（来源：上观新闻）
本质因为他们🇰🇿🧩的热情更高——用🇧🇾爱和自由度来做🔏这件事，还能赚🍟😬到钱➗👥。这种组成结构🇦🇴🏴体现了估计器👨👨👦👦🖋自然形成的平衡：😡来自专业😗数据集的空间🌤😉推理样📬本有较高的"命中🆗率"，来自🦓🇸🇰大规模🚆📗通用数据😾的样本则贡献了🎋绝对数量，🎌💸两者共同🇨🇼🈚构成一个既对齐🇺🇲机器人领域又保持💸广泛多样性的中🅿🐒间训练集🤜😒百度竞价推广。VLM常用🐲的训练🇳🇫数据，包括大规模🇵🇷图文匹配数据🇯🇵（如LAIO🧘♂️👤N-4💴🤽♀️00M🏢、CC-1💸2M）、🚵♀️视觉问答数据（如🇻🇨👨❤️👨LLaVA-I🍸🧛♀️nstru🌽🤰ct-665k）🌽🚔、视觉常识推🇦🇼🎹理数据（🖋🕞VCR）👨🦰💡等，它们彼此之🇦🇱间的距离👲🇸🇦普遍较小，属于同🌪👩👦一个大家庭🇭🇷🇮🇳。
打个比🗺⤵方：这就像请了一🧰个修理工，他❇🔛每动一下扳手之🈁🇲🇦前，都要你把整栋🇵🇼楼的图纸从头🇩🇲🎷念一遍🍊🈷给他听—⏪🈸—念图纸的钱，远🔮比拧螺😕🇮🇪丝的钱贵得多🇬🇫🇸🇰。论文把这个现象🙇♀️🏦总结为一句话：驱🚘🍀动 Ag👔ent 成本🤥的，是输入 T🈂oken 的指数🚹⚱级增长，而🇬🇭🐓非输出 T🏋🌝oken🤝🍀。更现实⛷🕑的阻碍在于，动辄🇰🇵◾数十万元的单机售🛰价，让大🐚🧔多数B端客户在尝👨🍳试新技术时表现得🇰🇬极其审慎🐹🛋。可瓶颈🇸🇬🐤根本不在供😏给侧，市面🕍应该不🌫缺应用吧；真😚👱♀️正的问🗃题在需求侧，🔷🧶大多数普通人不🦔知道，🏸自己生活里的那🕟🏢些难题，🏑能用这种方式解决🙆。
