圖森未來(lái)視頻大模型賺錢還是賺吆喝 　

　　“自動(dòng)駕駛和圖生視頻從技術(shù)復(fù)用角度，互相搭不上”，“在市面上開(kāi)源模型的基礎(chǔ)上，收集一些數(shù)據(jù)，做視頻模型門檻不高”，針對(duì)圖森未來(lái)12月17日發(fā)布圖生視頻大模型Ruyi一事，自動(dòng)駕駛和視頻模型公司技術(shù)人員分別向北京商報(bào)記者表示。8月官宣進(jìn)入生成式AI應(yīng)用領(lǐng)域時(shí)，“自動(dòng)駕駛第一股”圖森未來(lái)的戰(zhàn)略轉(zhuǎn)型就曾引發(fā)爭(zhēng)議，當(dāng)下模型上線，不少業(yè)內(nèi)人士依然有疑惑。對(duì)此，記者和圖森未來(lái)工程高級(jí)副總裁李海泉聊了聊這款大模型背后的故事。

　　4個(gè)月

　　12月17日，圖森未來(lái)正式發(fā)布圖生視頻大模型Ruyi，并將Ruyi-Mini-7B版本正式開(kāi)源，用戶可以從huggingface上下載使用。這是圖森未來(lái)正式發(fā)布的第一款“圖生視頻”模型，也是圖森未來(lái)進(jìn)入生成式AI應(yīng)用賽道，推出的第一款產(chǎn)品。

　　“我們是從8月開(kāi)始做的，12月初訓(xùn)練進(jìn)入尾聲，后期跟其他模型做了比較，在內(nèi)部做了很多測(cè)試，才選擇現(xiàn)在發(fā)布出來(lái)�！闭劦�12月上線有無(wú)特別考量時(shí)，李海泉告訴北京商報(bào)記者。

　　外界獲悉圖森未來(lái)要跨界也是在8月，準(zhǔn)確來(lái)說(shuō)是8月15日。當(dāng)天，圖森未來(lái)宣布，與上海三體動(dòng)漫有限公司達(dá)成合作，共同開(kāi)發(fā)《三體》系列的動(dòng)畫長(zhǎng)篇電影和視頻游戲。圖森未來(lái)借此宣布，正式進(jìn)入生成式AI應(yīng)用領(lǐng)域，甚至具體到正式進(jìn)軍動(dòng)畫與視頻游戲市場(chǎng)。

　　從8月到12月，對(duì)于圖森未來(lái)而言，4個(gè)月是做一款視頻大模型最短的時(shí)間嗎？

　　“對(duì)。這可能是對(duì)我們來(lái)說(shuō)最短的時(shí)間了�！钡詈Ｈ渤姓J(rèn)，因?yàn)闋可娴娇梢哉{(diào)動(dòng)的資源，如何高效地調(diào)動(dòng)資源，4個(gè)月并不是行業(yè)最短時(shí)間。

　　回到Ruyi，“它對(duì)有一定技術(shù)背景的個(gè)人小團(tuán)體和公司會(huì)很友好，我們并沒(méi)有上線一個(gè)網(wǎng)址或App。如果用戶沒(méi)有高性能的顯卡，玩Ruyi是很難的”。李海泉介紹了Ruyi面向的用戶群，他向北京商報(bào)記者“安利”：“我們不需要寫提示詞，把圖片拽上去就可以�！�

　　搭不上？能復(fù)用？

　　從流程上看，Ruyi和市面上其他的圖生視頻模型的差異不大。

　　按照?qǐng)D森未來(lái)的官方說(shuō)法，Ruyi需要用戶提供一張圖片作為輸入，并可以選擇輸出時(shí)長(zhǎng)、輸出分辨率、運(yùn)動(dòng)幅度和鏡頭移動(dòng)方向等選項(xiàng)，Ruyi會(huì)根據(jù)輸入的圖像輸出一個(gè)不超過(guò)5秒的視頻。

　　圖森未來(lái)相關(guān)人士在和開(kāi)發(fā)者溝通時(shí)表示，“我們內(nèi)部對(duì)比過(guò)，我們的主要特點(diǎn)一個(gè)是做動(dòng)漫更好，一個(gè)是我們是24fps(每秒播放24幀畫面)的，動(dòng)作更絲滑”。

　　不過(guò)圖森未來(lái)也承認(rèn)，Ruyi目前仍然存在手部畸形、多人時(shí)面部細(xì)節(jié)崩壞、不可控轉(zhuǎn)場(chǎng)等問(wèn)題，公司正在改進(jìn)這些缺點(diǎn)，在日后的更新中對(duì)它們進(jìn)行修復(fù)。

　　另一個(gè)業(yè)內(nèi)人士的關(guān)注點(diǎn)是自動(dòng)駕駛和視頻模型有什么關(guān)聯(lián)？“從技術(shù)復(fù)用角度，互相搭不上�！币晃蛔詣�(dòng)駕駛從業(yè)者向北京商報(bào)記者表示。

　　一家視頻模型公司CTO告訴北京商報(bào)記者，“準(zhǔn)確說(shuō)，視頻模型和自動(dòng)駕駛在技術(shù)上，或者經(jīng)驗(yàn)復(fù)用上沒(méi)啥關(guān)系，圖森未來(lái)之所以能做，可能是基于市面上開(kāi)源模型，收集了一些數(shù)據(jù)，門檻不高”。

　　對(duì)此，李海泉持不同意見(jiàn)。站在自動(dòng)駕駛的角度，他認(rèn)為，“自動(dòng)駕駛領(lǐng)域的算法、規(guī)劃控制這些肯定是沒(méi)法用在視頻模型上的，但是還是有很多東西可以復(fù)用的，比如模型設(shè)計(jì)、數(shù)據(jù)處理、基礎(chǔ)工具類”。

　　關(guān)于基于開(kāi)源模型，李海泉直言，“我們?cè)谠O(shè)計(jì)上確實(shí)參考了很多開(kāi)源方案的實(shí)現(xiàn)，不只圖森未來(lái)會(huì)這樣。我們一直關(guān)注大模型的發(fā)展，沒(méi)必要關(guān)起門來(lái)”。

　　圖什么

　　根據(jù)GIR調(diào)研，2023年全球文生視頻大模型收入大約720萬(wàn)美元，預(yù)計(jì)2030年達(dá)到22.19億美元，2024—2030年期間，CAGR(年復(fù)合增長(zhǎng)率)有望達(dá)到56.6%。

　　數(shù)據(jù)很誘人，現(xiàn)實(shí)中視頻生成的技術(shù)成熟度卻還沒(méi)有那么高，實(shí)現(xiàn)規(guī)模性商業(yè)化還需要時(shí)間。

　　在圖森未來(lái)看來(lái)，最佳應(yīng)用場(chǎng)景是孵化生成式AI工具的原動(dòng)力。公司致力于利用大模型降低動(dòng)漫和游戲內(nèi)容的開(kāi)發(fā)周期和開(kāi)發(fā)成本。Ruyi大模型，已經(jīng)可以實(shí)現(xiàn)輸入關(guān)鍵幀后，生成之后5秒的內(nèi)容，或輸入兩個(gè)關(guān)鍵幀，由模型生成中間的過(guò)渡內(nèi)容，降低開(kāi)發(fā)周期。這和圖森未來(lái)想要入局的動(dòng)畫與視頻游戲市場(chǎng)強(qiáng)相關(guān)。

　　不過(guò)，文淵智庫(kù)創(chuàng)始人王超向北京商報(bào)記者表示，“我覺(jué)得圖森未來(lái)是在賺吆喝，早期那些AI公司，在大模型這波是跟不上的”。

　　在和北京商報(bào)記者交流時(shí)，瑞達(dá)恒研究院經(jīng)理王清霖認(rèn)為，“從經(jīng)營(yíng)現(xiàn)狀來(lái)看，圖森未來(lái)的主營(yíng)業(yè)務(wù)尚未展現(xiàn)出顯著優(yōu)勢(shì)，且企業(yè)內(nèi)部存在混亂。因此，圖森未來(lái)亟須探索新業(yè)務(wù)領(lǐng)域，以開(kāi)辟新的增長(zhǎng)點(diǎn)。鑒于視圖生成技術(shù)領(lǐng)域尚未形成清晰的市場(chǎng)格局，這為圖森未來(lái)提供了嘗試和突破的機(jī)會(huì)。不過(guò)，該領(lǐng)域的盈利能力尚待進(jìn)一步驗(yàn)證和觀察”。

　　一個(gè)插曲是：持續(xù)已久的圖森未來(lái)內(nèi)訌還不時(shí)被曝出新動(dòng)態(tài)。近日有投資人士向媒體透露，即將于12月20日召開(kāi)的圖森未來(lái)股東大會(huì)正進(jìn)行股東投票，屆時(shí)將決定圖森未來(lái)下一階段的控制權(quán)。

　　李海泉12月17日向北京商報(bào)記者透露，“12月19日我們會(huì)把AIGC(人工智能生成內(nèi)容)業(yè)務(wù)、其他業(yè)務(wù)和自動(dòng)駕駛業(yè)務(wù)如何整合等，給大家講清楚”。

　　北京商報(bào)記者 魏蔚