（来源：上观新闻）
AI 🎃🥌产业发展已形成😘明显格局：基础🎵大模型赛道🤗趋于饱0️⃣👯♂️和、头部集中，不🌾🏵再有新玩家；📡产业整体呈现🔍 “两🥉头大、中间小”🌍🧖♀️，应用端🧶⌚高度碎片化、变🌎化快，更适👨🚀🇯🇲合轻量化🇸🇯模式运转🇵🇷。用我论文里的🤪话说，“🇵🇬👨🌾这是一种知识体🌹系的去稳🧘♀️定化，不只🌷是知识内容的更🥼新♓😩。
相关出版物数量👑🖱从20🇧🇸⛰15年的🌟接近于👩💻🃏零上升至🌋🤦♀️2025年的37♠😐2篇👣。成都，成为小👩🚀米最早设立分公🈹司的重🥏🕰要城市之一🏓⚛。让我们用一🐯个简化示↕👨👨👦👦例说明，假设训练👨⚖️语料包含以下词👰🆚汇及出现频🧫率： “🐋hug”：🌳🗿10次 “💁♂️pug”：5⬜次 “p🌻🇨🇱un”：12🧀🔤次 “bu®☂n”：4次👧🕦 “hugs😟”：5次 🥶第一步：将所有词🙃🕣拆分为字符，添🐹加结束符 “4️⃣hug”🦝🇱🇧 → “h u🧡 g 🥎” “p🇵🇫ug” →📨欧美乱一区 “p u🏚📞 g 🧘♀️” “p👆🇮🇷un” →🇻🇺🇧🇶 “p🧛♂️ u n ”🏹 “b🇫🇴un”🎣 → “b u 🍕🚣♀️n ” “hu⏩gs” → “🤼♀️h u g 🚡s ” 初始词🇲🇶🐧汇表仅包含基础字🎺符：{b💅, g, 🛴♓h, n, p,🌶🇸🇱 s, u, }👋 第二步：统计相💘🥤邻字符对的🏤🎪出现频率 “🇸🇩🙆u g🇻🇪🔭”：15🖕次（来⚫自“hug”的🇻🇦10次 + “h🦂ugs”的5次）🇸🇪💢 “u🇦🇺 n”：16次🏫🍝（来自“pu◼🛥n”的12📀🍳次 + “bu🌐n”的4次）🇲🇿🇯🇵 “p u🇫🇯欧美乱一区”：17次（来自🌈“pug🐳🍂”的5次 + “🇱🇧😑pun”的⏸📂12次） 🥵第三步：🐆合并最高频字符对🎙 假设“p 🇲🇩🇲🇻u”频💛率最高🍑🥛（17次❤🏗），创🇱🇸🕍欧美乱一区建新符号“pu”🤫🈺， 词汇表扩🐋展为：{b, g🐑, h⛺, n, p, ☀🥞s, u, , 🙅pu} 第四步❎：迭代💆🇲🇷重复 继续统➕计新语料中的字符🍺💵对频率，合🚝🎯并下一个最高频对🕦👨🎤，直到达到预🇪🇨设的词汇表大🔇小（如GPT🇦🇿-2为🤮50,25🌳🔉7个token）🥎欧美乱一区。
