ByteDance ma rozwijać model AI tworzący interaktywne światy w czasie rzeczywistym

ByteDance ma podobno rozwijać system AI do generowania w czasie rzeczywistym wideo przestrzennego — rodzaj tzw. modelu świata. Zamiast tworzyć zwykły, liniowy klip, taki system miałby budować interaktywne cyfrowe środowisko, po którym użytkownik może się poruszać i na które może wpływać. Bloomberg podał, że pracę osobiście nadzoruje założyciel firmy Zhang Yiming, a premiera jest możliwa już w przyszłym miesiącu. Termin może się jednak zmienić, a ByteDance publicznie nie potwierdził projektu. 1

Nie kolejny generator wideo, lecz interaktywny świat

Według doniesień nowy model powstaje na bazie Seedance, technologii ByteDance do generowania wideo. Seedance 2.0 jest multimodalnym modelem audio-wideo: przyjmuje tekst, obrazy, dźwięk i wideo jako dane wejściowe.

Opisywany system wideo przestrzennego miałby pójść o krok dalej niż produkcja gotowego filmu. Jego przeznaczeniem ma być tworzenie interaktywnych wirtualnych światów dla transmisji na żywo, krótkich formatów fabularnych i gier. 7 W praktyce oznaczałoby to scenę, która reaguje na ruch lub działania odbiorcy, a nie odtwarza od początku do końca wcześniej wyrenderowaną sekwencję.

Właśnie dlatego projekt jest zaliczany do kategorii modeli świata. Google DeepMind opisuje je jako systemy symulujące zmiany w środowisku i skutki działań; jego Genie 3 ma generować na żywo interaktywne środowiska na podstawie opisu tekstowego.

Osobiste zaangażowanie Zhang Yiminga jest ważnym sygnałem

Jak wynika z informacji Bloomberga, Zhang Yiming ma koordynować pracę zespołów z różnych części ByteDance oraz kierować zasoby AI i moc obliczeniową do tego projektu. 1 Nie dowodzi to, że produkt jest ukończony ani że data wydania została przesądzona. Jeśli jednak informacje są trafne, bezpośredni nadzór założyciela sugeruje, że firma postrzega model jako projekt platformowy, a nie wyłącznie kolejną funkcję generatora wideo.

Bloomberg przedstawia tę inicjatywę jako element rywalizacji z Metą i Alphabetem. Zastosowania miałyby wykraczać poza rozrywkę — obejmując robotykę i systemy autonomiczne. 1 Najbliższym rynkowo zastosowaniem może być interaktywna rozrywka, lecz szerszym celem technicznym jest model potrafiący utrzymywać spójne środowisko mimo zmian wywoływanych przez użytkownika.

Co wiadomo o wydajności i goglach Pico

Jeden z raportów, powołujący się na osoby znające projekt, podaje, że model może generować strumień wideo z szybkością około 20 klatek na sekundę i opóźnieniem rzędu 0,05 sekundy. System miałby też reagować na głos i ruch użytkowników gogli Pico, należących do biznesu XR ByteDance. 7

Te liczby należy traktować ostrożnie. Są to informacje ze źródeł medialnych, nie publiczne wyniki benchmarków, a ByteDance nie opublikował dokumentacji technicznej, która pozwalałaby je niezależnie zweryfikować. Udany produkt XR potrzebuje przy tym więcej niż samej szybkiej generacji: znaczenie mają stabilność obrazu, spójność przestrzenna, niezawodność sieci, opóźnienie między ruchem a obrazem oraz koszt działania modelu.

Renderowanie w chmurze mogłoby teoretycznie przenieść część obliczeń poza gogle, ograniczając wymagania wobec lokalnego sprzętu. Jest jednak za wcześnie, by wnioskować, że model obniży ceny urządzeń Pico albo zapewni ByteDance wyraźną przewagę nad Metą czy Apple. To możliwe konsekwencje strategiczne, a nie potwierdzone cechy produktu.

„Już w przyszłym miesiącu” nie oznacza ustalonej premiery

Najgłośniejsza informacja mówi o debiucie możliwym „już w przyszłym miesiącu”, ale opiera się na anonimowych źródłach. Bloomberg pisał, że produkt jest przygotowywany do potencjalnej premiery, a nie że ustalono konkretną datę. 1 Kolejne publikacje powtarzające tę informację również zaznaczają, że harmonogram może się zmienić. 8

Do czasu oficjalnego komunikatu ByteDance warto oddzielić trzy poziomy informacji:

• Raportowany kierunek: oparty na Seedance model do generowania przestrzennego wideo w czasie rzeczywistym.
• Raportowane zastosowania: interaktywne światy dla treści na żywo, krótkich dramatów i gier.
• Niezweryfikowane szczegóły: data premiery, sposób dostępu, integracja sprzętowa, opóźnienie, liczba klatek i dostępność komercyjna.

Szerszy kontekst inwestycji ByteDance w AI

ByteDance ma duże zasoby na rozwój infrastruktury AI, choć nie jest to osobny budżet przypisany temu konkretnemu modelowi. Reuters podał, że firma pozyskała 29,6 mld dolarów kredytu od niemal 30 banków; według źródeł środki mają wspierać zagraniczną ekspansję AI. Wartość finansowania wzrosła z pierwotnie zakładanego poziomu 20 mld dolarów.

Oddzielnie Bloomberg informował, że ByteDance rozważał wydatki inwestycyjne sięgające 70 mld dolarów w 2026 r. na centra danych i inną infrastrukturę AI. Była to raportowana wartość planowana, nie potwierdzony wydatek ani alokacja środków dla jednego modelu.

Doniesienia oparte na publikacji 36Kr wskazują też, że ByteDance wyznaczył sobie cel wydania co najmniej jednego modelu świata do końca 2026 r. i porównywania go z Google Genie 3. To relacjonowane priorytety wewnętrzne, a nie publiczne zobowiązanie firmy.

Dlaczego to może mieć znaczenie

Modele AI potrafią już tworzyć przekonujące klipy wideo. Interaktywne środowisko wymaga jednak trudniejszego zestawu zdolności: zachowania spójności sceny w czasie oraz wiarygodnego reagowania na polecenia i ruch użytkownika. To zarazem główna obietnica i podstawowe wyzwanie modeli świata.

Jeśli ByteDance zdoła zrealizować ten cel, może połączyć swoje technologie generowania wideo z interaktywną rozrywką i rozszerzoną rzeczywistością. Dla branży byłby to kolejny duży rywal w dziedzinie, w której publicznie aktywne są m.in. Google i Meta. Na razie uzasadniony wniosek jest węższy: ByteDance najwyraźniej prowadzi poważne prace nad modelem świata dla przestrzennego wideo, opartym na Seedance i — według doniesień — wspieranym bezpośrednio przez Zhang Yiminga. Jakość działania, termin premiery i realny wpływ na Pico pozostają nieudowodnione do czasu prezentacji produktu oraz publikacji mierzalnych wyników technicznych. 17