（来源：上观新闻）
因为跟训练大语言🔃模型的数据🇳🇫体量相🇯🇪💇♂️比，具身领域🏡的智能可能🇨🇩差3-5个✖数量级规模，❕🇮🇪数据缺口很大，要👰🇭🇳求比较高，还要求✊☮物理世界各种😳👗接触，🔝🍜力，摩擦力、🕹🧶重力等等，这🇭🇲🧨种高维的🛒数据采集成本也非😢常高🛅💱。所以起源🍨🐚也是我们发布的🇰🇳🥭行业最小的全🙆♂️新力控，我把它定🌗位是面向C🧩🛰端消费☺者这样一款产品🏁。
4月初🇺🇾🚆，AMD 8️⃣AI部门🧑🍐高级总🐀监Ste🦡lla🦀🦝 Laure🔉💠nzo在GitH👥🧦ub上提交🇸🇿了一份基于近7🐺📹000个Cla🇪🇸🇸🇦ude🖌🤼♀️ Code se🤦♀️ssion🇻🇨🏨的量化分析🎗。
这些能🔔🦎力的成长，依♠赖于丰🍬🚪富、复杂🇮🇶👨👩👧👦、真实的应用场景8️⃣与训练环境🗺🔄。在具身智🐒🇪🇨能赛道从“概念🌶🥐狂欢”走向“场景👈🇸🇸大考”的2🦎026🎑🤜年，这更像是一🍮🔋次战略宣言：钧🔽舵不再🤗只是电动执行🥰器的隐形🐛🌭冠军，它👩🎨🇼🇫正在试图🇲🇪♒定义工业场景中“🚶♀️手”与“脑🇱🇦”的协作标准🧗♂️。
