數(shù)據(jù)寶
梁謙剛
2024-10-01 12:17
OpenAI發(fā)布的視頻大模型Sora后，國內(nèi)廠商迅速跟進，相繼發(fā)布視頻模型產(chǎn)品，包括生數(shù)科技、智譜AI、阿里等。9月24日，字節(jié)跳動旗下火山引擎發(fā)布豆包視頻生成-PixelDance、豆包視頻生成-Seaweed兩款大模型，以及豆包音樂大模型、同聲傳譯模型等產(chǎn)品。
大模型行業(yè)經(jīng)過2022年年底的震撼、2023年的追趕，2024年的逐漸冷靜，廠商開始調(diào)整業(yè)務(wù)方向，由通用型轉(zhuǎn)向應(yīng)用端，由訓(xùn)練側(cè)轉(zhuǎn)向推理側(cè)。對此，火山引擎總裁譚待對第一財經(jīng)記者表示，中國大模型應(yīng)用之所以沒有做大，成本是一個很重要的原因，如今行業(yè)將成本價格"打"了下來，轉(zhuǎn)向應(yīng)用成為必然。
譚待表示，豆包大模型并不打價格戰(zhàn)，而是讓價格回歸合理。以豆包大模型為例，截至目前，豆包大模型日均tokens使用量超過1.3萬億，較5月數(shù)據(jù)增長了10倍。日均生成圖片5000萬張，日均處理語音85萬小時。譚待認為，當(dāng)大模型價格不再是阻礙創(chuàng)新的門檻，隨著企業(yè)大規(guī)模應(yīng)用，大模型支持更大的并發(fā)流量正成為行業(yè)發(fā)展的關(guān)鍵因素。
至于降價帶來的營收壓力，譚待表示，對To B廠商而言，技術(shù)與產(chǎn)品最重要的是可持續(xù)，降價之后的火山引擎并未負毛利，至于具體毛利數(shù)據(jù)，譚待并未進一步披露。
關(guān)于推出視頻大模型的時間，譚待表示，過去豆包視頻大模型主要用于集團內(nèi)部，內(nèi)部技術(shù)對外開放成為商用業(yè)務(wù)需要時間，而企業(yè)客戶普遍存在對安全性與穩(wěn)定性的擔(dān)心。
此前豆包視頻大模型在字節(jié)跳動內(nèi)部已配合即夢AI與剪映進行產(chǎn)品試用，今年7月，全國首部AIGC生成式連續(xù)性敘事科幻短劇集《三星堆：未來啟示錄》在抖音上線，由博納影業(yè)（001330.SZ）出品制作，抖音旗下即夢AI提供首席技術(shù)支持。此次公開，技術(shù)層面解決了視頻生成模型大多只能完成簡單指令的問題，可實現(xiàn)自然連貫的多拍動作與多主體復(fù)雜交互。
據(jù)了解，豆包視頻生成模型基于DiT 架構(gòu)，通過DiT融合計算單元讓視頻在大動態(tài)與運鏡中自由切換，另外通過擴散模型訓(xùn)練方法攻克了多鏡頭切換的一致性難題，在鏡頭切換時可同時保持主體、風(fēng)格、氛圍的一致性。目前豆包視頻大模型落地于電商營銷、動畫教育、城市文旅、微劇本等企業(yè)場景，也能為專業(yè)創(chuàng)作者和藝術(shù)家們提供創(chuàng)作輔助。
此次豆包大模型發(fā)布產(chǎn)品覆蓋語言、語音、圖像、視頻等全模態(tài)，但對于未來多模態(tài)AGI的發(fā)展，譚待對記者表示，現(xiàn)在行業(yè)技術(shù)還需更努力才能勉強摸到AGI的門檻。
作為字節(jié)跳動集團內(nèi)的產(chǎn)品，此次由火山引擎面向B端客戶推出豆包視頻大模型，也可看出集團對AI2.0時代下云計算業(yè)務(wù)的重視。
