财中社2月11日电事件：2月10日，据豆包大模型团队官宣发布视频生成实验模型“VideoWorld”，不同于Sora、DALL-E、Midjourney等主流多模态模型，VideoWorld在业界首次实现无需依赖语言模型，即可认知世界。
　　开源视频生成模型最新成果，可仅靠视觉认知世界。
　　视频生成成为通用知识学习方法，在现实世界充当“人工大脑”。作为一种通用视频生成实验模型，VideoWorld去掉语言模型，实现了统一执行理解和推理任务。同时基于一种潜在动态模型，可高效压缩视频帧间的变化信息，显著提升知识学习效率和效果。且目前该项目代码与模型已开源。在不依赖任何强化学习搜索或奖励函数机制前提下，VideoWorld达到了专业5段9x9围棋水平，并能够在多种环境中，执行机器人任务。团队认为，视频生成可以成为一种通用的知识学习方法，并在现实世界充当思考和行动的“人工大脑”。
　　模型仅靠“视觉”即可学习知识，“预测”未来，并“理解”因果关系。研究团队构建了两个实验环境：视频围棋对战和视频机器人模拟操控，它在保留丰富视觉信息的同时，压缩了关键决策和动作相关的视觉变化，实现了更有效的视频学习，且这种纯视觉模型可“预测”未来，并能“理解”因果关系。在未来，豆包团队将着力解决其在真实世界环境中的应用，仍面临着高质量视频生成和多环境泛化等挑战。
　　视觉认知世界的能力有望激活“视觉市场”为其打开增长空间。
　　以海康威视为代表的“视觉市场”有望在视频大模型的能力催化下收益，作为全球知名的视频监控行业龙头企业，根据2024年度全球安防50强榜单，海康威视以97.22亿美元的2023年安防产品销售收入稳居第一，超过后两名的总和。2022年，海康威视明确智能物联（AIOT）战略，2023年，公司正式推出“观澜大模型”助力各行业实现数字化、智能化升级。根据Omdia报告，2022年海康威视在全球视频监控市场中的占有率达到25.9%，大幅领先于第二名。在庞大的视频监控部署网络下，开源视频大模型的诞生对海康而言无疑是一剂强心针。
　　萤石网络公司2023年智能家居摄像头业务营收占比62.07%，且作为公司的现金牛业务及第一增长曲线，市场占有率处于市场前列，且连续多年在双11、618等购物节的天猫、抖音等平台相关类目品牌排行中位列第一。且公司在视觉技术方面拥有硬件、软件、云平台高度融合的生态闭环，端云协同，为智能检测、智能识别、AI分析推理等功能提供了强大支持。视觉大模型的发布有望进一步助推萤石网络视觉领域业务再上台阶。
（文章来源：财中社）