（来源：上观新闻）
思考本质规律和收👯♂️益之间的👒关系太间接🇸🇸了🧵。在去年9🍫🔇月宣布的那🎺轮130🥾亿美元的融资中👨❤️👨，四位知情人士🇫🇯向The I🏑🖤nfor🌥🏆mation透露🍢，拉奥要求每个投🥝资者至少出资数亿✡美元🏐。
部署/推理端🔚📇：论文明确测试了💘三类平台—— 云😰端 GPU🧨：NV🤐IDIA 🇸🇧A100🌦🚚（训练和基🇬🇲准评测🚾🕉） 车🚦载/机🤮器人级边缘：N📉VIDIA Je🇳🇨tso🕟🤭n T🦞🥏hor / DR🎒IVE AG🌷🌧X Thor（6🎦6 ms 实时🌠💋预算 @ 16🗺🃏 Hz🇨🇿） 端侧 C🇹🇱☂PU：F🦅🇮🇱lash-➕🧾Lite 🏦甚至能在纯 C🤼♂️PU ⚽上满足👩👧实时 官🇵🇳💟方数据👨🦰🏏显示 Fla🇲🇹🛋sh-🕚Lite 在 A🕉🙍♂️100🇯🇪☔ 上比旗舰快👁🚯 12 🕧倍，在 🎚NVIDIA T🎙hor 上🇵🇦快 5 倍❕。
具体架构要素👴⌚： 编🚎码器 E_θ：🇲🇩ViT-💆L/H/g（🔥300M–1B🐈🐫 参数），🌂把视频切🥜成 2×16×🔱16 的 🥪tubelet 👨🎨🇳🇿预测器🌝☕ P_φ：一👯♂️🔱个轻量 ViT🚱-S（约 22🇧🇻M）预🎟🏌测被 ma👲™sk 部分🕵️♀️🦹♂️的潜空⛸间表征 使用Ⓜ🍯 3D🇬🇦🧚♀️-RoPE ⬇🇳🇦位置编🛤码（时间📈🧰+H+🇮🇴♿W） 约 90%🍨🌝 的高 m🌕🧟♀️ask 比🧯率，L1 🍶损失，EMA t😮🇰🇵eacher👾 防止🥥🇸🇽表征坍塌 训练🥽数据 V🏌️♀️ideoM🐴🚺ix2😎2M = 22🐍🇲🇹00 万视频🇻🇮⏬ ≈ 1❇00 万小时互👘❄联网视频 🇲🇨在 S🎡omethin🍮🤦♂️g-Someth🧙♂️💮ing ⌛🐮v2 取得🌼 77.3% 🗺top🇫🇲🗄-1（运动理解👨❤️👨🏋），Epi🤚c-Kitche🔌ns-1😾00 动作🧞♂️🤜预测 39.7 🚗✳R@5（🥞🍷SOTA🍜🚶♀️） 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）🇮🇴。
