（来源：上观新闻）
在自研模型方面，🇦🇮🔒我们专注于提升🇲🇿高价值Cop🙋ilot和智能🧳🍱体的差异化能力🛄，同时⏫🤰降低运营成本（👩⚖️🎼COG🔩🇲🇲S）：🇬🇵😣 推出了🇳🇴⏭MAI-Tr🏌️♀️🚄anscrib🇻🇮e-1，一款最先🇬🇳进的语音转😴⏲文本模型； 推👉出了MAI-🌴Image-2，🧤全球顶尖的😁🦷图像生成⚠模型之一🕘。Trainium😃2的价格性❗能比同类🇦🇪🛩GPU高🇭🇺出30%，已基🤓🌇本售罄；Trai⌛🥠nium3刚发货🗨🇻🇮，价格性能比再提🍓👩🦲高30%-🈁📦40%，几乎👨🦲全部认💉购；T🤕rainiu🌵🥙m4距🇨🇿🇨🇾广泛可用还有1🎆🏓8个月🕌，大部3️⃣分产能已被预👩👦👦👜订⤵📮。
剔除对OpenA🕒🤟I投资的影响后🆒🇧🇹，其他收支净🇬🇪额为9.🕤🧰61亿🕛🇱🇰美元，主要由投资🇨🇺🐢收益驱动，👃🎗部分被外汇折👨👦👦算损失👂所抵消😀👰。这套架构嵌🈲🧥入了三个🦸♀️🚾关键设计🇮🇨♌。“我们会提🇨🇳供完整🍣🏕的编译工🧚♀️🇫🇲具链和统一接口🏈🌤，客户无需了解底🕍🇲🇿层光学计算硬件🏋️♀️的物理🌞特性，就能够✍像使用普🥂通AI加🆘速卡一样⛑💫使用我们的产📲品🇸🇯💡。早在 v5 时🐀期就出🏅📬现过类似🚅的场景专用划分（📙🚗v5p😂 适用偏🧻🍊超大规模训练🎮，v5e 偏成本⤴📩与推理💞🇬🇦在中等🇿🇲💍规模的应用），🦛🎸但这次的🚂🍲场景分类🚸🅰肯定更加清晰，对😀应的芯片⌛🌎性能特征也有👤明确的差异🌃👩👩👦。
