达瓦科技控制层模型:AI视频何时能告别“抽卡”?

资讯 AI 应用前沿 全文 3024 字 · 约 8 分钟读完 配图 3 张 分类世界模型大模型

达瓦科技不走通用大模型路线,而是基于12年片场积累的180TB结构化数据,研发“重控制、轻渲染”的基座模型。通过分离导演逻辑与画面渲染,将影视制作中的反复试错成本降低50%以上,并让实时世界模型能在单张消费级显卡上运行,为直播、游戏及Physical AI提供低成本落地方案。

所属频道 模型发布

为什么AI视频进不了片场?

如今市面上的AI视频生成工具,普通用户玩得挺起劲。敲一段提示词进去,几秒钟就吐出一段视频,乍看还挺唬人。可真要把它塞进专业的影视制作流程,毛病就全冒出来了。

文章配图

最要命的是“不可控”。导演要一个镜头,AI能给出十个版本,个个带点小瑕疵:人物动作穿帮、光影逻辑不对,或者前一秒还在笑、后一秒脸就僵了。为了挑出一个能用的镜头,团队只能一遍遍“抽卡”,算力烧得厉害,时间更烧。片场按分钟计费,这种不确定性根本扛不住。

文章配图

业内主要有两条路子。一条是信大力出奇迹,接着堆参数、扩算力,赌通用大模型哪天突然开窍,迈过工业门槛。另一条是从片场的实际痛点出发,自下而上把技术栈重新搭一遍。达瓦科技走的是后一条。

文章配图

这家公司总部在重庆永川,前身是运营了十二年的科技影视片场,2023年正式转做AI模型,今年接连完成Pre-A轮和A轮融资,累计拿到约5亿元人民币。他们的核心思路说起来不复杂:把“怎么拍”和“拍出来什么样”拆开,也就是他们讲的“重控制、轻渲染”。

控制层像导演,渲染层像相机

要弄懂达瓦的技术路线,得先把视频生成的两个层面拆开看。

传统视频大模型,比如基于DiT架构的那些,更像一台超级相机。你下指令,它直接吐像素。这台“相机”越做越高级,画质越来越好,可它不懂物理规律,也不懂导演想干什么。一盏灯移过去,它不知道房间里所有物体的阴影都该跟着变;人物一转身,它也不知道背后的背景得保持连贯。

达瓦自研的基座模型Latent Stage,做的正是“控制层”。渲染层好比相机,控制层就是导演。场景里有哪些物体、演员怎么走位、灯光怎么打、镜头怎么推,都由导演定。控制层把这些要素在虚拟空间里安排妥当,确保符合物理逻辑和创作意图,再交给渲染层生成最终画面。

达瓦科技CTO朱子威打了个比方:Agent(智能体)解决的是信息差,帮那些不懂专业术语的用户写出好提示词;控制层解决的是认知差,让模型真正理解一个完整的物理片场。

举个例子,画面里一盏灯突然灭了,普通视频模型可能把整段视频重新生成一遍,碰运气撞出一个黑暗场景。有控制层的模型不一样,它会先算出灯光熄灭后周围人脸的明暗对比、环境色的变化,连反射光减弱也算进去,然后只针对这些变化部分渲染。背景、人物姿态这些没变的,直接复用之前的状态。

这么做带来的直接好处是“少抽卡”。以前可能得生成二十次才能蒙对一个正确镜头,现在靠精准控制,三四次就能拿到满意结果。朱子威表示,这能让总体制作成本下降50%到60%。就像打仗,与其用一万发便宜炮弹盲目轰炸,不如打一发精准制导导弹,单发成本是高,可总账更划算。

180TB“过程数据”构筑的壁垒

控制层模型之所以能懂“导演思维”,靠的不是通用的互联网视频数据,而是达瓦在真实片场里攒下的“过程数据”。

从2014年开始运营科技片场起,达瓦记录了大量影视拍摄的全过程。这些数据不只是最终成片画面,还包括剧本、机位坐标、灯光参数、道具摆放位置、演员的动作捕捉轨迹等。所有信息都打上时间戳,同步记在同一根时间轴上。

眼下,达瓦积累的结构化世界状态数据约有180TB。朱子威形容,主流视频模型是用眼睛看视频学炒菜,只看得见菜出锅的样子;达瓦的模型是真正“进过厨房”,备菜、选料、火候每一步的细节都清楚。

真实拍摄数据毕竟有限,达瓦还采购了英伟达Omniverse和Cosmos的企业授权,搭起仿真环境。通过数字孪生技术批量生成带物理约束的仿真数据,比如火焰怎么蔓延、积雪怎么融化、植物怎么生长。这些仿真数据与真实拍摄数据结合,训练出了目前的34B参数基座模型。

这个模型采用MoE(混合专家)架构,把人物动作、镜头语言、灯光效果等要素拆给不同的“专家”处理。数据经过高度压缩,纯像素噪声也去掉了,模型在剧集和非超大制作的动作戏范围内,已经表现出很强的控制力。

这就构成了达瓦的商业飞轮:片场生产内容,沉淀为训练数据;数据训练出更好的模型;模型赋能FilmOS和Scenes AI产品,提高生产效率;高效的生产又吸引更多客户,带来新的数据。随着真实实拍项目减少,这种靠长期积累形成的数据壁垒,后来者很难在短时间内复制。

一张显卡跑通实时世界模型

除了离线生成的FilmOS,达瓦另一款受关注的产品是实时世界模型Scenes AI。

传统世界模型或视频生成模型对算力要求极高,通常得靠大规模GPU集群。达瓦用“稀疏扩散自回归”架构,把推理成本大幅压了下来。

原理其实不难懂:真实世界里,每一帧画面中真正在变的区域通常只占10%到20%。两个人坐着聊天,背景墙壁、地板、天花板都是静止的。Scenes AI不会每帧都把整个画面重算一遍,而是复用稳定区域的空间状态,算力只集中在变化的人物和交互物体上。

这套架构让GPU消耗降低约60%,推理速度提升3到5倍。目前Scenes AI能在单张消费级显卡(如RTX 4090或未来的5090)上,实现720P分辨率、每秒30帧的实时生成。

AI视频生成不必再拴在云端。达瓦科技把这套能力放到了终端设备上。

演示里的效果挺直观:会议室背景实时换成玉龙雪山,雪花落在肩头,伸手就能拍掉;办公室也能一秒变成玫瑰森林。放到AR眼镜上,想象空间更大——眼前的房间能被实时重新渲染,椅子成了冰封王座,宠物成了精灵,穿模、露线都没有出现。

达瓦科技CPO李宗兴把这看作通向Physical AI(物理人工智能)的关键一步。在他看来,机器人理解世界不能只靠视觉识别,还得弄懂空间关系和物理因果。Scenes AI干的本质上是物理推理:判断寒冰会影响多大范围、温度怎么变化。这类能力以后可以直接搬到机器人训练里去用。

从项目交付到“世界登录器”

达瓦眼下的收入主要来自两块:内容制作和API调用。客户批量买Token,用在影视、广告和短剧制作上。FilmOS是离线生成平台,卖给客户的是确定的结果,过程则不确定。

李宗兴透露,达瓦想把商业模式从项目制转向License授权——把实时世界模型部署到客户设备上,按期收取授权费。按照这个设想,Scenes AI会成为人们进入虚拟世界的“登录器”:打开电脑或者戴上眼镜,就能走进一个完全仿真、可交互的世界。

落地节奏也排好了。2027年,达瓦计划重点推直播电商和游戏化产品。直播里主播能实时切换场景,互动体验更强;游戏里AI可以实时生成NPC和道具,传统AR游戏必须先生产内容的那道限制就不存在了。

大厂在视频大模型上砸下巨额投入,达瓦并不焦虑。朱子威的看法是,视频基座模型做得越大,对达瓦越是好事:渲染层的上限被抬高了,控制层的价值反而更突出。大厂算的是投产比,达瓦手里有的是经过真实业务验证的数据闭环,以及对垂直场景的深刻理解。

在AI技术快速迭代的当下,达瓦科技给出了一个不同的样本:不去挤通用大模型的规模竞赛,而是扎进产业痛点,把传统业务变成数据矿藏,沿着“重控制、轻渲染”的务实路线,一步步解开AI视频工业化的死结。

朱子威说过一句话:“越难收集的数据,越有价值。”算法开源、算力普及的今天,那些藏在真实世界褶皱里的结构化数据,或许才是通往下一代AI应用最坚实的门票。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Metric AI开源亚美尼亚语模型Ayb 0.5:90亿参数跻身前三

    Metric AI团队推出了Ayb 0.5系列开源语言模型,包含0.8B、4B和9B三个版本。该系列基于Qwen3.5架构,针对亚美尼亚语进行了深度适配,在ArmBench基准测试中表现优异,甚至超越了部分参数量更大的模型。Ayb 0.5不仅支持文本生成和指令遵循,还保留了完整的视觉语言能力,能够用亚美尼亚语描述图片。

    来源 AI 应用前沿
  2. ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

    ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

    来源 AI 应用前沿
  3. 人工智能产业日报(11.21) : AI芯片出口争议

    行业动态 工业大省有“模”力|天智大模型:“智能兵团”撑起一座工厂 卡奥斯创智物联胶州互联工厂采用天智工业大模型和智能体集群,实现生产自动化和智能化。通过智能体集群协同工作,工厂换产时间缩短,产能提升,焊接缺陷率降低,生产能耗降低。卡奥斯平台服务16万家企业,参与建设20座全球灯塔工厂,并连续7年稳居“双...

    来源 腾讯网
  4. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  5. 蔚来重写NOMI底层架构:告别九年旧代码,3000项整车能力接入AI

    蔚来NOMI产研团队重写沿用九年的传统规则架构,转向以大模型主智能体为核心的原生技术架构,取消传统单向指令分发流程。新架构4月完成实车概念验证,8至9月完成3000项整车原子能力工具化改造,依托SkyOS·天枢系统运行,更多技术细节与推送计划将在11月25日公布。

    来源 凤凰科技
  6. 西北工大ROSE框架:多模态大模型连续知识更新如何不再乱套?

    多模态大模型在持续更新事实知识时,常面临“灾难性遗忘”和“局部性退化”两大痛点。西北工业大学团队提出的ROSE框架,通过风险感知的正交编辑机制和多粒度知识整合策略,在LLaVA-7B模型上实现了1000次连续编辑后仍保持95%以上的可靠性,且几乎不干扰无关知识。该成果已入选NeurIPS 2026 Spotlight。

    来源 AI 应用前沿
  7. 大模型首Token激活为何巨大?清华北大团队找到梯度调节解释

    大语言模型中,序列开头的Token常出现注意力汇聚和数值巨大的异常激活。清华与北大团队通过反向传播分析发现,这种“巨大激活”并非冗余,而是通过RMSNorm层衰减局部集中梯度的自适应机制。研究提出V-scale验证了这一假设,为理解Transformer训练动力学提供了新视角。

    来源 AI 应用前沿
  8. Anthropic上市首日市值破2万亿:25位华人员工分享造富盛宴

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 华卫封面来源 | 图虫创意AI界的造富故事,正在从创始人为主的一端向内部员工扩散。Anthropic的上市,恰好将这种变化推到了聚光灯下。11月19日,Claude大模型背后的Anthropic正式登陆纳斯达克。

    来源 腾讯网
  9. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  10. Ollama 本地部署 Windows 全流程:安装到 API 调用有哪些坑?

    在 Windows 上跑通本地大模型其实没那么复杂。本文不讲深奥的推理原理,只聚焦实操:如何安装 Ollama、下载轻量级模型、通过命令行对话以及调用本地 API。针对新手常遇到的命令失效、下载慢、接口连不上等问题,提供了具体的排查思路。适合想快速搭建本地 AI 环境,但被繁琐配置劝退的开发者。

    来源 AI 应用前沿
  11. 试题经过大模型测试?国家中医药管理局认证中心:未与任何大模型企业合作,亦未开展测评

    IT之家 11 月 22 日消息,11 月 21 日晚,国家中医药管理局中医师资格认证中心通过官方公众号发布声明称,该中心从未公开历年真题,未与任何大模型企业合作,亦未开展测评。 声明称,中心从未以任何形式向社会公开、发布或出售中医类别医师资格考试历年试题(含真题、原题)、参考答案及相关考试资料,亦未授权任何单位或个人

    来源 AI 行业观察
  12. 姚顺雨回应混元为何不追5万亿参数:Hy4仍待改进,计划训更大模型

    IT之家 11 月 21 日消息,11 月 21 日凌晨,腾讯首席 AI 科学家、混元大模型负责人姚顺雨和团队成员,在 Reddit 进行了一场持续 120 分钟的 AMA,回答全球开发者关于混元的“任何问题”。 问答环节,有人询问:字节跳动、Kimi 等似乎都在往 3 万亿、甚至 5 万亿参数的超大模型推进,而你们还

    来源 AI 行业观察
  13. Inkling 2 Mini 发布:循环架构让小模型本地跑出中型模型水准

    Thinking Machines Lab 推出的 Inkling 2 Mini 是一个专为本地部署设计的多模态模型。它通过独特的“循环层”架构,用约 260 亿物理参数实现了接近 48 层逻辑深度的推理能力。文章详细介绍了其技术原理、在代码生成和视觉任务上的表现,以及如何在 Transformers、llama.cp

    来源 AI 应用前沿
  14. Megaspeed被查:一家游戏背景公司如何做成41.3亿美元AI芯片生意

    2015年,一家名叫7 Road International的公司在新加坡注册。 最初几年,它并不起眼。谁也不会想到,十年后,这家公司会成为英伟达先进AI芯片供应链上一个引人注目的名字。 2023年,公司更名为Megaspeed International,业务重心也开始转向云计算和AI基础设施。 随后,它的生意急速膨

    来源 AI 行业观察
向下滚动自动加载更多