自去年9月份开始，文澜团队就开始进行多模态预训练的工作。想起当时的过程，卢教授形容到：“完全是在黑暗中摸索，并且多模态预训练模型非常难做，但还是果断地沿着这条路（图文弱相关+双塔模型）走了下来。”
但探索和坚持是有风险的，在此期间，卢教授与其所带的博士生们全身心地投入到了这个项目上，并因此很长时间都没有发表论文。如果方向错了，或者没有把模型训练好，都将会是一个“颗粒无收”的结果。这对整个团队的压力，可想而知。
而几乎是同时，国外AI界的领跑者：谷歌和OpenAI，也正在做类似的事情。并在今年1月份，OpenAI发布了两个与文澜在方向上类似的模型：DALL-E和CLIP。震撼业内的同时，也侧面证明了卢教授团队的选择是正确并富有前瞻性的。
飞行汽车的一个完全独特的方面是，电池必须始终保持一些电量。例如，与手机电池不同的是，手机电池在完全放电后再充电时效果很好，而飞行汽车的电池在空中永远不能完全放电，因为需要电力来保持在空中和降落。飞行汽车电池总是需要有一定的安全系数。
当电池为空时，充电的内部阻力很低，但剩余电量越高，越难将更多的能量推入电池。通常情况下，随着电池的填充，重新充电的速度会减慢。然而，通过加热电池，充电可以保持在5到10分钟的范围内。
“我们高瓴人工智能学院的文继荣院长，非常支持去做这些有价值的探索。所以我们整体的学术氛围还是非常宽松和开放的。”
“年中购物节如期而至，我们的货运压力很大。”一位卡车司机如是告诉笔者。最近晚间，每当笔者途经外环高速，道路上全是排队的卡车。面对这样的货运现状，读者可能急忙发问，自动驾驶是不是卡车司机的救星？相比Robotaxi，卡车自动驾驶真的像传说中的那样更容易落地？
除此之外，作为以人文社科见长的高等学府，人大对AI自有其独特的理解方式。某种意义上，针对当前流行的工具理性来说，人大更趋向于价值理性。这也是文澜团队能够冒着“颗粒无收”的风险，坚持完成研究的原因之一。
而在我们看来，除了人大所特有的优势以外，文澜的成功与卢志武教授所拥有的对AI发展的前瞻性，和整个文澜研发团队的优秀能力同样密不可分。
