（来源：上观新闻）
这三条🥢路线各📬🔴有拥趸，但一🚍个根本问👪题始终悬而未决：🕋🎊预测世界的能力和⚰😿驱动行动的能力🌇，能否被统💽一在同🇮🇲🔅一个模型里🇱🇺⏩？ Motub🧸rain：从🌘验证到产品化 2®🧱025年12月🚠，生数科技🇵🇭开源了M🌷🇹🇲otus，在行业🛄泛目录内首次💄明确提出并验证🏺了World 🥢Act👩🎤📸ion4️⃣🔦 Models🗻🏖的核心思👨👨👧👧想，其🇵🇳🇰🇮统一世界-🇹🇨动作建模、从动🗂作拟合到世界🏃♀️理解、异👼构数据吸收能🗼🇩🇬力、多基🥘🇧🇯座模型融📐🌒合、多任⬆👾务正向🇱🇺🧜♂️scali🤱ng的尝试为通🕘用世界行动模🇧🇸型的发展奠定了基🥿♻础🤳🤨。
从技术路径㊗🚚看，“识图🤖😼”通常不是简☺单 O🧟♂️CR🕙。随着AI大模型🇧🇷训练和推理需🥪求的爆发，🤔🕑数据中🏠💉心正在变得⛑🍕越来越大🧗♀️——相当于⛴🚥数个足球🇸🇸场的面积，需👛要数百兆瓦级的🕵️♀️可靠电源供应🃏🇰🇪。以插花为例，机器🍸人需要连续♦完成抓取花枝、定👦位花瓶、🎻🗒调整角度、插入，🌠再到拿💗🤜起喷壶浇🙉水、移动花瓶等🇸🇷多个动作😚。AI芯片行业🇨🇱存在通用🈁💪与专用两条技术👨👩👧👦路径，通用芯片😟🇮🇨追求全场景覆盖🧯，但在不同场景🏌面临功耗、成本🚅📞、可靠性的挑🙍♂️💸战，专🥜😉用芯片聚焦垂直💐场景优化🗜😍，能效比、成🕊📏本优势显著🏝🗣，更契合物理AI💞🧱的落地需求🔏👨❤️💋👨。
