Ensimmäinen @delphi_intel-postaukseni on Gen AI Video Modelsissa. Yhteenveto alla (1/10) 👇 s/o @moonshot6666 hänen palautteestaan tästä esseestä ja @PJaccetturo tästä huumehypevideosta, jonka varastan häpeämättömästi. TLDR: videot ovat 2-3 vuotta tekstiä jäljessä. Niistä on tulossa erittäin hyviä, erittäin nopeasti

1. Ihmiset ovat visuaalisia olentoja. Gen AI -sisältömodaliteetti suuntaa todennäköisesti kohti verkon kaltaista jakelua:

2. Markkinat ovat suuret: >40 miljardia dollaria+ miljardia vuoteen 2030 mennessä (asiaankuuluvine läheisyyksineen). Markkinoinnin, viihteen ja koulutuksen häiriöt ovat ilmeisiä, mutta myös selkeitä vaikutuksia robotiikkaan, valvontaan ja pitkän aikavälin agenttitehtäviin

3. Maisemassa on paljon pinojen välistä kilpailua Sisältää malliyrityksiä, multimodaalisia sovelluksia, puhuvia avatareja, huulisynkronointia ja paljon muuta. Puhumattakaan kaikesta infrasta, jota tarvitaan todellisten multimodaalisten mallien ja sovellusten ruokkimiseen. S/O @venturetwins ja @a16z karttaan

4. Itä vs. länsi. Kilpailu jakautuu suurelta osin Yhdysvaltojen ja Kiinan kesken. Videomalleissa Kiina on johtava (9 15 parhaasta mallista) s/o @ArtificialAnlys

6. Big Tech Advantage: näiden uusien ominaisuuksien ohjaaminen >1b-käyttäjäekosysteemeihin on korkea ROI Alla olevien ominaisuuksien perusteella ei ole järkyttävää, että suuret toimijat, kuten $Goog, $meta, $techy, $baba ja Bytedance, ovat hyvässä asemassa.

7. Arvon kertyminen: Samaan aikaan näemme taskuja eri puolilla pinoa - erityisesti infrassa ja sovelluksissa - joissa uudet tulokkaat voivat luoda suuria yrityksiä (Kyllä, sinun on luettava varsinainen raportti kaikista alfa-, laiskoista perseistä)

8. Todellinen multimodaalisuus Nykyään videomallit näyttävät leluilta. Videodata ja simulaatiot ovat kuitenkin yhä tärkeämpiä pitkissä agenttitehtävissä ja robotiikan vallankumouksen käynnistämisessä. Videomallit saattavat vain todistaa kipinän.