（来源：上观新闻）
在训练数据🇧🇬的选择上，研究📒🦴团队采用了一种独🇶🇦特的"难度平🤳🐒衡"策略🇮🇱。他们看🔦中的，正是集聚区💌的服务🇨🇺😓生态和效🇲🇵率优势👳🎢。在具身智能🗽等需要物理世界*️⃣🏌测试的领域，这一⤴点尤为➖关键👨🔬🙂。这样的成本规模，🦹♀️👩🦲让绝大多数企⛴🌄业望而却步，🚙也注定了这类产🦒🥢品只能👩👦👦服务于极少数头🏪📖部主体⚡♨，难以实现规模化🐭普惠🇨🇴。
新学的知识经常会🚼干扰之前掌握的⛷技能，这在💎👨👧AI领域被称为🍯🌤"灾难性遗忘"🌔。在Eco看来，端🚵♀️侧大模型能力🏪的持续进化，🛐以及端侧🀄芯片算力😈的跃升，将推🇹🇳动端侧智能在未🤱🥍来1-2年内，迎🧛♂️🙇♀️来爆发临界点，成👢🚞为AGI时代的🚙主流交🤹♂️🌝互入口🔞。
