新火種
2024-10-18 
到處都能刷到的AI視頻真沒你想的那么簡單
“疑似使用了AI生成技術，請謹慎甄別”
大家有沒有發現，這行小字有點像“廣告僅供參考, 請以實物為準”，已經幾乎在生活中越來越常見了。
特別是現在的短視頻平臺。
刷到個小貓視頻，口型是 AI 合成的。
刷個西游記，也能看到 AI 妖精真身。
甚至看一個動畫片，畫面還總是 AI 合成的。
AI視頻越來越多了。
雖然掀起 AI 視頻浪潮的 Sora 還在難產，但 AI 視頻時代或許已經悄然而至。
東吳證券的一份研報里就預測，中國 AI 視頻生成的潛在行業空間，可能擁有超過 5800億元的市場。
但隨著市場不斷火熱，行業的一些問題也逐漸暴露到公眾視野：
視頻化和AI確實都是未來，但像是成本問題、質量問題、協同問題和性能問題，都縈繞在所有初創企業，大廠們的心頭。
就拿成本問題和質量問題為例。
大家都知道，目前的生成式大模型特別是視頻，就是一個力大飛磚的過程，需要用海量數據進行訓練。
而超大規模視頻訓練數據，又會對計算和處理數據、以及數據本身有著天量需求，隨之而來的成本增加是一個天文數字。
GPT-4o作為一個老款AI，開發成本“僅”為1億美元，訓練成本大概在 7800萬美元左右。
而視頻模型的訓練成本就更高了，以年初推出的視頻模型Sora為例，其訓練和推理所需的算力需求，分別就達到了GPT-4的4.5倍和近400倍。。。
除了天價訓練成本外，大模型訓練樣本質量、處理鏈路復雜，涉及多個環節，需要多團隊協作；自研/第三方， GPU 、 CPU 、 ARM 等多種異構算力資源，又需要靈活調度部署。。。
所以，對不少準備擁抱 AI 視頻的公司們來說，當務之急就是想盡辦法，解決這些問題，才能更快地進化。
要論玩視頻的高手，抖音和火山引擎可就有話說了。
上個月底字節推出的爆火的 PixelDance ，效果那是杠杠的。
我們當時還寫了篇文章專門給大家嘮了遍，就看我們簡單試用生成的視頻效果，就知道還真有點東西喔。
而在 15 號結束的火山引擎視頻云技術大會上，開場用了定制數字人譚待來和大家溝通。
結果效果好到，現場參會者們，不少都以為這是視頻摳圖。
而這些高質量 AI 產出背后，其實離不開一個叫BMF的智能框架。
火山引擎通過和自家大模型團隊在內部合作，一起把海量的視頻數據進行預處理。
最后基于火山引擎音視頻處理平臺和 BMF 框架，在短時間內生產了足夠多高質量的視頻素材，用于模型的訓練，才有了 PixelDance 。
功臣之一的 BMF ，為什么能夠做到這些呢？
我們用個生活中常見的例子來解釋：
一個公司開發大模型就好比你家做年夜飯。
為了吃上一頓豐盛的年夜飯，你爸爸負責買菜、媽媽燒飯、奶奶包餃子、你搬桌椅板凳。。。
所有人都得有分工，從頭忙到尾，可能還得時不時打個電話發個微信互幫互助，最后一算，好家伙，原來吃頓年夜飯還得花這么多錢。
而BMF就是火山引擎推出的一個“年夜飯一鍵全流程套餐”，它提供了一系列的工具和服務，幫你輕松、快捷地準備好年夜飯。
這個套餐重點針對性地解決了我們前面說到的 4 個行業痛點，進行了相應的調整。
比如為了解決視頻訓練數據質量問題，他們掏出了多種算法對視頻進行多維度的分析和篩選，做到了充分精細化的過濾；
應對性能難題，他們又利用BMF框架的靈活調度，提前調配好了性能。
這就相當于準備年夜飯一早就做好了攻略，買菜交給了多多買菜送貨上門、燒飯找了五星級大廚專門掌勺、桌椅板凳安排了專門的小工打雜。。。
反正就是用了BMF這套框架，又便捷又省心又省錢。
搞定了企業這邊的需求，火山引擎也沒忘了大家伙。
如今，大家設備的算力不斷上漲，與之而來的就是對視頻畫質提升的強烈需求。
火山引擎通過得天獨厚的優勢，每天在抖音/西瓜等 app ，面對上億用戶，處理海量視頻圖片。
獲得了這么豐富的經驗之后，火山引擎在BMF基礎上，沉淀出了一個更適合普通用戶體質的“BMF lite”，實現了更輕量、更高效、更通用的進化。
比如相較于云端，在用戶端側，對于功耗，內存非常敏感，而場景又涉及 Android 、 ios 、 PC 等多平臺。
于是 BMF-Lite 就重點建設基于跨平臺，資源復用的算法包的框架設計。
簡單說就是統一了各個平臺的接口形式，方便集成部署。
再用算法控制器來復用相同的算法實例，在抖音播放場景，點播跟直播播放大部分都是只會生效一個，可以最大程度地復用資源。
而除了BMF為代表的智能框架，火山引擎還提出了智能算力和智能編解碼。
火山引擎直接在去年掏出了一款自研視頻轉碼芯片，將自研的視頻編解碼技術融入到了里面。
好處就是，針對視頻點播、直播等特定場景，這款轉碼芯片有著更高的計算密度。
就這么說吧，一套視頻編解碼芯片服務器的轉碼能力，相當于上百臺CPU服務器。
今天視頻轉碼芯片上線抖音后，通過實踐數據表明，在同等視頻壓縮效率下，成本能節省 95% 以上。
而針對編解碼層，火山引擎推出了基于自研視頻轉碼芯片構建的“BVE1.2 編碼器”。
這個編碼器大膽融合了深度學習技術，推出了革命性的智能混合編解碼解決方案，將傳統壓縮技術與深度學習壓縮技術有機融合成為一個整體，極大地提升了編解碼的效率，提升了編碼性能。
在前不久結束的的第六屆深度學習圖像壓縮挑戰賽（ CLIC 大賽）中，“BVE1.2 編碼器”拿到兩個冠軍足以說明實力。
這一套小組合拳下來，感覺有興趣的廠商們，估計滿腦子都是“付款碼掃哪兒”？
你還別說，火山引擎也的確沒打算藏著掖著。
像前面說的 BMF 框架，早在去年就已經開源了，更新完的 BMF lite ，也是直接開源。
總的來說，目前，大模型的進化還在持續，視頻 AI 公司之間的競爭也只會日益激烈。
但如果大家只是閉門造車，互相拿成果比拼，用產品說話，可能會顯得競爭有余、合作不足。
而作為可能是全中國短視頻玩得最熟練的字節跳動，他們旗下的火山引擎一次次地將內部技術、框架開源。
特別帶來的 BMF 框架以及它和智能算力和智能編解碼組成的一整套智能底座，的確能夠幫助企業們節約了大量時間和成本，更好地幫助 AI 項目落地發展。
這種競爭和合作共存的態度，才是中國 AI 最樂意見到的場面。
一枝獨秀難成林，萬紫千紅才是春。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
