Chiny dominują rankingi AI-wideo: 9 na 10 najlepszych modeli pochodzi z Azji

Chińskie przedsiębiorstwa technologiczne niemal całkowicie zdominowały światowe rankingi modeli sztucznej inteligencji służących do tworzenia wideo. Według najnowszych danych z zestawienia Artificial Analysis, aż dziewięć z dziesięciu czołowych rozwiązań tego typu należy do firm z Państwa Środka, podczas gdy Stany Zjednoczone reprezentuje jedynie Google.

Rankingi potwierdzają przewagę chińskich deweloperów

Analiza rynku wskazuje na wyraźne przesunięcie środka ciężkości w rozwoju technologii tekst-to-wideo. Na szczycie listy, obok modelu Gemini Omni Flash od Google, znajdują się propozycje takich gigantów jak Alibaba (modele Wan i HappyHorse), ByteDance (Seedance 2.0) czy Kuaishou ze swoim rozwiązaniem Kling. Co ciekawe, niektóre z tych narzędzi, jak HappyHorse, zadebiutowały anonimowo, błyskawicznie zdobywając uznanie użytkowników w testach porównawczych przed oficjalnym ujawnieniem twórcy. Ta ekspansja wypełnia lukę po amerykańskich graczach, takich jak OpenAI, które wstrzymało projekt Sora, czy Anthropic, który dotąd nie wszedł w ten segment rynku.

Dlaczego generowanie obrazu to coś więcej niż rozrywka

Prawdziwe znaczenie sukcesu w dziedzinie wideo wykracza poza tworzenie krótkich filmów reklamowych czy mikrodramatów. Aby wygenerować wiarygodne nagranie, algorytmy muszą zrozumieć podstawowe zasady fizyki, takie jak ruch, przyczynowość czy zachowanie obiektów. Eksperci określają to mianem modeli świata, które mają być kluczem do stworzenia sztucznej inteligencji na poziomie ludzkim. Cris Valenzuela, dyrektor generalny firmy Runway, zauważa w rozmowie z Catherine Thorbecke, że rozwój symulatorów rzeczywistości to naturalna ścieżka ewolucji systemów. Takie podejście pozwala na testowanie działań w bezpiecznym środowisku cyfrowym, co jest niezwykle cenne dla sektora autonomicznych pojazdów oraz robotyki.

Bariery prawne i techniczne na drodze do doskonałości

Mimo imponujących wyników, technologia ta wciąż boryka się z problemami. Modele wideo, nawet te najbardziej zaawansowane, miewają trudności z poprawnym odwzorowaniem złożonych zdarzeń, takich jak pękanie szkła, co dowodzi, że wizualna spójność nie zawsze idzie w parze z pełnym zrozumieniem praw fizyki. Dodatkową przeszkodą są kwestie praw autorskich, które są trudniejsze do ukrycia w przypadku materiałów filmowych niż w bazach tekstowych. Przykładem jest ByteDance, które wstrzymało premierę jednego z rozwiązań z powodu sporów z Hollywood. Niemniej jednak, kontrola nad oprogramowaniem sterującym może dać Chinom ogromną przewagę w produkcji humanoidalnych robotów, dla których systemy wideo stanowią swego rodzaju cyfrowe mózgi.