字节豆包直面AI视频降本难题，压力给到了谁？

　　自Sora横空出世开辟了AI的新纪元以来，国内外各大玩家陆续加入AI的竞逐赛。但是，当进入这一更交互、更沉浸的新时代，又该如何应对成本、质量和性能方面的挑战？

　　10月15日，火山引擎联合英特尔共同在云技术大会上发布了大模型训练预处理方案。发布会上，Bytedance Research负责人李航介绍，豆包生成模型PixelDance在训练过程中采用了火山引擎的大模型训练预处理方案，充分利用了大量潮汐资源，为模型训练提供了有力支撑。

　　此外，抖音集团架构负责人王悦透露了字节自研编解码芯片的最新进展：经过抖音集团内部的实践验证，该芯片在同等压缩效率下，成本节省了95%以上。

　　“首先，超大规模训练数据集导致计算和处理成本激增。”王悦指出大模型厂商在预处理过程中面临诸多挑战，“其次是样本数据参差不齐，然后是处理链路环节多、工程复杂，最后还面临着对GPU、CPU、ARM等多种异构算力资源的调度部署。”

　　火山引擎发布了大模型训练预处理方案，致力于解决大模型训练的成本、质量和性能等方面的技术挑战。

　　据介绍，对训练进行预处理是保障大模型训练效果的重要前提。预处理过程可以统一的数据格式、提高数据质量、实现数据标准化、减少数据量以及处理标注信息，从而使模型能更高效地学习中的特征和知识，提升训练效果和效率。

　　在生成模型的训练中，算力成本无疑是首屈一指的挑战。

　　一位国内生成模型的算法工程师在接受计算机科学家Matthias Plappert的研究也显示，Sora的训练对算力规模的要求巨大，在训练环节大约需要在4200～10500张NVIDIA H100上训练1个月，且当模型生成到推理环节以后，计算成本将迅速超过训练环节。

　　为了解决降本难题，火山引擎借助Intel的CPU等资源，将大模型训练预处理方案依托于自研的多媒体处理框架。王悦表示，该方案还在算法和工程方面进行了调优，可以对海量数据高质量预处理，短时间内实现处理链路的高效协同，提高模型训练效率。

　　对于该方案的应用，李航在发布会现场透露，豆包生成模型PixelDance在训练过程中已采用该方案。同时，火山引擎云团队提供的点播解决方案还为PixelDance生产的提供了从此外，在此次发布会上，火山引擎还发布了跨语言同声复刻直播方案、多模态理解与生成方案、对话式AI实时交互方案和AIG3D&大场景重建方案，从的生产端、交互端到消费端，全链路融入AI能力。

　　
拿到AI时代的“船票”之后，去向何方？

　　AI正全方位重塑着人们生产、传播和接受信息的路径。其中，不断涌现的新技术将人们从流畅、高清的数据世界带入了更加智能、更具交互体验的AI世界。

　　今年7月，商汤推出了首个面向C端用户的可控人物生成大模型Vimi；8月，“AI六小龙”之一的MiniMax发布了生成模型video-1；9月，可灵AI完成第9次迭代，发布“可灵1.5模型”，阿里云在云栖大会上推出全新的生成模型，字节也发布了2款生成模型⋯⋯AI产品的诞生和迭代几乎是以月来计时的。

　　对于AI产品的“爆发”，北京市社会科学院副研究员王鹏在接受目前市场上AI产品的落地大多在影视、电商营销等领域，例如今年7月，即梦AI和博纳影业合作推出了全国首部AIGC生成式连续性叙事科幻短剧集；今年9月，快手联合贾樟柯、李少红等9位知名导演启动“可灵AI”导演共创计划。

　　与此同时，工信部信息通信经济专家委员会委员盘和林向此外，易观分析研究合伙人陈晨也在接受AI的时代来到了，但这注定是一个长坡厚雪的赛道，如何降本增效、拿下更多市场也将成为互联网大厂和科技企业面对的不变命题。