OpenAI發(fā)布的視頻大模型Sora后，國(guó)內(nèi)廠商迅速跟進(jìn)，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(dòng)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(lè)大模型、同聲傳譯模型等產(chǎn)品。

大模型行業(yè)經(jīng)過(guò)2022年年底的震撼、2023年的追趕，2024年的逐漸冷靜，廠商開(kāi)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(duì)此，火山引擎總裁譚待對(duì)第一財(cái)經(jīng)記者表示，中國(guó)大模型應(yīng)用之所以沒(méi)有做大，成本是一個(gè)很重要的原因，如今行業(yè)將成本價(jià)格"打"了下來(lái)，轉(zhuǎn)向應(yīng)用成為必然。

譚待表示，豆包大模型并不打價(jià)格戰(zhàn)，而是讓價(jià)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(guò)1.3萬(wàn)億，較5月數(shù)據(jù)增長(zhǎng)了10倍。日均生成圖片5000萬(wàn)張，日均處理語(yǔ)音85萬(wàn)小時(shí)。譚待認(rèn)為，當(dāng)大模型價(jià)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(jià)帶來(lái)的營(yíng)收壓力，譚待表示，對(duì)To B廠商而言，技術(shù)與產(chǎn)品最重要的是可持續(xù)，降價(jià)之后的火山引擎并未負(fù)毛利，至于具體毛利數(shù)據(jù)，譚待并未進(jìn)一步披露。

關(guān)于推出視頻大模型的時(shí)間，譚待表示，過(guò)去豆包視頻大模型主要用于集團(tuán)內(nèi)部，內(nèi)部技術(shù)對(duì)外開(kāi)放成為商用業(yè)務(wù)需要時(shí)間，而企業(yè)客戶普遍存在對(duì)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(dòng)內(nèi)部已配合即夢(mèng)AI與剪映進(jìn)行產(chǎn)品試用，今年7月，全國(guó)首部AIGC生成式連續(xù)性敘事科幻短劇集《三星堆：未來(lái)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(mèng)AI提供首席技術(shù)支持。此次公開(kāi)，技術(shù)層面解決了視頻生成模型大多只能完成簡(jiǎn)單指令的問(wèn)題，可實(shí)現(xiàn)自然連貫的多拍動(dòng)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(guò)DiT融合計(jì)算單元讓視頻在大動(dòng)態(tài)與運(yùn)鏡中自由切換，另外通過(guò)擴(kuò)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(shí)可同時(shí)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(yíng)銷、動(dòng)畫教育、城市文旅、微劇本等企業(yè)場(chǎng)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(yǔ)言、語(yǔ)音、圖像、視頻等全模態(tài)，但對(duì)于未來(lái)多模態(tài)AGI的發(fā)展，譚待對(duì)記者表示，現(xiàn)在行業(yè)技術(shù)還需更努力才能勉強(qiáng)摸到AGI的門檻。

作為字節(jié)跳動(dòng)集團(tuán)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(tuán)對(duì)AI2.0時(shí)代下云計(jì)算業(yè)務(wù)的重視。