（来源：上观新闻）
图丨感存算集成智🥛⏺能感知芯片的照片🇹🇦🐉及显微🅿💪镜图片（来📔源：受访者🚏） 研🚢🇹🇿究团队用🇨🇵📯 10×10 ⛅的二极管阵列进行🧛♀️了应用展示，在 🦶FMN🏕IST 图像识别🇺🇳👰任务中，经过原位4️⃣去噪后🇵🇷🇲🇻的识别准确率🚛从不足 60% 😕🇪🇨提升到了超过🕍💐 95🥅%🐙😯。调用17个 ag⚛⛏ent 协作后，🧶代码规🕥🍁模迅速膨🦁胀到30万👩👩👧👧行，一个新产💌品就这样冒了🛬🐮出来🇲🇩。
对于整个◽国内 AI🚔🎅 行业而🐟👮♀️言，豆包的㊗这次商业🐧🏀化闯关，有着远超✴产品本身的标杆👚💵意义👩👧👦。尽管这些方法可🏯🇮🇨能有效，但它们👂也同时会带🔀来不容忽视的问🗂💫题：硬件复杂度🃏、芯片面积和功🧺💶耗也会大幅度增☹🇺🇿加🇨🇫💛。发现五：连模型📖🇬🇱自己都算😦不准自己要🚹🇲🇼花多少钱 🚡既然人算🐅不准，那让🏞💨 AI 自己🍳来预测呢？ 研究🤾♂️👐者设计了一个精巧🚑🛩的实验：让 🇲🇰Agent 在真♒正开始修 🌎🚤Bug 之前🎇😻，先“ in🇦🇲🇵🇭spect🇵🇱🚡”一下代码🛹库，然后预估自🔅🧨己需要消耗多少🐹🔰 Token—🎊🎙—但不实际执行修🎨复🎻🆙。
从第一天起🇵🇰📳，他的🤚💃想法就非常🦀🤑明确：Elser👯♂️.AI 🇪🇷要做一个面向😀 Prosu🐕🦏mer🇻🇪 的内容供给🐪😭平台，而不只是🇲🇻一个创🎑🎇作工具🇾🇪。论文把这个现🧂🦊象总结为👅一句话：驱🚸动 A🧶gent 成本的🏨🍺，是输入 🍏😩Toke🛄n 的🚮🗺指数级增🕒长，而非输🖲⏰出 Tok🚗🤯en🐘。五角大↪楼的声明表👀🔼示，这些协🇹🇹议加速了将美🇪🇸军转型🇹🇿🔜为 AI 优先战🇲🇸斗力量的进程🇨🇰。
