（来源：上观新闻）
英伟达在当🇱🇮时没有能力（💲🎱也不具备做法人投🇰🇾👨资的哲学）🤩⛑提供类似的“🐯算力换股权🎼🧓”安排🔽。他在20VC📁🛂节目中👩👩👦👦用一个简单🏳的类比来说明⛸💝为什么当🖐💧前的神经网络在计🍀算上浪费极🍒大：今天🏏很多模型是"全🇮🇲🧡连接"的，也就是📏每一层🇬🇵🇨🇮的每个元🥩素和每个其他元素🐥都连在一起🎃。”赛博🇬🇪奇的理由很简单👩🏫，“自媒体是这☄🤬个时代普通人唯🍣🔙一能掌握的🇦🇲电子生产资料，别💞的地方你👨🚀哪有什么生产🦁▪资料？这是🤟🗨我们的工具、手🏀🚷段和流量入口📟。
行业虽能打造单台💚高性能机🥨器人，但软🇳🇫🇦🇱硬件碎片化阻❇碍大规🐠模部署🖇。但好处是技🧥术闭环🛂🇹🇿，迭代速📟🛋度快，❓不受制于人🇲🇹🇦🇩。本文基于Fel👈🍀dman😝在过去👩👦🏯一年里接受的三👨🦱次深度播客访✔🐚谈：202🌘5年3月知名风投🔑🐢播客20VC🍯👩💼（主持人H🇹🇩arry Ste🏺bbings，7🌉💺0分钟长谈）、🌞2025年8🍾月美国🐝科技播客➡🎃Artisa📱💠nal P🇪🇨🇨🇷odcast（主🔥📷持人Andy▫ Pri🌭🇮🇳ce）、202🇺🇿5年12月迪📣🕓拜GIT🗒EX展会现场的❌Inside G📦⛪ITEX访谈💤🔸。
在模型架构上🗯👨👨👦👦，Fit-VT💧🏦O基于F👽lux.1-🍐dev的多模💞🥢态扩散变换器骨架🦃🦏，人物参考图🇩🇪的编码与目标图片🤱在通道维度♍上拼接（因为两者🦉⚱在空间上是像🌶🌒素对应的）🦹♂️🍭，而服装🇨🇺图的编码则与其🇮🇷➕他信息🌵在序列维度上拼接📖🌈（因为服装图🇹🇩💁在空间上❇并不直接对应目🔤🤢标图片，需🇭🇳🎛要先经过模型🎙高水白浆自行"🚞👕对齐"）🚃。
