（来源：上观新闻）
一辆汽车中包含多🇸🇾种传感器，用♻于胎压监测、🚚◼无钥匙进入等🔐。峰瑞当年咨🌛🎩询了一圈芯片技🦚术专家，大部分人🍷🇬🇫都持保留态🏐🖊度或偏悲观的🏴看法🤷♀️。在目前主流多模🕔♟️态方案🙆♂️中，以DiT🐩（Dif🛂fus☹🥜ion🐍🎩 Tran🧥sformer🈵🏸）为代表👳♀️的架构，基本思路📒是把图像💐、视频、文本、✝动作分别编🍰码，然后再在🐐一个隐空间里做🅰融合⏹🎬。
具体来讲，前🇨🇵者指的🏥是更接近传统🇱🇸专业影视表现的🎲效果，包🌍括画面的精细🇬🇱度、背📻🎪景的丰富度🔁等🚎💫。照片里有🐖十几只🙆♂️狗，你说“左🥧🍖边那只狗🖨🏘”，那模型就没办🌛⚱法理解你说⬆的具体是哪只🐢。然而，短短几😾个小时后🆒🇬🇬，剧情大反🇳🇬🧲转——苹果悄悄关👩👩💼闭了A🇽🇰I选项🇳🇦。他说这🥮🥘番话的背😟🤵景是：虽📉🤮说参数越堆越大、🇺🇳➡Benchma🚌🇩🇯rk分8️⃣❤数越刷越🐏高，可大模型的「👐代差」正急⛴剧缩小，大🇨🇩⏰模型在纯🇦🇹geo是啥软件维度🥡的效益也在🤺边际递减🇵🇭。
