（来源：上观新闻）
人工智能计算需🐋求持续以惊人的速🥿度增长，这主要🔻受训练⛰和推理🇾🇹👷两方面因素的驱动🎲🤖。更合理的🔖格局，📠是不同路线⚜🏴在各自擅长的场🗒景里补位：GPG🇬🇧🔏PU 继续承担👵广谱兼容任务，🔙🚇DSA 🤱🇹🇿在高强1️⃣度场景优化里🇷🇴建立优势，🍟🦡可重构架构🈹🥊则在模型快速适🏌🌑配、边缘🇲🇴部署、🚄轻量化推理🇧🇸🌅和部分🌰🏎定制场景🍄🏆中释放弹性🏁。他指出🍗，优化不能停留在🔪🥇芯片层🐌😏面，而必须贯穿模🇨🇭型架构、编译器、🇬🇬💰芯片、硬件系统和🚝计算内核的全🧒链路🎐。
他们在 3📃D 数字人领🚳域有技术积累—🇨🇮—SUSU 🇦🇿📿角色 IP🛳🕶、Senti🌵Avata🌪🗄BAIDU优化r（数字人🤭🇲🇪动作生成🧑框架）、SuSu🦹♂️👩🏭InterAct😯s 数📢据集（用于训👈📌练数字人交互🛎👨🔧行为）💒；此外，他们😣还自研了 Ag👶ent 🍙对话的 P⛴🔥TA 架🚯构（Per💆🙄ceptioⓂn-Thinki👋ng-Act🐨🗨ion，感🤪🍯知-思考👙-行动🇧🇬🇳🇱）——专门为 💃👒SUSU🔷 设计的对话决策🐉架构，把“关系🦑”当作🕹工程问🇷🇸题来解🌏🔂。不过，🐧这个方向本身🔼是结构性的—🈸—Age🥉🇹🇻nt 赛道，谁先🚭解决“留存👩🍳”问题，谁🕺最有可能先跑😔🇦🇸出商业模型🤠。一位互联网巨头的‼🇧🇧AI业🇺🇸务线PM无奈👩👧🍒表示：“我💻们购买👨✈️👨❤️👨数据最痛苦🛒💝的不是价🐐🇾🇹格高，而😞☺是不知道买🐜得是否正😦🧁确🚻🇦🇱。
