ByteDance prepara modelo de vídeo espacial em tempo real para VR

A ByteDance prepara um modelo de IA para geração de vídeo espacial em tempo real, com o fundador Zhang Yiming acompanhando pessoalmente o trabalho e um lançamento possível já no próximo mês, segundo a Bloomberg, que citou pessoas familiarizadas com o assunto sob anonimato. Uma dessas pessoas alertou que o prazo não está definido e que os planos podem mudar. A TNW não verificou a informação de forma independente, e um porta-voz da ByteDance não respondeu ao pedido de comentário da Bloomberg.

Base Seedance e uso em Pico

O modelo seria construído sobre o Seedance, sistema de geração de vídeo que a ByteDance já possui, e permitiria criar mundos virtuais interativos para transmissões ao vivo, dramas curtos e jogos. A especificação relatada é o ponto central: vídeo sob demanda a cerca de 20 quadros por segundo, com latência de aproximadamente 0,05 segundo, gerado na nuvem em vez de no dispositivo. A ByteDance é dona da Pico, sua divisão de realidade estendida, e o modelo teria como objetivo gerar mundos que respondam à voz e aos movimentos dos usuários da Pico.

Estratégia de nuvem

Renderizar conteúdo espacial remotamente tira a carga computacional do headset, o que reduz o que o hardware precisa fazer e, portanto, quanto ele precisa custar. Se funcionar, a disputa em XR deixa de girar em torno de especificações de hardware e passa para modelos, capacidade de nuvem e distribuição de conteúdo - três áreas que a ByteDance já domina. Para Meta e Apple, a implicação seria incômoda, mas não imediata: ambas gastaram pesado em headsets que não se popularizaram. Um world model renderizado na nuvem não vence o Vision Pro em fidelidade; apenas transfere a responsabilidade pela fidelidade para outra parte.

Prioridades internas

O movimento não parte do zero. A 36Kr relatou no início deste ano que a ByteDance definiu quatro prioridades de IA para 2026, com world models no topo, à frente de manter a liderança do Seedance em vídeo, melhorar coding e comercializar o Doubao. Os world models teriam o maior orçamento de dados entre todas as direções de modelo, uma soma de oito dígitos em renminbi que as fontes da 36Kr calcularam ser três a quatro vezes o gasto de rivais. A mesma reportagem definiu a meta: lançar pelo menos um world model até o final do ano e medi-lo contra o Genie, do Google, que agora permite caminhar por imagens do Street View em tempo real. Testes internos no início de 2026 colocaram a ByteDance cerca de 10% atrás do estado da arte global. Um lançamento no próximo mês ficaria à frente desse cronograma.

Duas rotas e concorrência

A empresa persegue duas rotas, segundo a 36Kr: uma abordagem de visão-linguagem-ação voltada à inteligência incorporada e à robótica, e uma simulação 3D para entretenimento e jogos. O modelo de vídeo espacial pertence à segunda, que já tem uma base de usuários associada. Um world model é um sistema que aprende como ambientes se comportam o suficiente para renderizar um ambiente que responda de forma coerente ao que o usuário faz nele. Empresas de vídeo aparecem nesse campo porque o material de treinamento é vídeo, e as companhias com mais vídeo e experiência em comprimi-lo para renderizar rápido partem de uma posição incomum. A ByteDance passou uma década construindo esse pipeline para outro propósito. A Bloomberg enquadra o envolvimento de Zhang entre pesquisadores como Fei-Fei Li e Yann LeCun, que defendem que modelos fundamentados em compreensão visual e física, não apenas em linguagem, são o caminho para sistemas capazes de agir no mundo. Esse argumento agora é testado comercialmente por empresas cujo produto real é entretenimento.

Dinheiro e concorrência

O dinheiro não está em dúvida. A ByteDance garantiu um empréstimo de US$ 30 bilhões na semana passada, segundo a Bloomberg, e tem avaliado capex de até US$ 70 bilhões em sua expansão de IA. O Seedance já sustenta o CapCut e o Doubao, e a empresa segue, em termos domésticos, como desafiante diante de Alibaba, DeepSeek e Moonshot AI.