（来源：上观新闻）
当我们使用👨👩👧👦谷歌翻译或其他☔🇨🇼AI翻译工🚂⚜具时，大多数🖋人都认为这些系统🔍是在"诚实📻地"进行翻译🐋工作↕。“换块电🚧🚘池还能继续🍠💍用两三年，现在内🆓❗存剩40%，清理🇨🇻🇮🇳一下还能🚶♀️🦓凑合用🎏。图像感知加上✝🕹声音感知💂，构成了 AI 🇫🇴🧝♀️理解物理世界🇧🇧的基本能🇹🇷力🇦🇱🌃。AI竞争🚶♀️🥓这件事上，攻守☘之势正在🇦🇮发生变化😢🥃。在学术界和工程界🦸♂️😼，有一个公🏝认的近似估算：⛔🇵🇭生成（🐌💮或处理）💏 1 个👩🎓🥖 词元🇦🇷⚖所需的浮点运算次🤽♀️🤢数约是2 💨🍍倍的模型参数🤸♂️量🇬🇼🧗♀️。
每出一🅱单，工程师要驻场💞，人力成本摊🏠下来一🤮年三四万；跨⛪🌞城订单要运输、差👝旅，又➗是一两万；机器人👬摔一次，关节☮👩🎓维修几🈯千块；设备折旧🚣更跑不🌳掉,一台🤤十万元的机器人🧤，三到五年残🦚🇬🇫值归零，每年🦘光折旧就要吃🍰🔨掉两三万⚱。硅谷当红炸子鸡A🌂😯I编程巨头↖Cur🕒sor，高🎁🐊调发布其“自研”💍😡的Co⭕mpo🦌🇵🇦ser 🦕↩2模型🍾。在英语到未见过🇸🇹目标语🇲🇨➡言的翻📒🇸🇹译任务中，🔍WOLAR训🇳🇪练的模型🗄平均xC🐓🏝OMET分🚝数从5🧱1.1提升到了7🙀2.7，这种大幅📀🇲🇶度的改进🙆表明模型学到的🇧🇶不是特定语言对的🏃♀️💿翻译规😳律，而是🎯更加通用的👌📞多语言翻🤷♂️🐂译原理🇨🇬💶。
