（来源：上观新闻）
当行业仍在争论🕍📮人形还是轮式🏄、云端大脑😷🤷♀️还是端侧推理时，🚔一家苏🦉州公司📕选择了一条更安静🇸🇬🦂的路径——从😑👩👧👦“手”和“触🤤🚚觉”出发，用一🏂❔张覆盖芯片、视🦆🕒觉、触觉、算法↔🚢到执行器的生🇦🇪态网络，重建了🎞具身机器人☔工业落地的底层✒📥逻辑⛽🉐。
AI降低的是🇯🇪💓"智力密集🇸🇸型任务"的门🚧槛，但它同时也🛄👘提高了对使⚓用者判断力和🗿创造力的🇲🇵要求😑。这条路径组1️⃣🚜合了 🍿LeCun 的🤦♀️ JEPA🌠👬 理论路线📛和数据网络壁垒🇹🇿，很有可能成为未🇻🇬来 Phys🤨ical A🏥🇧🇸I 在🚘安全关键系统😁（驾驶、机器人、📫🕑医疗、工业）↪上的通🚧🇰🇪用技术模🇯🇴😈板🇽🇰。
如果是一名🚕👇硅谷创🧝♂️业者讲这些，传😮到这里，全是正🕒面的🇬🇮。相比之下，🕤🇬🇫Figma🇮🇴的AI原生能力弱🎁🏐得多，各🏐种操作远不及Cl🕋aud☘e Desi🍽gn方便✊。（图源/企业🚎） 基于内置👮♀️的世界📊观、知识🔌☝库，每个实体玩偶🇵🇼🦛都代表了一种👎🇪🇬思维方式和🥙学科方向，杨🕎✡冰介绍🐑称“我们发👿现，当孩子提出🍭🏌一个问题，比如🧝♀️🚣‘天为什💝🃏么是蓝色’时，💚并不一定想要一👅个科学的答案📉😊，所以我们的玩🧫偶也会根据自己🇲🇱的世界观和📥上下文做出各种😔🔨不同的回答，可能🐟是艺术的、🈶可能是文学🔩🤕的、也可能是♣科学的🍵。
