中国の大手テクノロジー企業バイトダンスは、実世界を3次元空間で再現し、ユーザーの動きや声にリアルタイムで反応する人工知能（AI）の開発に着手した。TikTokを世界的な動画プラットフォームに育て上げたバイトダンスが、動画生成技術を活かしてロボットや自動運転車などに応用可能な『ワールドモデル』競争に参入することとなった。
ブルームバーグは7日（現地時間）、バイトダンスがリアルタイムの空間映像生成に特化した新しいAIモデルを準備しており、早ければ来月にも発売される予定であると報じた。張一鳴バイトダンス創業者が直接開発を監督しており、複数の事業部門の人員やAIリソース、コンピューティング能力が動員されることが知られている。
新しいAIモデルは、バイトダンスの既存の動画生成AIモデル『シダンス』を基に開発される。ユーザーがリアルタイムで相互作用できる仮想世界を作り、ライブ放送や短編ドラマ、ゲームなどに活用することを目指している。
『ワールドモデル』と呼ばれるこの技術は、AIが単に文章や画像を生成するだけでなく、現実世界がどのように動き、変化するかを学習し、それを仮想空間で再現することが特徴である。物体を動かすとどうなるか、自動車が動く空間で何が起こるかなどをAIが理解し、予測するために活用できる。ロボット、ゲーム、自動運転車など、現実世界と相互作用する必要がある分野で重要な技術と評価されている。
バイトダンスは、これまで動画分野で蓄積した技術を活用してワールドモデル市場に参入する戦略を取っている。特に動画生成AIであるシダンスは、すでにバイトダンスの代表的なAI成功事例として位置づけられている。シダンスは動画編集プログラム『キャップカット』やAIチャットボット『ドウバオ』など、バイトダンスのさまざまな製品で活用されている。独立系映画制作会社やコンテンツ制作者、AIスタートアップもシダンスを利用している。
特に新しいAIモデルは、バイトダンスが保有する複数の事業をつなぐ役割を果たすと見られている。AIモデルとクラウドコンピューティングリソースをTikTokなどのコンテンツプラットフォーム、XR（拡張現実）機器メーカーのPicoなどのハードウェアと結合する方式である。
例えば、新しいAIモデルを活用してPicoヘッドセットの利用者の声や動きに反応する仮想世界をリアルタイムで生成することができる。これにより、約0.05秒の遅延時間で1秒あたり20フレームの映像を生成できるとされている。
バイトダンスのワールドモデル開発は、同社が事業全般を生成型AI中心に転換する戦略の一環と解釈される。AIモデルだけでなく、データセンターやクラウド、コンテンツプラットフォーム、XR機器を結びつけてAI事業の影響力を拡大しようとしている。
バイトダンスはAI競争力を高めるために大規模な投資にも乗り出している。ブルームバーグによれば、バイトダンスは最近300億ドル（約40兆円）規模の融資を確保した。AI能力を拡大し、データセンターやAI用ハードウェアを確保するための資金とされている。実際、バイトダンスはデータセンターなどのAIインフラ拡充のために、今年の資本支出を最大700億ドル（約95兆円）まで増やす方針を検討しているという。
一方、メタやアップルも仮想・混合現実機器に巨額の投資を行ってきた。メタは『クエスト』ヘッドセットを中心に大衆的なエコシステムを構築しようとしており、アップルは高級な空間コンピューティング機器『ビジョンプロ』を打ち出している。しかし、両社ともVR・空間コンピューティング機器を大衆市場に定着させるのに苦労していると指摘されている。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
