民生证券：计算机行业点评：豆包开源视频大模型激活每个摄像头

事件：2月10日，据豆包大模型团队官宣发布视频生成实验模型“VideoWorld”，不同于Sora、DALL-E、Midjourney等主流多模态模型，VideoWorld在业界首次实现无需依赖语言模型，即可认知世界。 开源视频生成模型最新成果，可仅靠视觉认知世界。 视频生成成为通用知识学习方法，在现实世界充当“人工大脑”。作为一种通用视频生成实验模型，VideoWorld去掉语言模型，实现了统一执行理解和推理任务。同时基于一种潜在动态模型，可高效压缩视频帧间的变化信息，显著提升知识学习效率和效果。且目前该项目代码与模型已开源。在不依赖任何强化学习搜索或奖励函数机制前提下，VideoWorld达到了专业5段9x9围棋水平，并能够在多种环境中，执行机器人任务。团队认为，视频生成可以成为一种通用的知识学习方法，并在现实世界充当思考和行动的“人工大脑”。 模型仅靠“视觉”即可学习知识，“预测”未来，并“理解”因果关系。研究团队构建了两个实验环境：视频围棋对战和视频机器人模拟操控，它在保留丰富视觉信息的同时，压缩了关键决策和动作相关的视觉变化，实现了更有效的视频学习，且这种纯视觉模型可“预测”