圖森未來近日在自動駕駛領域之外邁出了重要一步，發布了其圖生視頻大模型Ruyi，并宣布將Ruyi-Mini-7B版本開源，供用戶在huggingface平臺上下載使用。這款產品的推出，標志著圖森未來正式進軍生成式AI應用賽道，特別是動畫與視頻游戲市場。
據圖森未來工程高級副總裁李海泉介紹，Ruyi從今年8月開始研發，到12月初訓練進入尾聲，并在內部進行了多輪測試后才決定發布。這款模型需要用戶輸入一張圖片，并可選擇輸出時長、分辨率、運動幅度和鏡頭移動方向等參數，從而生成一個不超過5秒的視頻。李海泉表示，Ruyi特別擅長制作動漫，且動作更為絲滑，達到了每秒24幀的播放效果。
盡管Ruyi在技術上取得了一定的突破，但圖森未來也坦誠地指出了模型目前存在的問題，如手部畸形、多人面部細節崩壞以及不可控的轉場等。公司表示正在積極改進這些缺點，并計劃在日后的更新中進行修復。
對于自動駕駛和視頻模型之間的技術關聯，業內存在不同的看法。一些自動駕駛從業者認為，從技術復用的角度來看，兩者互相搭不上邊。一家視頻模型公司的CTO也表示，視頻模型和自動駕駛在技術上或經驗復用上沒有太大關系，圖森未來之所以能做，可能是基于市面上的開源模型收集了一些數據，門檻并不高。
然而，李海泉對此持不同意見。他認為，雖然自動駕駛領域的算法和規劃控制無法直接用于視頻模型，但在模型設計、數據處理和基礎工具類等方面還是有很多可以復用的東西。他強調，圖森未來在設計上確實參考了很多開源方案的實現，但這并不意味著要關起門來搞研發。
圖森未來之所以選擇進軍生成式AI應用賽道，與其對市場的洞察密不可分。根據GIR的調研數據，全球文生視頻大模型市場在2023年的收入大約為720萬美元，預計到2030年將達到22.19億美元，年復合增長率有望達到56.6%。盡管視頻生成的技術成熟度還有待提高，實現規模性商業化也需要時間，但圖森未來認為，最佳應用場景是孵化生成式AI工具的原動力。
圖森未來致力于利用大模型降低動漫和游戲內容的開發周期和開發成本。Ruyi大模型已經可以實現輸入關鍵幀后生成后續5秒的內容，或輸入兩個關鍵幀由模型生成中間的過渡內容，從而顯著降低開發周期。這與圖森未來想要入局的動畫與視頻游戲市場高度相關。
然而，并非所有人都對圖森未來的這一轉型持樂觀態度。有觀點認為，圖森未來是在賺吆喝，早期那些AI公司在大模型這波浪潮中可能跟不上節奏。圖森未來內部也存在一些不穩定因素，如持續的內訌等。近日有投資人士透露，即將召開的圖森未來股東大會將決定公司下一階段的控制權。
盡管如此，李海泉仍表示，圖森未來將在12月19日詳細闡述AIGC業務、其他業務和自動駕駛業務如何整合等問題。這無疑為圖森未來的未來發展增添了一絲神秘色彩。
