豆包重磅发布开源视频生成模型

2月10日，豆包大模型团队联合北京交通大学、中国科学技术大学，重磅发布了视频生成模型——VideoWorld，并且已开源代码与模型。

与Sora、DALL-E等主流多模态模型不同，VideoWorld开辟了新的路径，打破对语言模型的依赖，仅靠“视觉信息”认知世界。就像幼儿能在不依赖语言的情况下理解真实世界一样，VideoWorld通过浏览视频数据，让机器掌握推理、规划和决策等复杂能力。在仅有300M参数量时，它就已展现出可观的性能，达到专业5段9x9围棋水平，还能在多种环境中执行机器人任务。

AI纯视觉认知的重大优势

颠覆传统：不再是以前大家都在玩的“文本-视觉”对齐训练，而是直接给模型一个视频就可以学习掌握规律，据说其模型通用性可以提升10倍以上。

大幅节省成本：不需要文本标注数据了，可以省下很大一笔钱。根据豆包自爆的训练成本可以降低80%，这无疑是一个巨大的优势。

应用场景爆发：和视觉技术相关如自动驾驶这些需高精度环境理解的场景，搭配豆包的这个模型，就能花更少的钱干更大的事，迎来应用的爆发期。

国产AI大模型多模态能力持续提升

当前，DeepSeek掀起的行业变革浪潮持续发酵，不仅在人工智能产业链内引发连锁反应，还向其他行业渗透。它的火爆并非源于性能优势，而是凭借创新性技术路线，以超低算力成本实现超预期效果输出，为行业发展带来*思路。

此次豆包发布的VideoWorld视觉模型同样开辟了*技术路径，打破对语言模型的依赖，仅靠视觉信息就让机器实现对世界的认知并掌握复杂能力，有望进一步夯实国产大模型在多模态领域的技术实力。

长城证券称，国内AI大模型多模态能力正持续提升，如快手可灵AI大模型、字节豆包AI大模型等视频生成的效果正在持续提升，包括精准语义理解、一致性多镜头生成、动态运镜等。受益于底层技术能力的升级，国内AI应用持续迭代，token调用量持续增长，AI应用有望从中受益。

视觉认知核心标的一览

视觉算法：罗普特、虹软科技、云天励飞

视觉装备：凌云光、矩子科技、精测电子、天准科技、荣旗科技

工业相机：海康威视、大华股份、大恒科技、奥普特