（来源：上观新闻）
深度技术、🧶🕥长周期👾🚿研究、学术与✈↪产业的持续互动🔳，恰好🇬🇷是中关村当年的底🇩🇯♦色，也恰好是😷🕶大模型时代🇸🇽🎸最需要的基础条😶😯件🧫🌾。同样的市场竞争者🇨🇵❌，如果模型研发水㊗平差异不大，都🐘🎊能够买🥂到（或✡生产）水平差不🛁多的芯💠片呢？从成👩✈️💢本的角度来说，🎗电价就会成🐬为一个最重要🐧的可变因素，🏨而低电⚗价背后的系统🇭🇷性优势不是一🤢🇸🇷些竞争者短👩💼期内能够赶超的😱。
在这种最严格🛴😩的测试🗑中，人类评估者在🇨🇰42%-5🔜🇻🇪1%的情👸况下更偏🙍♂️好WALAR训练🎤的模型🏚翻译，而认为🧘♂️🗃两种方法翻译质🇱🇧🛥量相等的情况占🤵34%-39🇦🇸%📖。
一端是🇹🇦👩👩👧字节跳◻🇦🇴动这样的巨头，从🕟🦜推荐算法一路延☮伸到大模🕳型与视🎧频生成💣。再有一层，则是🍯数量庞大的创业公🥌📣司🔳👩👩👧👧。它揭示了一个长🇰🇭期被忽视的问题⤵：我们用来训🇷🇼😛练和评估AI翻🌑🐠译系统的⚫🇬🇺方法本身就存在根👯🚞本性缺陷🙇🇻🇬。他们不是简单🗃地使用所🇲🇶有可用的语言方向🇱🇺🧭进行训🇿🇲🚪练，而是根据AI🇿🇦系统的当前能力水💡🎐平，选择🔇🆓那些既不会太简单🧕🍜（容易🇹🇻被系统忽视❓我可以触碰你的深处吗）也不会🌼太困难（可能导🔃致训练📒🎪失败）的语言🦢🧻方向🕕。
