（来源：上观新闻）
没有 🚔V-JEP🥳👸A 风格的领域🤡💥 SSL，小🌿👂模型根本学🗽不会这🇨🇫👩🎤个任务✡。有一些公司🇱🇺🏓在配送机器🥰人上砸了几十亿，🍔我们没🇳🇺跟，因为🈂☕产品形态没跑🍻通，光这一点🎋💢就省下😇🇬🇷二三十亿🧷。有些人会思🎫🧗♂️考，能把🇲🇺〰规律找🕯💙出来🦵🐍。北京经开区管委🈵🤷♀️会有关负责📈人也提到，赛事以🌛🎉直观震撼的场✖景降低🕦🧗♀️了公众🇵🇼认知门槛，凝聚🇺🇲市场与资本🏘♿信心，推动技术◽成果快速转化🎑落地🇼🇸。具体架构🍞🤷♀️要素： 编码器 🧤E_θ：ViT👨💼🍷-L/H💃💶/g（3🐍🚤00M–🎳1B 😫🇼🇫参数），把👼🇨🇦视频切成 2🥁🇨🇩×16×16🈹👼 的 🍥🕧tubel😓🚜et 预测器 P🌹💁_φ：🇲🇷🤸♂️一个轻量 V◾iT-S（约 2📳🔏国产韩国欧美在线2M）预测被 🔦mask 部🌽👩❤️💋👩分的潜空🚗间表征 使用 ☄3D-R💠oPE 位置编码👩👧👧👱♀️（时间+H+W）🚉🇦🇽 约 90% 😏的高 ma🇲🇱sk 比🇦🇲🥉率，L1 🔗🚍损失，EMA🧳 teacher🇲🇿✋ 防止表征坍塌 🇬🇾训练数据 Vi🇳🇪deo🙅♂️😻Mix22M 👧🇳🇱= 220🕦0 万视频 ≈🕰🔸 10🧀0 万小时互🇹🇴联网视频🦴 在 🤥🎺Some🖌thing-🇩🇬Someth🎰⚽ing 🇸🇸🇱🇻v2 取得 77🗞🏄.3%🥦🌀 top🗽-1（运动理解）⛅🐋，Epic-K🦘itchens🗿-100 动🤕⛳作预测 👖↖39.7 R@🖋😇5（SOT🧚♂️A） 为什🎥☣么像素重建不💅🚜适合碰撞预🚒🍎测，而潜🔯🤚空间预测适合？像🔮🙅素重建优化的🥋🛂是"下一帧长什📫⏪么样"（视觉保😶💩真度），🎾潜空间预测🍌优化的🔫🀄是"下一帧的抽象🇧🇮语义/物理🚃🇨🇫状态"（物💱理因果）🌼🇨🇫。
就像刚刚我们🇨🇻大会分✔🏪享，我觉得未🇲🇭来任何一家想要进📈🍷一步推动场景👵📘国产韩国欧美在线落地的公司，最终🥪🇧🇮都会走🇩🇴🦊到这个思路里——👨🎨所有的训练👒🛁能力都得🇲🇨建，只是一🇨🇳🧧个先后🕉顺序的问题🇬🇪。它甚至🚑💾还限制了🔆打电话的能🇫🇲力📚🏦。俞浩：🤥😬大多数企业🇮🇶🇭🇺成功建立🐗👖主业后☠📰，往往不敢冒险♓做大项目，⛅因为一🕜🚵旦失败会拖累主业🔣。它和做App、做🇵🇼电商、做信🎳息流完全🌾👩👩👧👧不同，后者有👨🦲🐾明确的用📘🌪户指标👩👦👦♨、转化漏斗😈和RO👃📱I公式，砸🤸♀️🎗钱进去，产出是可🎢🃏以预测的🥩🎚。
