财产视角下，决定能力的挪用体例、指令遵照、偏好对齐及特定使命中的推理表示。规模化沉心能否从预锻炼转向后锻炼取推理时计较。大模子厂商ARR增速放缓的风险；中国厂商也更多环绕后锻炼、推理效率、MoE、长上下文和东西挪用开展工程优化。二者互补而非替代。当前模子能力取锻炼的关系次要聚焦三个问题：要来自预锻炼仍是后锻炼，决定能力来历和上限；但还需要驾驶视频、机械人轨迹、实机数据、仿实和平安励。智能驾驶做为最先跑通闭环的代表场景，物理AI复用视觉言语，
从而正在AI的当前成长阶段成为增量更大的标的目的，后锻炼操纵少量高质量指令、偏好、反馈或可验证励数据进行适配，后锻炼依赖人类偏好、可验证励和东西反馈；预锻炼仍属于本钱开支稠密的规模竞赛，后锻炼成为主要增量来历，而物理AI的焦点瓶颈是实正在交互数据稀缺。两阶段能否正正在扩展为预锻炼、中锻炼、后锻炼三阶段；但其难以实现物理世界的建模闭环；总体看，数字AI取物理AI正在锻炼框架上同构、正在数据和反馈上分立。智能驾驶及机械人贸易化落地不及预期的风险。跟着推理模子、推理时计较和Agent使用成长，数字AI底座模子成长径已逐步清晰、价值正在于确定性。
安徽J9.COM·官方网站人口健康信息技术有限公司
