「 疑似使用了AI 生成技術，請謹慎甄別 」
大家有沒有發現，這行小字有點像 「 廣告僅供參考, 請以實物為準 」 ，已經幾乎在生活中越來越常見了。
特別是現在的短影片平台。
刷到個小貓影片，口型是 AI 合成的。
刷個西遊記，也能看到 AI 妖精真身。
甚至看一個動畫片，畫面還總是 AI 合成的。
AI 影片越來越多了。
雖然掀起 AI 影片浪潮的 Sora 還在難產，但 AI 影片時代或許已經悄然而至。
東吳證券的一份研報裏就預測，中國 AI 影片生成的潛在行業空間，可能擁有超過 5800 億元的市場。
但隨著市場不斷火熱，行業的一些問題也逐漸暴露到公眾視野：
影片化和 AI 確實都是未來，但像是成本問題、質素問題、協同問題和效能問題，都縈繞在所有初創企業，大廠們的心頭。
就拿成本問題和質素問題為例。
大家都知道，目前的生成式大模型特別是影片，就是一個力大飛磚的過程，需要用海量數據進行訓練。
而超大規模影片訓練數據，又會對計算和處理數據、以及數據本身有著天量需求，隨之而來的成本增加是一個天文數碼。
GPT-4o 作為一個老款 AI ，開發成本 「 僅 」 為 1 億美元，訓練成本大概在 7800 萬美元左右。
而影片模型的訓練成本就更高了，以年初推出的影片模型 Sora 為例，其訓練和推理所需的算力需求，分別就達到了GPT-4 的 4.5 倍和近 400 倍。。。
除了天價訓練成本外，大模型訓練樣本質素、處理鏈路復雜，涉及多個環節，需要多團隊協作；自研 / 第三方， GPU 、 CPU 、 ARM 等多種異構算力資源，又需要靈活排程部署。。。
所以，對不少準備擁抱 AI 影片的公司們來說，當務之急就是想盡辦法，解決這些問題，才能更快地前進演化。
要論玩影片的高手，抖音和火山引擎可就有話說了。
上個月底字節推出的爆火的 PixelDance ，效果那是杠杠的。
我們當時還寫了篇文章專門給大家嘮了遍，就看我們簡單試用生成的影片效果，就知道還真有點東西喔。
而在 15 號結束的火山引擎影片雲技術大會上，開場用了客製數碼人 譚待 來和大家溝通。
結果效果好到，現場參會者們，不少都以為這是影片摳圖。
而這些高質素 AI 產出背後，其實離不開一個叫 BMF 的智能框架。
火山引擎透過和自家大模型團隊在內部合作，一起把海量的影片數據進行預處理。
最後基於火山引擎音影片處理平台和 BMF 框架，在短時間內生產了足夠多高質素的影片素材，用於模型的訓練，才有了 PixelDance 。
功臣之一的 BMF ，為什麽能夠做到這些呢？
我們用個生活中常見的例子來解釋：
一個公司開發大模型就好比你家做年夜飯。
為了吃上一頓豐盛的年夜飯，你爸爸負責買菜、媽媽燒飯、奶奶包餃子、你搬桌椅板凳。。。
所有人都得有分工，從頭忙到尾，可能還得時不時打個電話發個微信互幫互助，最後一算，好家夥，原來吃頓年夜飯還得花這麽多錢。
而 BMF 就是火山引擎推出的一個 「 年夜飯一鍵全流程套餐 」 ，它提供了一系列的工具和服務，幫你輕松、快捷地準備好年夜飯。
這個套餐重點針對性地解決了我們前面說到的 4 個行業痛點，進行了相應的調整。
比如為了解決影片訓練數據質素問題，他們掏出了多種演算法對影片進行多維度的分析和篩選，做到了充分精細化的過濾；
應對效能難題，他們又利用 BMF 框架的靈活排程，提前調配好了效能。
這就相當於準備年夜飯一早就做好了攻略，買菜交給了多多買菜送貨上門、燒飯找了五星級大廚專門掌勺、桌椅板凳安排了專門的小工打雜。。。
反正就是用了 BMF 這套框架，又便捷又省心又省錢。
搞定了企業這邊的需求，火山引擎也沒忘了大家夥。
如今，大家器材的算力不斷上漲，與之而來的就是對影片畫質提升的強烈需求。
火山引擎透過得天獨厚的優勢，每天在抖音 / 西瓜等 app ，面對上億使用者，處理海量影片圖片。
獲得了這麽豐富的經驗之後，火山引擎在 BMF 基礎上，沈澱出了一個更適合普通使用者體質的 「BMF lite」 ，實作了更輕量、更高效、更通用的前進演化。
比如相較於雲端，在使用者端側，對於功耗，記憶體非常敏感，而場景又涉及 Android 、 ios 、 PC 等多平台。
於是 BMF-Lite 就重點建設基於跨平台，資源復用的演算法包的框架設計。
簡單說就是統一了各個平台的介面形式，方便整合部署。
再用演算法控制器來復用相同的演算法例項，在抖音播放場景，點播跟直播播放大部份都是只會生效一個，可以最大程度地復用資源。
而除了 BMF 為代表的智能框架，火山引擎還提出了智能算力和智能編解碼。
火山引擎直接在去年掏出了一款自研影片轉碼芯片，將自研的影片編解碼技術融入到了裏面。
好處就是，針對影片點播、直播等特定場景，這款轉碼芯片有著更高的計算密度。
就這麽說吧，一套影片編解碼芯片伺服器的轉碼能力，相當於上百台 CPU 伺服器。
今天影片轉碼芯片上線抖音後，透過實踐數據表明， 在同等影片壓縮效率下，成本能節省 95% 以上。
而針對編解碼層，火山引擎推出了基於自研影片轉碼芯片構建的 「BVE1.2 編碼器 」 。
這個編碼器大膽融合了深度學習技術，推出了革命性的智能混合編解碼解決方案，將傳統壓縮技術與深度學習壓縮技術有機融合成為一個整體，極大地提升了編解碼的效率，提升了編碼效能。
在前不久結束的的第六屆深度學習影像壓縮挑戰賽（ CLIC 大賽 ）中， 「BVE1.2 編碼器 」 拿到兩個冠軍足以說明實力。
這一套小組合拳下來，感覺有興趣的廠商們，估計滿腦子都是 「 付款碼掃哪兒 」 ？
你還別說，火山引擎也的確沒打算藏著掖著。
像前面說的 BMF 框架，早在去年就已經開源了，更新完的 BMF lite ，也是直接開源。
總的來說，目前，大模型的前進演化還在持續，影片 AI 公司之間的競爭也只會日益激烈。
但如果大家只是閉門造車，互相拿成果比拼，用產品說話，可能會顯得競爭有余、合作不足。
而作為可能是全中國短影片玩得最熟練的字節跳動，他們旗下的火山引擎一次次地將內部技術、框架開源。
特別帶來的 BMF 框架以及它和智能算力和智能編解碼組成的一整套智能底座，的確能夠幫助企業們節約了大量時間和成本，更好地幫助 AI 專案落地發展。
這種競爭和合作共存的態度，才是中國 AI 最樂意見到的場面。
一枝獨秀難成林，萬紫千紅才是春。
