Snap分拆生成式AI視頻團隊成立新公司Dotmo 緩解高昂研發成本壓力

2026年6月22日 01:314400 次瀏覽

重點摘要

Snap因內部生成式AI成本高昂,將AI視頻團隊分拆為獨立公司Dotmo,以減輕財務壓力並提升運營靈活性。新公司專注開發可生成互動遊戲體驗的AI模型,核心團隊由Snap離職員工組成。Dotmo雖架構獨立,但與Snap仍保持緊密的資本和技術紐帶。

站內 AI 整理稿

### **Snap 拆分生成式 AI 團隊成立 Dotmo:降低研發成本,聚焦互動遊戲新賽道**

Snap 近期對外證實,已將內部生成式人工智慧(AI)影片團隊拆分,獨立成立一家名為 **Dotmo** 的新公司。此舉核心目的在於緩解 Snap 自行開發 AI 技術所帶來的高昂研發成本壓力,同時賦予該團隊更高的運營靈活性。根據現有資訊,Dotmo 將專注於開發能夠生成互動遊戲體驗的 AI 模型,其核心成員多來自 Snap 離職員工,但新公司與 Snap 之間仍維持緊密的資本與技術連結。

### **背景脈絡:從內部研發到獨立運營的財務現實**

Snap 作為社群媒體平台(以 Snapchat 聞名),過去幾年持續投入大量資源在生成式 AI 領域,試圖透過 AI 功能提升用戶體驗與廣告收益。然而,生成式 AI 技術的運算成本與人才薪資相當驚人,尤其對於營收成長放緩的 Snap 而言,長期的內部研發負擔逐漸成為財務報表上的隱憂。將相關團隊拆分為獨立公司 Dotmo,可以讓 Snap 在不直接承擔全額研發費用的前提下,仍能透過持股或技術授權分享成果,同時讓 Dotmo 以更靈活的架構向外融資或尋找合作夥伴。

### **Dotmo 的定位:從影片生成轉向互動式遊戲體驗**

不同於 Snap 過去主要將 AI 應用在濾鏡、影片編輯等社群功能,Dotmo 選擇切入一個全新的應用場景——**互動遊戲開發**。該公司將開發能根據玩家輸入即時生成遊戲內容的 AI 模型,例如自動產生關卡、角色或劇情分支。這項技術若成功,不僅能降低遊戲製作的成本門檻,也可能催生新型態的「AI 原生遊戲」,讓玩家每次體驗都獨一無二。值得注意的是,Dotmo 雖然由 Snap 離職員工組成,但 Snap 仍透過資本與技術紐帶保持影響力,這意味著 Dotmo 的技術成果未來仍有機會優先回饋給 Snap 平台。

### **可能影響:緩解 Snap 財務壓力,但同時帶來新挑戰**

對於 Snap 而言,拆分 AI 團隊最直接的效益是**降低每季的研發費用**,讓財報數字更符合投資人期待。此外,透過 Dotmo 獨立發展,Snap 也能測試 AI 技術在遊戲領域的商業化潛力,避免內部資源過度分散。然而,這也代表 Snap 將失去對該團隊的直接控制權,若 Dotmo 日後獲得外部投資或與競爭對手合作,Snap 在技術路線上的主導性可能被稀釋。對整個 AI 產業來說,Snap 的案例再次印證:大型科技公司正面臨「內部養 AI」與「外部孵育」之間的權衡,未來可能會有更多企業仿效。

### **讀者可關注的後續發展**

接下來建議關注以下幾個面向:第一,**Dotmo 的首款 AI 互動遊戲產品何時問世**,這將直接驗證其技術是否落地可行。第二,Snap 是否會將 Dotmo 的技術整合回 Snapchat 平台,例如推出 AI 驅動的多人互動遊戲功能。第三,其他社群平台(如 Meta、TikTok)是否會跟進採取類似「分拆 AI 團隊」的策略,以減輕成本壓力並探索新應用場景。第四,Dotmo 未來是否會向外募資或與遊戲發行商合作,這將決定該公司在 AI 遊戲領域的市場定位。

### **總結:科技巨頭的 AI 策略轉向「輕資產」模式**

Snap 拆分生成式 AI 團隊成立 Dotmo,本質上是科技公司因應 AI 高成本時代的一種策略調整。過去幾年,許多企業傾向於廣納 AI 人才並自行研發,但隨著競爭加劇與資本市場緊縮,透過分拆、子公司或外部合資來分攤風險,逐漸成為新常態。對於關注 AI 產業的讀者而言,這起事件不僅是 Snap 的內部變革,更象徵著生成式 AI 從「軍備競賽」過渡到「務實商業化」的轉捩點。未來,類似 Dotmo 的獨立 AI 工作室可能如雨後春筍般出現,專門在特定垂直領域(如遊戲、教育、醫療)深耕,而母公司則扮演金主與生態系統的角色。

Related

相關文章

雷峰網生成式AI

從代碼到產線:恩和發佈 BPL 協議語言,定義生物製造的“工業級編譯器”

雷峰網訊。近日,恩和科技在《bioRxiv》發佈Biology Protocol Language(BPL)及其生成管線BPL-COGEN,首次為生物實驗協議建立了一套形式化的語言體系,打通了Physical AI進入物理世界的標準接口。BPL是專為生物實驗協議設計的可編譯、可驗證的形式化語言。BPL-COGEN把自然語言協議自動翻譯為BPL程序,由一個300億參數微調大語言模型與確定性編譯器構成“生成—驗證—修復”閉環。在基於300篇《Nature Protocols》論文的基準測試中,BPL-COGEN實現95.1%的首輪一致性,通過2輪編譯-仿真閉環將正確率推進至98.6%。目前,相關代碼已在GitLab完全開源(MIT License)。AI已會“思考”,但還不會“動手”當前,AI已經能在數字世界生成假設與設計實驗。材料科學領域已經出現自主驅動的Self-driving Lab。但在生物學領域,無論上游AI多麼強大,其輸出最終仍須被翻譯為物理操作,而這一過程,至今仍依賴自然語言文本這是一個半導體和軟件行業幾十年前就已跨越的問題。半導體設計通過Verilog和VHDL完成了從自然語言向硬件描述語言的躍遷,軟件工程通過類型化語言確立了可驗證的穩定性。生物學一直缺少與之對應的、具備編譯器驗證能力的底層語言,這正是當前AI驅動實驗設計與可復現物理執行之間的速率限制環節。代價是清晰的。《Nature》在2016年針對1,576名研究者的調查顯示,超過70%的人無法復現他人實驗,超過一半的人無法復現自己的實驗(Baker, *Nature*, 2016)。恩和團隊的論文進一步將問題歸納為三個維度:協議精確度。典型指令中常隱藏濃度、時間、體積等多處未明分支點。幾十條此類指令疊加,使實驗可復現性完全依賴於人員的經驗補全。協議驗證。自然語言缺乏在執行前模擬物理一致性的機制,內部邏輯錯

2 小時前
鈦媒體生成式AI

Edge AI Daily 早報(6月19日)

AI Engineer World's Fair 2026規模再創新高,標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整:楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性,Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處,展現生態擴張野心。監管壓力加劇,意大利依據DMA調查蘋果iCloud,巴西開放iOS側載佣金降至5%,蘋果圍牆花園持續崩塌。

2 天前