ByteDance prepara AI che genera mondi virtuali in tempo reale

ByteDance starebbe lavorando a un modello AI capace di generare video spaziali in tempo reale, sotto la supervisione diretta del suo fondatore, Zhang Yiming. Questo progetto, il cui lancio potrebbe arrivare già il mese prossimo, si baserebbe su Seedance, il sistema di generazione video già esistente dell’azienda.

Mondi virtuali interattivi

Secondo fonti anonime citate da Bloomberg, questo modello permetterebbe di creare mondi virtuali interattivi per trasmissioni in diretta, cortometraggi o videogiochi. Le specifiche menzionate indicano una generazione di video on demand, a circa 20 fotogrammi al secondo, con una latenza di circa 50 millisecondi. L’elaborazione avverrebbe nel cloud anziché sul dispositivo, il che ridurrebbe i requisiti hardware per i visori di realtà virtuale ed estesa.

ByteDance, proprietaria di Pico, la sua divisione dedicata alla realtà estesa, destinerebbe questo modello ai propri utenti, con ambienti che reagiscono alla voce e ai movimenti.

Quattro priorità per l’azienda

A inizio anno, ByteDance aveva fissato quattro priorità in materia di AI per il 2026, con i world model in cima alla lista, davanti al mantenimento del vantaggio di Seedance nella generazione video, al miglioramento degli strumenti di programmazione e alla commercializzazione di Doubao.

I world model beneficerebbero del più grande budget dati dell’azienda, stimato in diverse decine di milioni di yuan, ovvero da tre a quattro volte più di quanto vi spenderebbero i concorrenti. L’obiettivo era allora quello di consegnare almeno un modello di questo tipo entro la fine dell’anno, confrontandolo con Genie di Google, che permette di navigare in immagini Street View renderizzate in tempo reale.

Due approcci in vista

L’azienda starebbe esplorando due approcci: uno denominato visione-linguaggio-azione per l’intelligenza incarnata e la robotica, e un altro incentrato sulla simulazione 3D per l’intrattenimento e i videogiochi. Il modello di video spaziale rientrerebbe in questa seconda categoria, che si appoggia su una base di utenti già esistente.

Un world model è un sistema capace di apprendere il comportamento degli ambienti per generare spazi coerenti, che reagiscono alle azioni dell’utente. Le aziende specializzate nel video, come ByteDance, dispongono di un vantaggio in questo ambito, poiché possiedono grandi quantità di dati video e un’esperienza nella loro compressione per un rendering rapido.