Kinas videomodeller forbereder roboter på den virkelige verden

Kinas ledende rolle innen generativ video, der ni av ti toppmodeller er kinesiske utenfor Google, strekker seg lenger enn underholdningsindustrien. Selskap som ByteDance, MiniMax og Alibaba utvikler avanserte verktøy som nå tas i bruk av reklamebyråer og i mikro-drama-industrien. Den strategiske betydningen ligger i disse modellenes evne til å bygge såkalte «verdensmodeller», som mange regner som neste generasjon AI. For å skape overbevisende video må en modell forstå mer enn estetikk; den må også begripe bevegelse, kausalitet og fysikk. Forskning viser at grunnleggende fysisk resonnering kan oppstå selv uten eksplisitt programmering når modellene blir større. Disse ferdighetene gjør videomodellene til en lovende plattform for å trene roboter og autonome systemer til å navigere i den fysiske verden. Selskaper som ShengShu utvikler allerede slike multimodale systemer. Der OpenAI nylig la ned sitt videoverktøy Sora, har kinesiske utviklere tatt teten, og bygger nå «hjernen» til roboter basert på simuleringsdata fra videomodellene. Kinas hardwarefordeler innen robotikk kan forsterke dette forspranget. Mens mange fokuserer på chatbots, kan den virkelige milepælen innen AI komme fra systemer som forstår og kan interagere med den fysiske verden. Dette skiftet kan avgjøre hvem som leder neste AI-æra.