當地時間2月3日，英偉達專注於機器人基礎模型、多模態學習及物理人工智能（Physical AI）等前沿研究的高級科學家範麟熙（Jim Fan）在社交媒體平台X上發帖，系統闡述了他對人工智能預訓練範式正在發生根本性轉變的判斷。在範麟熙看來，過去十餘年推動人工智能飛速發展的核心方法——「下一詞預測」，正在逼近其能力邊界。當人工智能開始真正走向物理世界，承擔駕駛、操縱、裝配以及與環境持續交互等任務時，...
網頁鏈接當地時間2月3日，英偉達專注於機器人基礎模型、多模態學習及物理人工智能（Physical AI）等前沿研究的高級科學家範麟熙（Jim Fan）在社交媒體平台X上發帖，系統闡述了他對人工智能預訓練範式正在發生根本性轉變的判斷。在範麟熙看來，過去十餘年推動人工智能飛速發展的核心方法——「下一詞預測」，正在逼近其能力邊界。當人工智能開始真正走向物理世界，承擔駕駛、操縱、裝配以及與環境持續交互等任務時，...
網頁鏈接免責聲明：投資有風險，本文並非投資建議，以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請，作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考，不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證，投資者應自行研究並在投資前尋求專業建議。