In questo articolo Indice dei contenuti 3 sezioni
ByteDance starebbe mettendo a punto un modello di intelligenza artificiale capace di generare mondi virtuali in tempo reale, e il progetto viaggerebbe sotto la supervisione diretta del fondatore dell’azienda, Zhang Yiming. Non un esperimento di laboratorio destinato a restare nei cassetti: il lancio potrebbe arrivare già il mese prossimo, poggiando sulle fondamenta di Seedance, il sistema di generazione video che il gruppo cinese ha già in casa e che continua a rappresentare uno dei suoi asset più solidi.
Il cuore della faccenda sta in quella parola, tempo reale. Perché generare un video partendo da un testo è una cosa che oggi fanno in molti, con risultati anche notevoli. Generare uno spazio navigabile che risponde a chi lo sta attraversando, invece, è un problema di natura diversa. Qui si parla di video spaziali prodotti su richiesta, con una fluidità dichiarata di circa 20 fotogrammi al secondo e una latenza intorno ai 50 millisecondi. Numeri che, tradotti in esperienza d’uso, significano un ambiente che reagisce quasi istantaneamente.
Ambienti che rispondono a voce e movimenti
L’elaborazione, secondo quanto emerso, avverrebbe nel cloud e non direttamente sul dispositivo. Una scelta tutt’altro che secondaria, perché sposta il peso computazionale altrove e abbassa di conseguenza i requisiti hardware richiesti ai visori per la realtà virtuale ed estesa. Meno potenza da infilare dentro un caschetto significa dispositivi più leggeri, meno costosi, potenzialmente più diffusi.
E qui entra in gioco Pico, la divisione di ByteDance dedicata alla realtà estesa. Il modello sarebbe destinato proprio a quella base di utenti, con ambienti costruiti per rispondere alla voce e ai movimenti di chi li abita. Gli scenari d’impiego citati vanno dalle trasmissioni in diretta ai cortometraggi, fino ai videogiochi. Tre mondi molto diversi tra loro, accomunati dalla fame di contenuti visivi generati in fretta e su misura.
I world model in cima alla lista delle priorità
A inizio anno l’azienda aveva messo nero su bianco quattro priorità in materia di intelligenza artificiale per il 2026, e i world model occupavano il primo posto. Dietro di loro, in ordine: mantenere il vantaggio accumulato da Seedance nella generazione video, migliorare gli strumenti dedicati alla programmazione e portare a maturazione commerciale Doubao.
Il fatto che i world model stiano davanti a tutto il resto si riflette anche nei conti. A questo capitolo sarebbe assegnato il budget dati più consistente dell’intero gruppo, stimato in diverse decine di milioni di yuan, ovvero da tre a quattro volte quanto investirebbero i concorrenti sullo stesso fronte. L’obiettivo fissato allora era consegnare almeno un modello di questo tipo entro la fine dell’anno, con un metro di paragone dichiarato: Genie di Google, che consente di muoversi all’interno di immagini Street View renderizzate istantaneamente.
Due strade parallele, dalla robotica ai videogiochi
Le direzioni esplorate sarebbero due, e piuttosto distinte. La prima ruota attorno a un approccio che unisce visione, linguaggio e azione, pensato per l’intelligenza incarnata e per la robotica. La seconda punta invece sulla simulazione 3D applicata a intrattenimento e videogiochi. Il modello di video spaziale rientrerebbe in questo secondo filone, quello che ha il vantaggio di poter contare su un pubblico già esistente e su prodotti già sul mercato.
