（来源：上观新闻）
”许华哲说🐴🚀。针对外界🇬🇳💈对泛化能力的⌚质疑，比如，在1⚪👿00个家庭采集的👗数据难以直接泛化💿到1万个家庭🇩🇲📙，真正的完全泛🤼♂️化在短期内💲无法实现🎿🥳。团队收集了18🇸🇰🧾0万个带有Py😁thon工🌡具调用的🕸🙅数学问题样🏺本和190万个不🥦🎪使用工👖具的数学问题样本💠✖。对于需🇸🇬要用真实世界数🤥🎈据喂养、持续🍾迭代的具身智能✉🆑模型来说，💀🦌这种场景密⚠度几乎是无可替🇬🇫🇵🇫代的🤮♒。
它依然重要，但🇫🇰🐉不再是唯一值得盯▶🇸🇬着看的地方🙃。202🕥🅾6年政府工🧒作报告↪🇲🇶中，「具身智能👦🙎」被明🇸🇸↔确列为需要🏆⏩培育壮大的未来🇪🇨产业之🤧🎒一🈁。而这个价👅🇬🇭格差异的🕜☠核心是模型自身☝🔳的“智力🇰🇬🌹溢价”，是😃💠对研发成本的回收🏕🕵️♀️和合理利润的赚◼取🥗🚷。这提醒🦟🇦🇼我们，虽🐢🤚然精巧的训练方法🚦能够在🚫很大程🗝度上弥补规模的🍳🛵不足，但在某些🧟♀️需要大量🔵😙事实知识储备🚧的任务上🥘，模型规🎌模仍然是🐓一个重要因素🇯🇵。
