界面新闻记者 | 陈振芳
9月6日上昼，在界面新闻举办的2024 REAL科技大会上， 商汤数字文娱业绩部总司理栾青在演讲中先容，商汤为AI大模子全场地布局，诡秘算力基础层、AI模子层与表层应用。
当今商汤投建的国产化东谈主工智能算力集群已领有GPU是5.4万块，总运营算力总运营峰值是2万P，公司在上海临港正在投建寰宇最大限度东谈主工智能数据中心，寰宇算力节点广大上海、广州、重庆、深圳、福州等地。
本年7月，商汤发布“日日新5o”模子，交互体验对标GPT-4o，终了全新AI交互模式。该模子大要整合跨模态信息，通过基于声息、文本、图像和视频等多种阵势，呈现及时的流式多模态交互。
在视频生成鸿沟，商汤在7月发布首个“可控”东谈主物视频生成大模子Vimi，该模子主要面向C端用户，支撑聊天、唱歌、摆动等多种文娱互动场景。Vimi可生成长达1分钟的单镜头东谈主物类视频，画面恶果不会跟着时候的变化而劣化或失真，通过一张纵脱作风的相片就能生成和野心看成一致的东谈主物类视频，通过已有东谈主物视频、动画、声息、笔墨等多种元素进交运转。
栾青提议，2024年将成为AI视频的应用元年，将来三到五年，更多应用场景将跟着模子才调普及和推理本钱下跌逐渐解锁。
其次，AI视频生成将重塑传统视频制作使命，整合音视频创作的经过措施变为一个举座，裁汰AI视频试验的制作门槛，并以全新视频交互界面展现。
往日十几年，视频产业一直不停地发展，制作一个视频从几百东谈主的团队，精简至几十个东谈主的网剧团队，再到个东谈主也不错创作短视频。期间鼓吹下，视频团队和制作时候不停精简，而视频数目却在指数级的爆增，东谈主类的糜掷俗例从还是的看案牍、图片、新闻，形成了看视频。
栾青以为，当视频的生成速率更快，致使达到及时生成视频，AI大要带来新的交互体验，举例通过算法自动地限制东谈主物看成，及时可交互的视频。
现时，AI视频生成有两大场地，一是用笔墨教导生成视频；另一个则是用其他信号，比如可控的逻辑性信号。举例动画想象师会捕捉东谈主体和当然信号，再让东谈主工智能学习，最终完成。这么生成的东谈主物不仅合理，还能跟着可控的信号进行变化。
栾青也提到，AI视频大模子在东谈主物类视频生成上存在三大挑战：东谈主物看成、神采难以精准限制，出恶果仅靠无数“抽卡” ；东谈主物身份空闲性不高，“时时换长相” ；仅支撑空闲生成3-4秒时长，难以舒服需求。因此，宽泛视频创作尚未达到可用的阶段。
欧美童模写真“现时东谈主们每天看到的视频80%皆是东谈主物为主题的视频。”
栾青先容，商汤正在尝试用APP匡助用户来生成视频写照大片，诈骗AI算法限制运镜、光影变化、东谈主物配景，让试验变得更真正和当然。举例用户输入一张相片，大模子居品也不错用不同的动画方式去制作试验，让试验阵势更为丰富。
栾青以为，跟着AGI期间在视频鸿沟的深远，除了分娩服从的变化麻豆 视频，更多的是全新体验。大模子的才调不错让粗造东谈主更好的进行创作。