（来源：上观新闻）
为什么？☦因为GPU之间需😆要高速互联，而🐃🕥传统的以太⚠网在解决“🎩大象流”和“多⛎打一”问题上的🧰🇬🇾效率不高🧸。长期来看，0️⃣随着自动驾驶技术🖋的成熟🇬🇩🍾和法规框架的🇸🇱完善，AI🇧🇷🚶♀️打车与自动📳驾驶的✍🇨🇭合流有可能⛅🏟重构整个👁出行生态🇵🇸😣。
两家机构在技术路🤼♀️ℹ径上相互辉映，前🐃🥃者将其定🇧🇿💿义为通过RL（强🤔化学习）训练出⛅的先思考后♈🧟♂️回答的系统，后🗞者则以开源推🗡😚理模型的🇪🇬姿态跻身全球顶🔻尖行列🇬🇵。Cade👾nce 公司🇩🇲👏的 Rangan🤪atha🍹🏏n 表示：“⛑SoC🔫👨🔬 设计人员正🦹♂️🇫🇴在探索解耦方案👩👩👧，即将少量🖌 SRA🥏🚡M 放置🖖➕在采用最先进⛷🚛工艺节点设计的🇧🇸😪芯片上🇳🇺。
要推动具身智能❗🦹♀️真正走🌆向实用化，关键在👨👨👦↔于找到📗🌻能够让📖机器人被批量、❄🙆持续使用的场景👙😲，并在🦀🛵使用过程中不断完🚋🥚成数据🖌🥳回流和系统迭代🌰👚。这些技💭🎈术都在缓解症状，🧸但没有一种能根治🔷病因，只要计🍮算和存储还是物🚢理上分开🕚⛩的两个东🇵🇰西，数据搬🐩运的瓶颈就会一直🇲🇪🌚存在🇲🇴。
