Mój inauguracyjny post @delphi_intel dotyczy modeli wideo Gen AI. Podsumowanie poniżej (1/10)👇 s/o dla @moonshot6666 za jego uwagi do tego eseju oraz @PJaccetturo za ten świetny film promocyjny, który bezwstydnie ukradnę. TLDR: filmy są 2-3 lata za tekstem. Stają się bardzo dobre, bardzo szybko.

1. Ludzie są istotami wizualnymi. Modality treści Gen AI prawdopodobnie będzie zmierzać w kierunku rozkładu podobnego do sieci:

2. Rynek jest duży: >40 miliardów USD do 2030 roku (z odpowiednimi powiązaniami). Zakłócenia w marketingu, rozrywce i edukacji są oczywiste, ale również jasne implikacje w robotyce, nadzorze i długoterminowych zadaniach agentowych.

3. Krajobraz ma wiele konkurencji międzystackowej Zawiera firmy modelowe, aplikacje multimodalne, mówiące awatary, synchronizację ruchu warg i wiele więcej. Nie wspominając o całej infrastrukturze potrzebnej do zasilania prawdziwych modeli i aplikacji multimodalnych. s/o dla @venturetwins i @a16z za mapę

4. Wschód vs. Zachód. Wyścig jest w dużej mierze podzielony między USA a Chinami. W modelach wideo Chiny prowadzą (9 z 15 najlepszych modeli) s/o @ArtificialAnlys

6. Przewaga dużych technologii: dostarczanie tych nowych możliwości do ekosystemów z ponad 1 miliardem użytkowników przyniesie wysoką stopę zwrotu. Na podstawie poniższych atrybutów, nie jest zaskoczeniem, że duże firmy takie jak $Goog, $meta, $techy, $baba i Bytedance są dobrze przygotowane.

7. Akumulacja wartości: Jednocześnie dostrzegamy obszary w całym stosie - szczególnie w infrastrukturze i aplikacjach - gdzie nowi gracze mogą wyodrębnić duże biznesy. (Tak, będziesz musiał przeczytać rzeczywisty raport, aby uzyskać jakiekolwiek informacje, leniuchu)

8. Prawdziwa wielomodalność Dziś modele wideo wyglądają jak zabawki. Ale dane wideo i symulacje stają się coraz bardziej istotnym wkładem w długoterminowe zadania agentowe i w rozpoczęcie rewolucji robotycznej. Modele wideo mogą okazać się iskrą.