（来源：上观新闻）
”感知系统、决🇪🇺🇨🇻策系统、三🕓电系统等技⚱♋术可以迁移，但不🦢同之处🐰🔛在于，多数车🏛👷企的“主战场😼”仍是智驾，而智🍫元是AL🐓🎙L IN在🐹具身智能赛🏁道🏜。在技术驱动🥩阶段，一🥠🎛家公司可以靠讲🇵🇭愿景、讲系统🇪🇸🇧🇳、讲未来来建立🌽🔕位置👨✈️。也许会存在这样一😜个世界，↙有成千上万家🖥🏙AI公司，它们的🛄计算量份额🕰👨❤️👨大致相等♓🕖。智元证明了能做🇪🇭大，但还没🔑证明能赚钱🔽🥀。如果我们没🇵🇫🐉有创建所有💈🥊CUDA-👧🌂X库，🍗🕴使它们面向特🇻🇳定领域🍓……十📪多年前，我们开☀🏨始着眼于领®域专用👀🔃的库🈸。
Opus 🕯4.7 对高分辨🎹🐓率图像🧰的处理能🥳🐭力更强：它可🖥🇸🇴以处理长🇳🇷边高达 25💋76 像素（约🧟♀️ 375👨❤️👨 万像素）的👳♀️💀图像，是之前 🦶🕘Claude🌃🤖 型号的🛄三倍以上🇿🇲🇵🇳。英伟达🐒重新定🕗🙄义了计🚊算的方式，从通🇱🇷用计算❤☁过渡到加速计算🕠↪。在模型架构上，F⚱it-🎐🌰VTO基于Fl👩🔬🇦🇼ux.1-dev🍗的多模态扩散➗变换器🙍♂️🍂骨架，人物参📙🤼♂️考图的🙌😐编码与目标图片🤙在通道🤘🌜维度上拼接（因🤼♀️🔯为两者在空间上是🧗♀️像素对应的），💜而服装图的编码则🇸🇯💖与其他信😱息在序列维度🕹🧼上拼接（因🕉🔞为服装图在空🏉✨间上并🔧不直接对应目🥂🏧标图片，👨👨👧👧需要先经过♣🕧模型自行"对齐"📞👨💼）🏆🌄。
实际上🍢🔩，为了获取他🉐们特定架构🦕所需的最后那5🐭%的性能，他们必♠须这样做🏮🌯。研究团队发现，🦝真实照片🛤和3D渲染🏷图在法线贴图上🕵🚔的差异，远小于💨🥃它们在🔮🐥颜色和😘质感上的⛔差异，因此🍢可以用法线贴图🇹🇲🇮🇲作为"桥梁"🚛👩👧👦，让AI学🇳🇦🕉会"给定这个🥿形状，生成🐄这种质感"🦈。4、专🆘注模式 CLI🇨🇨🔪 中加入了🇨🇩🇦🇫专注模式，它会隐🇮🇳🦐藏所有中间步👩❤️💋👩骤，只专🇬🇩注于最终结果⛳。研究团队🌳💄先用物💁🔉理仿真🍎🇮🇹引擎模拟📲不同尺🇩🇰码的服装穿在不同🎽体型人体上的效果🌘🦒，生成3D渲染图🗞🇸🇱，再通过一套基于♣扩散模型的重新🚈👆上色流程，将这些🦅3D渲染🇮🇸🚔图转换成具🍖有真实质感的图片🤜。
