（来源：上观新闻）
李斌表示🇩🇯，从用户体验🚟🌲的角度看，‼🏧Token的核心🐉🌦在于响应速🏮👆度，即提出问题🇮🇲后，能否在短🇵🇱时间内获得反📷📶馈；而从算力🇱🇾运营者的视🕘角出发，则需要👩🦳考虑To🗒🇰🇮ken能同🦅🇸🇿时支撑多少用🧦⏩户的并发访🦵🇸🇴问，并🈹在高并🥙🏬发条件下依🇪🇷🔻然保障基✨🦇本的使用体🏋💍验👔。
这种现象在🈂👚AI翻🇮🇨🥏译中也会出👞现，特别是当☯🇹🇿系统不确定如🙆🌿何翻译某些专🗂业术语时😁🆕。他们的模型被黄仁👮勋在GTC上🦓🇻🇳多次提及，🌺💖不久前发布的🇼🇸🤳技术论文👭，被马斯克评价“🤖🎣Impressi⏺🏮ve wor🧛♀️k”🏝。但相应地🕐🌼，当前🏃♀️💵主流大规模超节💒点产品的门槛极👌高：单集👏群售价普遍达到🇬🇵亿元级别，🇩🇪后续的运维成本、🇮🇲机房改造投入、电👨⚖️🎄力配套支出🎦等更是居高不下🇸🇲🤠。
对于需要用真实🈁🕵世界数据喂✍养、持续迭☸婚前试爱豆瓣完整版代的具身🇻🇮💫智能模型来说，🇫🇮🤓这种场景密度几乎🤷♂️☂是无可替代的🇰🇵💋。在多步骤👩🦲工作流🍸中，客户购买的🍢🈵本质不是"🇷🇴🥅廉价to🥉ken💁♂️📏"，而是"任务顺🇲🇲利完成"🇱🇾💂。而他关注的是能否🗡将强化🇰🇪学习扩展🇹🇫♒至一百🕔♋、一千甚至🌕👟一万台⚾机器人，在🧙♂️不损失成👌功率的前提下，实🇸🇳🚛现接近人🇭🇳类的操作🏠速度🇨🇷。
