（来源：上观新闻）
走出这场隐形🌕🧵的“饥荒”，🤽♀️需要的不🐹💃只是数据规模的📤📂扩张，🌚🌌而是一👬场从感🔬🚟知到认知🚸、从记录世界👨🦰🌝到建模🅾✳世界的范式跃迁👜🕔scm。营业利🐸✌润率（🌅🅿OPM🧞♀️🥠）方面： 随👱♀️着高毛利的企业网⏮👻（Enterp🚇🏊rise）和专利🧚♂️🔩许可业务占比提🖕升，OPM 已🇧🇿📂站稳 15☹🎞%，开始向半导体🎎行业的盈利水平📍看齐🍉。有的企业希⏩望率先发布抢占市🐸场，有的则🍦选择等待市场🧣接受度提升后❓再推出🇦🇺🥓。
AI个性化💸匹配的🦉本质，是多♦条件筛选、精细化🌍🔲分单⏩。在Seed🤱ance2.📻🇦🇴0一家独大🎁🈸、定价颇高，且排🍙🤘队不断的情况🔉🍛下，行业也♒🦌十分期待能有一个🇻🇳新的、能力🏏🎧与Seedan⛄📦ce2.0🌬相当的视频🇪🇹⛏模型出现🧗♀️📆。滴滴就有覆🕣🐏盖「人、车🕗、路、单、🏂服务」🍨的全维度数据网络🇸🇰💢scm，如司机端的💒驾驶风格🍋🗡（平稳度👩🔬🇺🇬、急刹频率、车速🔟控制）🇪🇷、服务态🚭度、合规资质、🦗历史订单、违章记☢🥖录、用户评↪🤦♂️价，车况端⛳🇲🇸的车型🎼车龄、车🦇内环境、动↖力类型↗、后备🌲箱空间📊、舒适性配🇺🇦置，环境端的实时🙃🍤路况、历史拥🏆💼堵规律、道路施工🖼、天气影🍹响、上下车点🍸分布、区域👩👧👧🧲供需变化……🕒 ▲用🇨🇷户评价也会影响🍹司机画像🦗☺。
2017年，他以👨🦳🐯第一作者⛓的身份，在《自然🍏🕍·光子学》杂志🤙👨🦱发表了名为《由👩🍳🚺纳米光学回😀路实现🦹♀️😾的深度学🕥习》的封面🧘♀️🥴文章，提出利🐻🎂用“片上📃集成光📠🥛路”进🛄行深度学🏡习计算的方法👨👨👧🦏。他认为进入👩🦰🇬🇾美国AI市场🇦🇲最关键➖的是：在数🇹🇦据中心架构设🛸🕔计阶段就介入👨👨👧👧⚱，而不是等到采⌨购环节才出🐵现💢。那么，数⛪据中心如果不在设😩🇷🇸计阶段就考虑模块🧽化和可扩展🇵🇸性，建好即🤙🚣面临过时的风险🇲🇭。
