（来源：上观新闻）
部署/推理端：论🇨🇮😹文明确测试🇳🇮⬇了三类平台—— 😨云端 GPU▪💓：NVIDI🏭A A🔢100（训练和☹🔗基准评测）🐼📔 车载/机器人级🇨🇩边缘：NV🎩IDIA Je🥿🔱tso🦶n Tho💬r / DRIV💇♂️🇧🇴E AGX T🔖😽hor🇷🇺🇸🇴（66🗑🚙 ms 实时预🔜算 @🇨🇩 16 🏀🕐Hz） 端侧 🔓🅱CPU⛔：Flash🏃🇦🇮-Lit✊💬e 甚👮至能在纯 CP🕒U 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 NV😓IDIA T🥙hor 上快 5🐉👩🚒 倍🐕。
工业设⚫🐞计也一样🛤。但现在，这个“例🌏外”正在变得🚼🚅越来越难以维⚫持🚙🍱。我也参与标⛱🇬🇩准建设，国内🤜❄有上层引导，🤶大家更📡容易合心齐力推👩🎤🙁动发展，对我们来♎说，一🥥👜方面继续扩大😀🌶本体部署，让🧠🀄更多机器人🇰🇭🚝进入真实的工作流🔼采集数据🥶🌅。俞浩：很多人🇹🇿🎓有个错误🌰🎽观点，他◽🎐们认为一家公司📴🌷里应该有人扮演 🇦🇩🛬“冲锋” 的角🇺🇳色，有人扮🥡☦演 “减速” 的📳🇪🇹角色，这样才✈平衡😡💿。这条路🍆径并不常见——📜多数 AI 🇲🇳🤐公司在🇵🇷模型能力🅰🙎和产品化之间只🔒👨👨👧👦选其一，能同🏜🥞时推进、并让两者💆🐃互相咬合🧐🌵的，屈👩👩👦指可数🦈。
