹算力与🧖♂️👳国产模型🏤⚓相向而行🇰🇲。物流中心🛂普遍人力缺口大🔢📊、面临🎮🔝高温、潮湿、🏴🇼🇫噪音大📖🍷、包裹软硬混杂、🙇♀️24 🇹🇩小时不⛱🇸🇱间断作业🚛等极端需🇹🇨🐊求，既是具身智🇧🇫👩🏭能的压力🔃测试场，也是🐏价值兑现场📍💡。这些积累，在那🧝♀️些沉默的年份🚽里，从未🚐😇消失过⛅。
