Video yaratish 2026 yilda sunʼiy intellekt sohasidagi eng muhokama qilinayotgan mavzulardan biriga aylandi. ByteDance Seedance 2.0, MiniMax H3 va Seedance 2.5 kabi ishlab chiqishlar xitoy jamoalarini jahon reytinglarida yuqori oʻrinda qoʻyib, qoʻllash sohalarini kino sanoati, qisqa dramatik hikoyalar va elektron tijoratga kengaytirdi.
Biroq, katta eʼlonlar ortida texnik muammolar yashiringan: inferens xarajati yuqori boʻlib qolmoqda, koʻp yoʻnalishli videoni tushunish murakkablashmoqda va universal grafik protsessorlar (GPU) oʻzining dastlabki maqsadiga mos kelmaydigan vazifalarga hisoblash quvvati, energiya va vaqt sarflamoqda.
SmarCo HT Tech kompaniyasi, dataflow (maʼlumotlar oqimi) arxitekturasini joriy qilgan birinchi xitoy jamoalaridan biri, oʻzining yangi Jingang GC3 chipini taqdim etdi. Bu chip 12 ta RISC-V yadrosiga ega, INT8 hisob-kitoblari uchun 200 TOPS taʼminlaydi va 128 GB birlashtirilgan LPDDR5 ECC xotirasiga ega. Texnik direktor Wu Dongdong bu chipning «video uchun tugʻilgan»ligini taʼkidladi: bir xil kremniy massivi koʻplab oqimlarni dekodlash va kodlash qobiliyatiga ega boʻlib, video yaratish modellarini bajarishi mumkin, shuningdek, uning xotira podtizimi zamonaviy video transformatorlari talab qiladigan oraliq tensorlarni qayta ishlash uchun moʻljallangan.
Wu standart GPUlar nima uchun video tahlil vazifalarida ustunlik qilmasligini tushuntirdi. Videoni tahlil qilishda xom oqimlar serverga keladi, kadrlar shaklida dekodlanadi va keyin GPU ustida inferens yordamida qayta ishlanadi. U eslab oʻtdiki, sekinlashuv kamdan-kam hollarda toza FLOPS bilan bogʻliq emas; balki koʻp parallel oqimlar bilan ishlayotganda har bir kadrni xotira bloklari va hisoblash bloklari oʻrtasida koʻchirish kechikishi muammosi mavjud.
Video yaratish holatida GPU diffuzion yoki transformator modelini ishga tushiradi, u kadrlar yaratadi, soʻngra kodlovchi ularni siqib chiqaradi. Garchi modelning oʻzi katta hisoblash resurslarini talab qilsa-da, har bir oraliq natija oʻqilishi va yozilishi kerak, va bu tensorlar yuzlab gigabaytlarga yetishi mumkin. Juda tez-tez oʻqish kremniyning toʻxtab qolishiga olib keladi.
Bu arxitektura farqi ikkala muammoning asosini tashkil etadi. Markaziy protsessorlar (CPU) va GPU dastur hisoblagichi boʻlgan Fon Neyman mashinalari hisoblanadi, u koʻrsatmalar orqali ketma-ket oʻtadi. Bunday boshqaruv tuzilmasi juda universal, bu esa uni video bilan ishlash uchun yarim darajali qiladi. Piksel va matritsalar darajasidagi parallelizm markaziy nazoratchi tomonidan vazifalarni rejalashtirish imkoniyatlaridan oldinda turadi, bu esa xotira trafikining toʻyinganligiga olib keladi. Koʻp yadrolar foydali ishdan koʻra toʻsiqlarni kutish bilan koʻproq vaqt sarflaydilar.
Dataflow arxitekturasi bu modelni tubdan oʻzgartiradi. Dastur operatsiyalar grafi sifatida ifodalanadi, bunda maʼlumotlar bogʻliqliklari tepalar vazifasini bajaradi. Koʻrsatma dastur hisoblagichining ishtiroki boʻlmagan holda, uning kirish maʼlumotlari mavjud boʻlganda bajariladi. Wu buni ishlab chiqarish liniyasiga oʻxshatdi: har bir stansiya qismlar kelganda ishni boshlaydi va natijani markaziy dispetcherlarsiz va deyarli toʻxtovsiz keyingi bosqichga uzatadi.
Jingang GC3 dataflowni hisoblash dvigateli sifatida RISC-V ni boshqaruv yadrosi sifatida va CPU, VPU, GPU va NPU yoʻllari uchun birlashtirilgan xotirani birlashtiradi. Hozirda sanoat dataflowning AI hisoblashlari uchun asosiy mexanizm sifatida boshqariladigan oqimni almashtirishi mumkinligini amalda sinovdan oʻtkazmoqda. Jingang GC3 SmarCo HT Tech ning ushbu savolga javobi boʻlib, uni isbotlash uchun poligon sifatida video dan foydalanadi.
MiniMax kompaniyasi 31 iyulda birinchi ochiq multimodal generativ modeli H3 ni taqdim etdi, bu sun'iy intellekt yordamida video yaratish sohasida muhim voqea bo'ldi. Model 2K formatidagi audio-video yaratishni nativ ikki kanalli ovoz va 15 soniya davomiyligi bilan qo'llab-quvvatlaydi va Artificial Analysis platformasida video tahrirlashning jahon reytingida birinchi o'rnni egalladi.
H3 modeli orqali video yaratish xarajatlari 0.8 yuan/sekund miqdorida belgilangan, bu analogdagi flagman mahsulotlar narxining atigi uchdan biri. Kompaniyaning chiqarilishini e'lon qilganidan so'ng, aksiyalari 14% ga oshdi, avvalgi pasayishni tikladi, chunki investorlar xarajatlarni nazorat qilish strategiyasiga ijobiy reaksiya berishdi.
H3 matn, rasm, video va audio bilan bog'liq kontekstlarni tushunishga qodir va shu bilan birga nativ ikki kanalli ovozli audio-video yaratadi. Modelning texnik ustunligi ko'rsatmalarga amal qilish, matn va brend ma'lumotlarini to'g'ri ifodalash va bir videoromandan ikkinchisiga harakatni o'tkazish (V2V harakatini o'tkazish) funksiyasida jamlangan. Bu funksiya multimodal kontentni nazoratli tahrirlashni amalga oshirish imkonini beradi.
H3 modeli reklama, brendlash, elektron tijorat, mahsulotlarni ishlab chiqish, UI/UX va o'yinlar kabi turli savdo maqsadlari uchun kontent yaratishni ta'minlaydi. Bu korxonalar va ishlab chiquvchilar uchun yuqori sifatli video kontent yaratish jarayonini sezilarli darajada soddalashtiradi. Narxdagi ustunlik tizimli optimallashtirish orqali erishiladi: yuqori darajada siqilgan tokenizatordan foydalanish video yaratish uchun zarur tokenlar miqdorini kamaytiradi, heterogen o'rganishni sozlash, yukni muvozanatlashtirish va GPU dan foydalanish samaradorligini oshirish esa o'quv va inferens xarajatlarini sezilarli darajada kamaytiradi, model sifatini saqlab qoladi.
Chiqarishning asosiy elementi ochiq kod strategiyasidir. MiniMax model vaznlarini tartibga solish talablariga rioya qilingan holda bir necha kun ichida mavjud qilishni rejalashtirmoqda. Bu kompaniyalarga modelni mahalliy joyda joylashtirish va xavfsizlik hamda talablarga muvofiqlikni ta'minlash uchun o'z ma'lumotlari yordamida uni moslashtirish imkonini beradi. Kompaniya chip ishlab chiqaruvchilari va ishlab chiquvchilar sanoat tendensiyasi yaʼgʻon yopiq xizmatlardan ochiq, hamkor ekotizimlarga o'tishga amal qilgan holda, operatsion xarajatlarni kamaytirish va qo'llanilish doirasini kengaytirish uchun moslashish va optimallashtirishda ishtirok etishlari mumkinligini bildirib o'tdi.
MiniMax yondashuvi 2,8 trillion parametrli eng katta ochiq vaznli model bo'lgan Moonshot AI Kimi K3 misoliga mos keladi, u nashr etilgandan so'ng 48 soat ichida klaster quvvati chegaralariga yetib keldi va 19 iyul kuni yangi iste'molchi obunalarini to'lovchi foydalanuvchilar uchun hisoblash resurslaridan ustunlik olish maqsadida to'xtatdi. MiniMax strategiyasi Xitoy AI sanoatiga xos bo'lgan parametrlar yaroshiyasini qasddan cheklaydi. Eng ilg'or o'yinchilar hisoblash quvvati cheklovlari va ta'minotning qisqarishi bilan qiynalgan vaqtda, MiniMax model hajmi emas, balki birlik iqtisodiyotiga asoslangan tijorat afzalligini qurish uchun ekstremal narx-samaradorlik nisbati va ochiq kodli tarqatishga e'tibor qaratadi. Bozor kuzatuvchilari ochiq kod chiqarilgandan keyin H3 jamoatchiligining moslashish jarayonini, tijorat buyurtmalarining sur'atini va narxlandirish strategiyasi hajmli qaytarish orqali MiniMaxni AI yaroshiyida yetakchi o'rinlarga qaytarib oladimi yoki yo'q, deb kuzatib boradilar. Model iqtisodiy jihatdan samarali, tijoratan joylashtiriladigan multimodal generatsiyani raqobatning yangi chegarasi sifatida pozitsion qiladi, video tahrirlash qobiliyati esa ishlab chiqarish sifati professional ish jarayonlari uchun bazaviy generativ kuch kabi muhim bo'lishi mumkinligini ko'rsatadi.
