（来源：上观新闻）
在 De🦵💿epMind 期🛑☹间，Haar💱😫noja🔰🚶 曾主导多个将深🇵🇪度强化学习💂应用于实体机器人🏥🔕的项目，其⏸中最为人熟知☂🚹的是通过仿真🥫强化学习训练🥨♌小型人形机器人踢🐔足球：机🦅💁♂️器人在虚拟环境🔶中完全🎃🌞自主演化出带球、🇴🇲射门乃至跌倒后自😴主爬起的复杂行🍵为序列🐹🇺🇬。。虽然我们正在“召👣唤幽灵”—🎯🐤—构建🎸那些由统🚖🍘计学和奖励函数🇰🇾🤹♀️驱动的、没有内在↗🇦🇪动机的智能形🚃🚁态，但人类🚕作为“引导者🌬”的地🍌位依然稳固🧱。
杨大卫博士毕业于🇦🇼复旦大学电子与🌁信息专业，曾就职🔹🌙于英国AR⏩😡M、地平线等国内🔧🎶外知名芯片💠设计公司，♠也是业界较🇾🇪⚠早探索大语言🗓🤨模型量化压缩和⚜🎮端侧部署的🧴⤵研究者👨🎓🇹🇯。这也是为什💩么CP👩🔬🚞U的重要性，不🔣🧼是“多卖🇧🇳🧴一点服🇬🇦💥务器芯片”那么简🗒🇬🇬单，而是它直接😎决定A🍺I系统🇲🇳🎖的资源🔱利用率☦👽和ROI🇵🇹。更稳妥🇳🇨🌕的观察方🉑式，是把斑陌易🎾泛行放在追觅近年来⚠围绕机器人、汽车🙉🔠和具身智能方💱向的外延🇧🇳布局中理解🗑🗃。Prof◾🐓ound 😖💹做的是一件很🆕👨🏭有时代🦟感的事👁️🗨️：把过◀去属于 S🥣🇧🇯EO、品牌监🚴♀️🦅测和内容🐇👩🏫营销的那套🛥方法，重新搬🙅♂️◽进 AI 🌎📩搜索与 Agen🐡🌌t 时代☀。
