據(jù)The Information披露。國內(nèi)科技巨頭字節(jié)跳動，目前正加速布局通用人工智能賽道，其核心人工智能部門Seed正在秘密研發(fā)對標谷歌Genie3、Meta V-JEPA 2的"世界模型"。

目前，字節(jié)跳動的世界模型項目已進入攻堅階段，該項目由前阿里通義千問核心成員周暢帶隊，依托抖音/TikTok的海量視頻數(shù)據(jù)與自研EX-4D框架，劍指虛擬世界模擬與機器人訓(xùn)練等前沿領(lǐng)域。

The Information表示，此次技術(shù)布局標志著字節(jié)跳動正式加入全球AI巨頭爭奪戰(zhàn)。

何為"世界模型"，簡單來說就是模擬真實環(huán)境的物理規(guī)律和人類互動方式，未來可用于訓(xùn)練機器人、自動駕駛系統(tǒng)或構(gòu)建虛擬世界，被視為通向通用人工智能（AGI）的重要路徑之一，其核心目標是通過深度學(xué)習(xí)構(gòu)建可模擬真實物理規(guī)律的數(shù)字孿生環(huán)境。

據(jù)介紹，新模型將深度融合抖音日均超10億次視頻流數(shù)據(jù)，涵蓋人物行為、物體運動、場景交互等多維度動態(tài)信息，為訓(xùn)練提供媲美真實世界的素材庫。值得關(guān)注的是，近期開源的EX-4D技術(shù)將發(fā)揮關(guān)鍵作用，這項可將單目視頻轉(zhuǎn)化為4D多視角場景的創(chuàng)新框架，突破了傳統(tǒng)單幀圖像處理的局限性，為實現(xiàn)時空連續(xù)性的環(huán)境建模奠定基礎(chǔ)。

在全球AI競賽進入新階段的背景下，字節(jié)跳動在AI領(lǐng)域的布局還是相對來說比較"低調(diào)"。

就以"世界模型"為例，谷歌Genie3憑借其"分鐘級場景連貫性"和"文本驅(qū)動事件修改"功能已搶占先機，其720P分辨率、24幀每秒的生成能力，以及支持物理引擎自主學(xué)習(xí)的特性，已在游戲開發(fā)和機器人訓(xùn)練領(lǐng)域引發(fā)變革。

同樣是""世界模型"的標桿產(chǎn)品，Meta V-JEPA 2則以獨特的聯(lián)合嵌入預(yù)測架構(gòu)實現(xiàn)物理推理能力突破，通過100萬小時視頻訓(xùn)練構(gòu)建的預(yù)測模型，使機器人動作規(guī)劃效率提升至同類產(chǎn)品的30倍。

面對巨頭們的強勢表現(xiàn)，字節(jié)跳動的新模型需在保持短視頻數(shù)據(jù)處理優(yōu)勢的同時，突破物理仿真與長時程一致性等技術(shù)瓶頸。

從戰(zhàn)略層面看，字節(jié)跳動的世界模型布局與其核心業(yè)務(wù)形成深度協(xié)同。

目前，抖音/TikTok積累的超20億用戶行為數(shù)據(jù)，為模型構(gòu)建了獨特的人物交互訓(xùn)練集；如果能結(jié)合旗下PICO 設(shè)備以及其他智能家居生態(tài)，那么未來或可構(gòu)建虛實融合的交互場景，復(fù)制其在移動互聯(lián)網(wǎng)時代的終端優(yōu)勢。

此外，Seed部門在整合火山引擎AI團隊后，也能通過世界模型打通廣告推薦、內(nèi)容生成、智能硬件等業(yè)務(wù)的底層技術(shù)鏈路，展現(xiàn)出打造AI基礎(chǔ)設(shè)施的野心。

由此可見，隨著科技巨頭們持續(xù)加碼，或許我們能很快見證首個消費級世界模型的誕生。正如IDC分析師Jason Dai所言："視頻世界的構(gòu)建需要更強的實時性與因果推理能力，而這正是Meta和谷歌尚未完全解決的難題。"

字節(jié)跳動的入場，無疑將為這場競賽注入新的變量。