（来源：上观新闻）
具体架构要素： 👨🎨编码器 E_θ：⛸🏙ViT-L📻✉/H/💌🀄g（3🇿🇼🎪00M–💑1B 参🇸🇳🔧数），把视频切➕成 2×💯16×16 的 📌↪tubel☘🧖♀️et 预测器 🇧🇼P_φ：一个轻量😪🇯🇴 ViT-🌜🇧🇻S（约 22M）🇮🇳🇻🇺预测被 mask🥊 部分的潜空🏚🇨🇿间表征⚽♒ 使用 3D-R🍕oPE🇨🇨🔯 位置编码🧒（时间+H+♦W） 约 9👽🐼0% 的🍏高 mask🛄 比率，🕧🌒L1 损🐣🗨失，EMA🇯🇪国产精品天干天干 teac🐫her 防止表🇸🇾征坍塌 训练数⬅👲据 VideoM🍣ix22M =⚱🐇 220🥜0 万视🔂🐦频 ≈ 100 🦀🇭🇰万小时互联🥕🐵网视频👢 在 📧Somet🖨hing😵🧙♀️-Somet🐕👂hing v🔊🎍2 取🇲🇹得 77.🎦👩💼3% 🥥🗝top⏮-1（运动理🖱解），Epic👌-Kitchen🇪🇷🎏s-100 动📙📲作预测 39🎃.7 R@5🔠🖕（SOT🔯A） 为什么像素↖👯重建不⭕适合碰撞3️⃣🇺🇿预测，而潜空间😥🛁预测适🕕♋合？像🇼🇸👨🦰素重建优🛫🦜化的是"下一帧长🚴🧯什么样"（视💝觉保真度），潜🇩🇯空间预测优🌔化的是"下一🖼帧的抽♉象语义/物理状态👨🍳"（物🏫理因果）🇧🇲。
部署层：目前⏭测试都在 Je🇱🇮👩💼tson T🍛hor 🛐和 A100，🇦🇱🥂真正的车📍规级功能安🚐🍄全认证（💜ISO 262🚜🍼62 ASIL⚰-D）🇮🇲👄、OEM 整车🥏集成、与现🛋有 FCW/💤AEB 😗🔭通路的仲🍾🏐裁逻辑都还在产品🌡化阶段；6🆒6 m🐙s 预算对 💿L2+ 足够🌪🗝，对 🛏🔋L4 规划闭👩👧💨环可能偏紧🇰🇷👨🔧。当记者问及👩✈️🥃：“这一周🌚💹，最大的感受是⏪什么？”张星智想🇪🇷了一下说：“每🇻🇳🚴天几百条消息，能🇲🇽☮回的都尽量回✏🤰。
