（来源：上观新闻）
B 端是留不🥽🎆住的——哪👀↗有钱他去哪，你培🧶🙇养出来他也会跑🍦。在具身智🍌能行业🇧🇭🛍极度缺乏🚟优质、🚔可规模化交付的硬💠〰件资产时，智元的🇪🇪🇸🇨技术红利能够👯🌶通过擎天租的🌩渠道迅速🥢转化为商业势♟️能🇮🇩。付费版的核心逻辑⛪是做「增值服🇵🇳🌲务」，🙋♂️不会影响普通用户🇸🇪的日常使用体验➡🛂。
好消息是，👶📑这是第一次🌋🤑有人系统性地👂🇬🇫把这笔🥧👱♀️糊涂账翻🇲🇨出来算🌌。在Cal🌱vin上，中间🐐训练后的1.1B🕚模型以3.7🧧14的👋平均得分超越了🍬🧾Ope🧲nVLA🇿🇼🤝（2.548）🐲和π0（3⚖🔩.50🚣♀️9），与🎦1.7B的Kos🚬Mos-2（💘💁♂️3.096）、2*️⃣⚰.9B的Pal🆙igemm🇸🇮a-1（👨👧3.50👆6）、3.0B的🇨🇭避日蛛vs狼蛛Paligem🥊🇻🇺ma-2🇯🇲🇧🇮避日蛛vs狼蛛（3.406）形🏖🎼成显著优势🇵🇭🇯🇴，与2.🤳🐎1B的Qwen3☁🤟VL-2B（在全©量训练数据下达到🎭4.1🔣42）🚦的差距也🇬🇮📿大幅缩小🧻。
几百万个A🍒pp看着覆盖🕠一切，😨实际上只覆盖🇸🇾了足够大、足够通📂🐕用的标准化需求，🐅🔯剩下的非标🔤长尾，🇫🇴没人管🚍。这种权衡是☁可以接🥥受的，因为中👠👮间训练的目标本来📢就不是让V📁LM在所有任务上🇷🇺变得更好，🇸🇯⛷而是让它成为👨🦲👧VLA🇨🇰🕦学习的一↕🇪🇷个更好的起点🐰。京东自营租🍊👩💻赁、万机易租🍚🇳🇵等平台在场💳，但擎天租的先发😊厚度和网络密度🏃♀️，让它在18🌝个月内🚟仍保有明显的卡位🎗💆♂️优势🇻🇮。其二，🇳🇮选择的逻辑🏎🎲不是简🇸🇿🏥单地"🍢👩❤️👩保留某些数据集🚏、扔掉另一些🇪🇨🕟数据集🇵🇬"，而是在每👩👧个数据集内部♿做样本🎭🌳级别的精细筛选，🥃因为即便🦃是总体上🚸与机器人数🎥据相距〽较远的大规模图💐文数据集🤣，其中也有🇳🇦🇱🇾相当数🔆🚁量的样本恰好与🖤🇨🇬空间理📄解、物体定位等机💇器人任务👵↙高度相关◻。
