在科技界的瞩目之下，百度于近期的AI DAY科技开放日上，揭开了其自研视频生成模型MuseSteamer的神秘面纱，并同步推出了视频产品平台“绘想”。MuseSteamer采用了先进的DIT架构，其参数规模与业界顶尖的视频生成模型相当，具备生成连续10秒动态视频的能力，最高分辨率可达1080P，展现了百度在视频生成技术上的深厚积累。
值得注意的是，MuseSteamer的诞生并非出自百度文心大模型的技术中台部门TPG，而是由百度移动生态商业研发团队倾力打造。这一举动，似乎与百度CEO李彦宏去年10月的内部讲话内容相悖，当时他曾表示，由于视频生成模型的投入周期长，百度并未计划涉足此领域。
然而，百度副总裁、移动生态商业体系负责人陈一凡在媒体沟通会上，对百度涉足视频生成模型的原因进行了解释。他提到，去年百度推出的擎舵平台旨在帮助代理商和广告主快速生成广告，但在实际应用中，他们收到了关于科幻场景难以拍摄的反馈。为了满足这一需求，百度移动生态商业体系决定自研视频生成模型。
一位百度内部人士进一步透露，李彦宏在去年内部讲话中确实提到了基于多模态需求，可以探索特定视频生成场景的可能性。此次发布的MuseSteamer和早前的罗永浩数字人项目，都是百度在特定场景和需求下进行的探索。
与市场上多数技术驱动型的视频生成模型不同，百度的MuseSteamer采取了商业驱动的研发路径。它首先明确了商业需求，再结合需求进行模型研发。这种以需求为导向的研发模式，使得MuseSteamer在诞生之初就具备了明确的应用场景和市场需求。
据百度商业体系商业研发总经理刘林介绍，MuseSteamer项目于今年春节后开始立项，研发团队规模虽不大，但凭借在擎舵平台多模态生成技术上的积累，以及百度商业体系在模型训练框架推理、卡片调优等方面的经验，仅用了3个月时间就实现了模型的有效上线。
