ByteDance förbereder AI-modell för rumslig video i realtid

ByteDances grundare Zhang Yiming övervakar personligen utvecklingen av en AI-modell utformad för generering av rumslig video i realtid, med en möjlig lansering så snart som nästa månad, rapporterade Bloomberg på måndagen med hänvisning till personer med insyn i frågan. Draget positionerar TikTok-ägaren som en direkt utmanare till Meta ↗ 1.02% och Alphabet ↘ 3.58% inom det snabbt växande området för världsmodeller.bloomberg

Modellen, som är byggd på ByteDances befintliga Seedance-system för videogenerering, skulle låta användare skapa interaktiva virtuella världar för livestreamar, kortfilmer och spel, enligt rapporten. Zhang har samordnat insatser över affärsenheter och styrt AI-resurser och beräkningskapacitet mot projektet, uppger källorna. En person varnade för att tidsplanen inte är fastställd och att planerna kan ändras.theedgemalaysia+1

Molnbaserade världar för billigare headset

De rapporterade specifikationerna kräver video på begäran med cirka 20 bilder per sekund med en latens på ungefär 0,05 sekunder, genererad i molnet snarare än på enheten. Den arkitekturen skulle kunna sänka hårdvarukraven för ByteDances Pico-headset för utökad verklighet, minska kostnadströsklar för VR-användning och flytta konkurrensen från enhetsspecifikationer mot AI-modeller, molninfrastruktur och innehållsdistribution.thenextweb+1

Både Meta och Apple ↘ 0.80% har investerat tungt i headset som haft svårt att nå ut till en bred publik. En metod med molnbaserad rendering skulle inte matcha Apples Vision Pro i bildkvalitet, men den skulle avlasta den beräkningsmässiga bördan från själva hårdvaran.thenextweb

En högsta prioritet med miljardstöd

Den rumsliga videomodellen passar in i ett bredare strategiskt skifte hos ByteDance. Tidigare i år rapporterade 36Kr att företaget utsett världsmodeller till sin högsta AI-prioritet för 2026, med en budget för träningsdata i åttasiffriga belopp i renminbi, tre till fyra gånger mer än vad konkurrenterna spenderade. Den angivna måttstocken är Googles Genie, som låter användare interagera med miljöer som renderas i realtid.theedgemalaysia+1

ByteDance följer två parallella spår: en metod baserad på syn, språk och handling inriktad på robotik och förkroppsligad intelligens, samt 3D-simulering för underhållning och spel. Den rumsliga videomodellen tillhör den senare kategorin, som redan har en användarbas genom plattformar som CapCut och Doubao.thenextweb

Det finansiella stödet är betydande. Bloomberg rapporterade förra veckan att ByteDance säkrade ett lån på 30 miljarder dollar och har övervägt investeringar på upp till 70 miljarder dollar i sin AI-utbyggnad. Seedance har i sig blivit ett flitigt använt verktyg bland oberoende filmstudior, kreatörer och AI-startups, och utgör grunden för flera av ByteDances konsumentprodukter.theedgemalaysia+1

Zhangs direkta inblandning placerar honom i samma kategori som forskare som Fei-Fei Li och Yann LeCun, som har argumenterat för att modeller grundade i visuell och fysisk förståelse, snarare än bara språk, representerar vägen mot AI-system som kan agera i den verkliga världen.bloomberg+1