D’altra parte, come rileva il Financial Times, le aziende cinesi sono ancora in una fase di sviluppo della tecnologia di base, ma sono molto bravi a osservare le tendenze del settore, a seguire ciò che di buono viene fuori e a sfruttare le loro capacità ingegneristiche per seguire ciò che accade altrove.

Il mercato cinese dell’IA sta vivendo una crescita esplosiva, con le start-up del settore che hanno raccolto complessivamente 14,3 miliardi di dollari nei primi quattro mesi dell’anno.

Le aziende stanno adottando strategie diverse, come l’utilizzo di chatbot avatar, per ottenere un vantaggio competitivo sul mercato.

Zhipu AI è ora la più grande start-up cinese nel settore dell’intelligenza artificiale per numero di dipendenti, con una valutazione di 18 miliardi di Rmb (circa 2,5 miliardi di dollari) dopo l’ultima raccolta fondi a marzo. Tra i finanziatori di Zhipu vi sono alcuni delle più importanti aziende cinesi, tra cui Alibaba Cloud, Tencent, Meituan, HongShan, Xiaomi, Qiming Venture Partners, Legend Capital, Hillhouse Capital e il National Social Security Fund.

I principali prodotti di Zhipu includono l’assistente AI Qingyan, indirizzato a copywriter e programmatori, nonché assistenti AI personalizzati per clienti in settori come le banche, le assicurazioni e le aziende tecnologiche. Sul fronte del grande pubblico, AiU è un avatar chatbot che consente agli utenti di interagire con personaggi manga.

Con oltre 800 dipendenti, Zhipu ha sede nel parco scientifico dell’Università Tsinghua a Haidian, Pechino, dove l’amministrazione cittadina ha approvato più di 40 grandi modelli linguistici e applicazioni di intelligenza artificiale per l’uso pubblico, creando un ambiente favorevole alla crescita del settore.

Moonshot AI, fondata da Yang Zhilin, con una valutazione di 2,5 miliardi di dollari, ha recentemente concluso un round di finanziamento da 1 miliardo di dollari, con Alibaba in prima linea tra gli investitori.

Altri sostenitori chiave includono Xiaohongshu, Meituan, HongShan, ZhenFund e Monolith Management.

Il prodotto principale è il chatbot Kimi, che sta emergendo come un rivale significativo per l’Ernie Bot di Baidu, il motore di ricerca cinese. Tuttavia, nonostante la sua crescente popolarità, Kimi ha incontrato problemi nel gestire l’enorme quantità di utenti che hanno provato ad utilizzarlo.

Non da meno è MiniMax, con sede a Shanghai, che sta facendo parlare di sé nel mercato grazie ai suoi chatbot avatar, indirizzati al vasto mercato cinese del gaming. Valutata 2,5 miliardi di dollari è guidata da Yan Junjie, un ex dirigente di SenseTime con una vasta esperienza nella visione artificiale. Alibaba, Tencent, HongShan, Hillhouse e Future Capital sono alcuni dei suoi principali sostenitori.

01.ai ha una valutazione di 1,2 miliardi di dollari dopo il suo più recente round di finanziamento. La società è guidata da Kai-Fu Lee, un ex presidente di Google China e fondatore di Microsoft Research Asia e Sinovation Ventures. Alibaba Cloud, Sinovation Ventures, Shunwei Capital e Xiaomi sono tra i principali sostenitori di 01.ai.

I principali prodotti di 01.ai includono un modello LLM (Large Language Model) open source, insieme a chatbot AI e strumenti di produttività per le aziende.

Con un organico di circa 200 persone nel distretto di Haidian, a Pechino, 01.ai sta contribuendo attivamente all’avanzamento dell’intelligenza artificiale con la sua gamma di prodotti e il suo impegno per l’open source.

Questo innovativo strumento consente di generare movimenti labiali perfettamente sincronizzati con l’audio con capacità visive affettive (VAS – visual affective skills), catturando una vasta gamma di espressioni facciali e movimenti naturali della testa, che contribuiscono a rendere la produzione più autentica.

Il modello di Microsoft accetta segnali opzionali come condizione, tra cui la direzione dello sguardo principale e le emozioni, permettendo un controllo più preciso sul comportamento dell’avatar generato. Inoltre, è in grado di gestire una varietà di input, inclusi audio di lunghezza arbitraria e foto artistiche, garantendo flessibilità.

VASA-1 sfrutta un algoritmo che combina l’immagine di partenza con la traccia audio disponibile e, eventualmente, anche con alcuni parametri relativi all’espressività umana, conferendo al soggetto la giusta espressività. Ciò rende i video generati estremamente realistici e vivaci, con movimenti facciali naturali e la possibilità di controllare diversi aspetti della generazione, come la direzione dello sguardo e le espressioni facciali.

Microsoft VASA-1 può creare contenuti di vario genere, inclusi soggetti che cantano o parlano in altre lingue, nonostante non sia stato specificamente addestrato per tali scopi. L’addestramento è stato effettuato utilizzando migliaia di immagini e una vasta gamma di espressioni facciali.

Grazie alla sua efficienza, VASA-1 può produrre fotogrammi video con dimensioni di 512×512 pixel a 45 fps nella modalità di elaborazione batch offline e fino a 40 fps nella modalità di streaming online, con una media di 2 minuti per produrre video utilizzando una GPU Nvidia RTX 4090.

Pur riconoscendo il potenziale positivo della tecnologia, Microsoft è consapevole dei rischi derivanti dal suo possibile uso improprio e si impegna a sviluppare e utilizzare l’IA in modo responsabile ed ha dichiarato che non rilascerà nessuna demo online, un’API o ulteriori dettagli di implementazione fino a quando non sarà certa che la tecnologia potrà essere utilizzata in modo responsabile e conforme alle normative vigenti.

Con VASA, Microsoft entra ufficialmente in competizione con i modelli di generazione video delle concorrenti, ricordiamo infatti che lo scorso febbraio sia Google che OpenAI avevano già introdotto i loro modelli di IA che generavano video, rispettivamente Lumière e Sora. Questi servizi avevano sorpreso e preoccupato subito per la qualità che riuscivano ad ottenere. Ora è Vasa-1 a suscitare meraviglia e timore. C’è una differenza sostanziale nei servizi offerti dalle aziende: mentre Sora e Lumiere sono in grado di generare un video da zero partendo da un semplice testo, Vasa-1 può produrre un video partendo da un’immagine.