Алибаба, Байтънс и Куайшоу стартираха нови AI модели – от роботи до генериране на видео съдържание за филми.

Китайските IT гиганти демонстрират нови AI алгоритми
Контекст

Миналата седмица американският пазар на изкуствен интелект беше зает с обсъждането на възможностите на модели Anthropic и Altruist, които влияят върху програмирането и финансовите услуги. В същото време китайските технологични гиганти – Alibaba, ByteDance (собственикът на TikTok) и Kuaishou – представиха собствените си AI модели, демонстрирайки увеличение в производителността при роботика и генериране на видео. Тези разработки потвърждават, че Китай не отстъпва от западните конкуренти.

Фон

Обявленията за нови алгоритми дойха след наскоро изказването на Демис Хасабис (основателят на Google DeepMind), който отбеляза, че китайските AI модели отстъпват от западните с няколко месеца. Въпреки това инструментите, представени тази година, могат да се превърнат в директни съперници на продуктите на OpenAI (Sora), Nvidia и Google в областта на генерирането на видео и роботиката.

1. RynnBrain – „умен“ роботизиран помощник от Alibaba
* Какво е?

Изследователското подразделение Alibaba DAMO обяви модела RynnBrain, предназначен да позволи на роботи по-добре разпознаващи околната среда и взаимодействие с обекти.

* Демонстрация

В роликът показва робот със щипки вместо ръце, който събира портокали и ги поставя в кошница. Също така демонстрира изваждане на мляко от хладилник.

* Технически особености

- Обширно обучение е необходимо за разпознаване на ежедневни обекти.
- RynnBrain включва вградено осъзнаване на време и пространство: роботът помни къде и кога се случват събитията, следи напредъка на задачата и може да продължи работа в няколко етапа.
- Това повишава надеждността и последователността при реални условия.

* Позициониране

Alibaba цели да създаде „базово интелектуално ниво“ за внедрените системи, конкурирайки се с Nvidia и Google в роботиката.

2. Seedance 2.0 – генериране на видео от ByteDance
* Функционал

Моделът позволява създаване на реалистични видеоклипове по прост текстов опис. Алгоритъмът може също така да обработва съществуващи видео и изображения, комбинирайки ги в нови композиции.

* Предимства

- Подобрена управляемост, скорост и ефективност спрямо предходните версии.
- Положителен отзив от изследователката на Hugging Face Адина Якефу: моделът „удиви с балансираността си“ и предоставя качествени резултати още при първото стартиране.

* Технически детайли

Seedance 2.0 комбинира визуализация, звуково сопровождение и операторска работа в един поток, създавайки завършен продукт вместо експериментален прототип.

* Проблеми и ограничения

- Поради въпроси за поверителност ByteDance временно деактивира функцията за генериране на човешки глас от качена снимка.
- Това решение беше взето след като блогър изрази опасения относно неоторизиран синтез на реч.

3. Kling 3.0 – конкурент от Kuaishou
* Общо описание

Моделът Kling 3.0 е предназначен за генериране на видео и се позиционира като директен съперник на Seedance 2.0.

* Ключови подобрения

- Подобрена последователност (детайлите не са разкривани в текста, но предполага се значително увеличение на качеството).

Итоги
- Китайските компании активно развиват AI алгоритми за роботика и генериране на видео, демонстрирайки конкурентоспособни решения.
- Alibaba е фокусирана върху „умни“ роботи с осъзнаване на време и пространство.
- ByteDance предлага напреднал модел за създаване на видеоконтент, но се сблъсква с въпроси за етиката при синтез на глас.
- Kuaishou продължава да разширява портфейла си от генеративни модели, конкурирайки се с ByteDance.

Тези разработки потвърждават, че Китай не само следва западните иновации, но и активно формира собствения си пазар на AI продукти.