https://www.neican.ai/main_topics/transformer%E6%9E%B6%E6%9E%84%E5%B1%80%E9%99%90/ Recent content in Transformer架构局限 on AI内参 Hugo zh-cn Wed, 18 Jun 2025 20:20:04 +0800 https://www.neican.ai/insights/-transformer-20250618202004715-0/ Wed, 18 Jun 2025 20:20:04 +0800 https://www.neican.ai/insights/-transformer-20250618202004715-0/ 当前，Transformer大模型在具身智能领域面临“水土不服”的挑战，主要原因在于硬件不稳定、数据稀缺以及大模型架构在能耗、泛化能力和物理世界理解上的局限。专家指出，具身智能正从模块化向端到端架构演进，并呼吁超越现有Transformer范式，探索能耗更低、更适应物理世界的新型模型架构，以实现“具身”与“智能”的真正融合。