Η ByteDance ετοιμάζει μοντέλο τεχνητής νοημοσύνης για χωρικό βίντεο σε πραγματικό χρόνο

Ο ιδρυτής της ByteDance, Zhang Yiming, επιβλέπει προσωπικά την ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης που έχει σχεδιαστεί για τη δημιουργία χωρικού βίντεο σε πραγματικό χρόνο, με την κυκλοφορία του να είναι πιθανή ακόμη και τον επόμενο μήνα, ανέφερε το Bloomberg τη Δευτέρα, επικαλούμενο άτομα που γνωρίζουν το θέμα. Η κίνηση αυτή τοποθετεί τη μητρική εταιρεία του TikTok ως άμεσο ανταγωνιστή της Meta ↗ 1.02% και της Alphabet ↘ 3.58% στον ταχέως αναδυόμενο τομέα των μοντέλων κόσμου.bloomberg

Το μοντέλο, το οποίο βασίζεται στο υπάρχον σύστημα παραγωγής βίντεο Seedance της ByteDance, θα επιτρέπει στους χρήστες να δημιουργούν διαδραστικούς εικονικούς κόσμους για ζωντανές μεταδόσεις, σύντομα δράματα και παιχνίδια, σύμφωνα με την αναφορά. Ο Zhang συντονίζει τις προσπάθειες μεταξύ των επιχειρηματικών μονάδων και κατευθύνει τους πόρους τεχνητής νοημοσύνης και την υπολογιστική ισχύ προς το έργο, δήλωσαν οι πηγές. Ένα άτομο προειδοποίησε ότι το χρονοδιάγραμμα δεν έχει οριστικοποιηθεί και τα σχέδια ενδέχεται να αλλάξουν.theedgemalaysia+1

Κόσμοι μέσω Cloud για φθηνότερα ακουστικά

Οι αναφερόμενες προδιαγραφές απαιτούν βίντεο κατά παραγγελία με περίπου 20 καρέ ανά δευτερόλεπτο και καθυστέρηση περίπου 0,05 δευτερολέπτων, τα οποία παράγονται στο cloud και όχι στη συσκευή. Αυτή η αρχιτεκτονική θα μπορούσε να μειώσει τις απαιτήσεις υλικού για τα ακουστικά εκτεταμένης πραγματικότητας Pico της ByteDance, μειώνοντας τα εμπόδια κόστους για την υιοθέτηση της εικονικής πραγματικότητας και μετατοπίζοντας τον ανταγωνισμό από τις προδιαγραφές των συσκευών προς τα μοντέλα τεχνητής νοημοσύνης, τις υποδομές cloud και τη διανομή περιεχομένου.thenextweb+1

Τόσο η Meta όσο και η Apple ↘ 0.80% έχουν επενδύσει σημαντικά σε ακουστικά που δυσκολεύονται να προσεγγίσουν το ευρύ κοινό. Μια προσέγγιση απόδοσης μέσω cloud δεν θα έφτανε την πιστότητα του Vision Pro της Apple, αλλά θα αποφόρτιζε το υπολογιστικό βάρος από το ίδιο το υλικό.thenextweb

Κορυφαία προτεραιότητα με δισεκατομμύρια χρηματοδότηση

Το μοντέλο χωρικού βίντεο εντάσσεται σε μια ευρύτερη στρατηγική αλλαγή στην ByteDance. Νωρίτερα φέτος, το 36Kr ανέφερε ότι η εταιρεία είχε ορίσει τα μοντέλα κόσμου ως την κορυφαία προτεραιότητα τεχνητής νοημοσύνης για το 2026, διαθέτοντας έναν προϋπολογισμό δεδομένων εκπαίδευσης οκταψήφιου αριθμού σε γουάν, τρεις έως τέσσερις φορές μεγαλύτερο από αυτόν που δαπανούσαν οι ανταγωνιστές. Το δηλωμένο σημείο αναφοράς είναι το Genie της Google, το οποίο επιτρέπει στους χρήστες να αλληλεπιδρούν με περιβάλλοντα που αποδίδονται σε πραγματικό χρόνο.theedgemalaysia+1

Η ByteDance ακολουθεί δύο παράλληλες διαδρομές: μια προσέγγιση όρασης, γλώσσας και δράσης που στοχεύει στη ρομποτική και την ενσώματη νοημοσύνη, και την τρισδιάστατη προσομοίωση για ψυχαγωγία και παιχνίδια. Το μοντέλο χωρικού βίντεο ανήκει στο δεύτερο, το οποίο διαθέτει ήδη μια βάση χρηστών μέσω πλατφορμών όπως το CapCut και το Doubao.thenextweb

Η οικονομική υποστήριξη είναι σημαντική. Το Bloomberg ανέφερε την περασμένη εβδομάδα ότι η ByteDance εξασφάλισε δάνειο 30 δισεκατομμυρίων δολαρίων και εξετάζει κεφαλαιουχικές δαπάνες έως και 70 δισεκατομμυρίων δολαρίων για την ανάπτυξη της τεχνητής νοημοσύνης της. Το ίδιο το Seedance έχει γίνει ένα ευρέως χρησιμοποιούμενο εργαλείο μεταξύ ανεξάρτητων κινηματογραφικών στούντιο, δημιουργών και νεοφυών επιχειρήσεων τεχνητής νοημοσύνης, υποστηρίζοντας πολλά από τα καταναλωτικά προϊόντα της ByteDance.theedgemalaysia+1

Η άμεση εμπλοκή του Zhang τον τοποθετεί δίπλα σε ερευνητές όπως η Fei-Fei Li και ο Yann LeCun, οι οποίοι έχουν υποστηρίξει ότι τα μοντέλα που βασίζονται στην οπτική και φυσική κατανόηση, και όχι μόνο στη γλώσσα, αντιπροσωπεύουν το μονοπάτι προς συστήματα τεχνητής νοημοσύνης ικανά να δρουν στον πραγματικό κόσμο.bloomberg+1