（来源：上观新闻）
这个发现🇫🇯至关重要，它意🥦味着：与其🐞抛弃所🔜有VLM数🌒据重来🤱，不如在VLM🇳🇿那片广阔的☂👨👩👧👦google加速数据大陆上，精🎙准地挑选出🌖🤸♂️那些与机器人🖍世界更接近的🗨"边境地带"样本👩💼，用它们来做🌊🇱🇺针对性的过渡🇦🇽训练👾。
第三重身份，是📃资本视野下🥋的“具身智能基🌓🗣础设施”🇲🇩📍。如果不💝限制使用，🐵🇳🇿可能付费收入根本🥟🧬覆盖不了⛏成本，最终形成「👩🏭🏖付费用🛏↘户越多，亏🦊损越严重」的死亡🥨循环；🐻如果限制🕡使用，又会直接损✅害付费体验，👨🏫👨⚕️引发用户不🗃💌满与口碑崩塌🚮🏭，陷入「限频📊⛵丢用户，不限频亏💨成本」的两难🥅境地🧛♀️🌝。
研究者另🙂👱♀️外招募了 1🈯2 名工程🚧专业学生做了一🍁☄组对照更严格的实🇫🇷验：固定💾🍠赛道、固定参数、😠固定时长💲👬（40 代算👨👨👦👦🇱🇻法迭代）🎌👩🎓，只保留两个🏓🌪方案（MAP-E🆖lites vs⛽🕯 随机），双🚱盲标记为「Ins🎹google加速ights 🎵❇1」和「Insi♉💚ghts 6️⃣2」◀🦠。
