OpenAI近日推出的文生視頻模型Sora，憑借其技術突破在AI領域引發了廣泛關注。與此同時，國內大廠及創業公司則面臨著挑戰，在AI競賽的黎明前夕，各家廠商需要思考如何證明自己。

在AI的長河里，從不缺一鳴驚人、一夜成名的技術。上圖，便是從Sora的示范視頻上截取的，無論是略顯蓬松的貓毛，還是主人被吵醒緊蹙的眉毛，與真實世界里的畫面，別無兩樣。

半個月前，Open AI發布了首個文生視頻模型Sora，再次讓AI界沸騰——其是第一個能夠根據人類指令生成長達一分鐘視頻的模型，上一個討論度這么高的產品，還是ChatGPT。

從ChatGPT到Sora，這16個月里，AI界的戰火已從千模大戰的戰場上，蔓延到各個細分應用之中。

對于普通人來說，就是原先你可以問諸如文心一言、訊飛星火等通用大模型各種問題，生成各種文字、圖片答案，現在可以通過文字描述，生成還原度極高的視頻。

更令人驚訝的是，以往的視頻模型是多個真實圖片的組合，并不具備理解力，而Sora是“聽懂”人話后，進行視頻的建構。

（圖源：OpenAI）

我們能看到，在OpenAI Sora 官方介紹頁里，紙飛機有了自我意識，自由翱翔。這或許就是 OpenAI 終極的目標，也將是無數AI大廠的愿景。

現下，Sora已然敲響戰鼓，百度、字節等以AI為標簽的大廠們是否會緊跟腳步，以及能不能造出類似模型，是擺在李彥宏、張一鳴們面前的問題。但目前大廠們都在靜默之中，等待著屬于自己的質變。

當然，一旦造出來，類Sora模型變現路徑倒是要比ChatGPT“現實”不少。

其可以是抖音、好看視頻等視頻平臺的高效創作工具，也可以制作簡單的特效，給近日爆火的微短劇提供更多題材。更進一步的猜測是，影視作品中大部分特效成本、人力成本都可以省去。

不過，對于國內以大模型創業的企業來說，又增加了一道坎——還沒把ChatGPT消化掉，又來了個新課題。跟，沒有更多的精力，不跟，沒有熱度有可能涼得更快。

一、Sora到底牛在哪里？

一系列文章、視頻展現效果顯示，Sora的出世意味著細分應用文生視頻模型迎來了iPhone時刻。

事實上，文生視頻并不是新鮮事兒，去年年底，全球AI企業陸陸續續發布了自己的文生視頻模型。去年11月份，Meta發布了視頻生成模型 Emu Video。從官方示例中可以看出，其局限于較為簡單的動作。

（圖源：機器之心）

緊接著，Stability.ai也發布了開源視頻生成模型 Stable Video Diffusion (SVD)，并且也在官方論文中大方承認自己的不足——生成的視頻相對缺少動態性。

也就是說，生成有高度一致性且有豐富動態性的視頻，讓視頻內容真正地動起來，是去年年底視頻生成領域中的最大挑戰。

在Sora發布以前表現最好的，莫過于PixelDance。從展示的結果來看，在基礎模式下（用戶只需要提供一張指導圖片+文本描述），人物動作、臉部表情、相機視角控制、特效動作，Pixeldance都可以很好地完成。

（圖源：機器之心）

國內大廠也同樣是去年年底開始布局。

字節跳動于去年11月18日推出了文生視頻模型PixelDance，可生成有高度一致性且有豐富動態性的視頻。阿里緊隨其后也上線了Animate Anyone模型，一張人物照片，再配合骨骼動畫引導，就能生成動畫視頻。

23年末，百度發布了文生視頻工具“度加剪輯”，據稱可以一鍵獲取最新熱點、ai生成文案、一鍵生成視頻。同時一大批“應ChatGPT而生”的AI創業公司也在去年年底參與進來，共同探索AI大模型應用。

而時間來到2024年2月中旬，OpenAI的Sora還是憑借更逼真、流暢的效果，遙遙領先。

為何 Sora 可以一騎絕塵？紅衣大叔周鴻祎給出了答案，大概的意思是，在這之前我們做視頻、做圖用的都是Diffusion，我們可以把視頻看成是多個真實圖片的組合，它并沒有真正掌握這個世界的知識。

但 Sora 能像人一樣理解坦克是有巨大沖擊力的，坦克能撞毀汽車，而不會出現汽車撞毀坦克的情況。OpenAl 利用它的大語言模型優勢，把 LLM 和 Diffusion 結合起來訓練，讓 Sora 實現了對現實世界的理解和對世界的模擬兩層能力。

自Transformer架構引領通用大模型浪潮后，LLM+Diffusion這一新興研究框架或許又會有大批量的追隨者。

開源后跟不跟，不開源搞不搞，成為每個AI廠商面前的難題。

二、誰都能玩得起嗎？

事實上，要不要跟隨Sora這個問題，或許并不再取決于個人/公司意愿，而是一些硬性條件+軟實力。例如，公司還有足夠的芯片嗎？

去年，據偲睿洞察測算，ChatGPT光是訪問階段就要耗去3萬多個A100，這儼然已是巨頭們的游戲。按照去年一份流傳出的交流紀要顯示，大廠們手握著豐厚的資源——阿里云AI專家提到，阿里云在云上有上萬片的A100，整體能夠達到10萬片，集團體量應該是阿里云的5倍。騰訊云利用H800加速卡打造的大模型算力集群，集群規模達到了數千臺服務器。

盡管Sora只是一個視頻模型，但對算力的渴求也不小。目前，訓練端由于暫無明確算法架構和訓練詳細數據。據民生證券測算，一個月內訓練完Youtube全部新增視頻需要約231片A100?？紤]到模型都是經過多次訓練得到，算力需求仍有較大程度提高的可能性。而推理端的需求量更是驚人，假設Sora模型參數為30億，則對應1846萬個A100需求。

緊接著，第二個致命的問題是，公司有高質量的數據集嗎？現階段，谷歌、OpenAI等國際大廠們，都在爭搶高質量的文本數據集。

根據第一批大模型弄潮兒的經驗，若是沒有備足充足的彈藥，很有可能會草草離場。

據智東西不完全統計，2023年11月-2024年1月，有4家AI大模型創企宣布關停。在這之中，其中有大廠獨立出來的團隊，有明星產品創始人新成立的公司，也有已經走過十余年的“老牌”企業。有的缺錢、有的缺精準定位，想要玩AI，空有一腔熱血遠遠不夠。

事實上，更致命的問題是，公司有AI天才嗎？

周鴻祎表示，科技競爭最終比拼的是人才密度和深厚積累。這里的人才密度，絕不是說規?！吘筄penAI的Sora團隊只有13個人，應屆博士帶隊，00后參與。

我們不得不佩服OpenAI的勇氣，將“選賢舉能”發揮得淋漓盡致，除了未知的潛能，年輕人還有一個最大的優勢——能熬。據謝賽寧透露，Sora是Bill他們在OpenAI的嘔心瀝血之作，“雖然不知道細節，但他們每天基本不睡覺高強度工作了一年”。

從以上部分團隊成員背景可以看出，其門檻極高——大部分都是名校博士畢業+實習/工作經驗，有本科學生，不過也要有著創業經歷、多段工作經歷。無論是OpenAI公司，還是人才本人，都積累了無數個量變，為質變做準備。

或許，包括OpenAI在內的AI公司們，都在等哪個“無名小卒”（要么是MIT、清北級別的學生，要么3-5年創業、大廠經歷，要么是二者的結合）悟得了AI的真理，一戰成名，成為AI大神。

ChatGPT和Sora告訴我們的是，A100、高質量數據、AI天才，是新時代的稀缺物資，國內大廠尚有欠缺，從零開始的大模型創業公司們怕是跟不上熱度，也跟不上速度。

三、微短劇，或許是現下大廠高性價比變現方式

在AI各類資源都很有限的情況下，All in AI的大廠們在跟隨之前，必然會考慮投資回報比，也就是Sora能夠極大地改變哪些行業的模式？同時還和大廠已有業務密切相關？

答案，非短視頻行業莫屬。

對于定位于熱點話題視頻的創作者們，Sora可謂是極大地提高了工作效率。畢竟熱點話題比拼的是時效，大家很難有二創的空間，只要學會了，便能快速拉開差距。目前在國內，已經有電商服務機構向帶貨主播推出“AI根據熱梗自動撰寫視頻腳本”的服務。

而對于一些深度話題，創作者們則可以與AI分工合作。

創作者產出事件/產品的差異化內容、確認文章大綱；而AI負責重復勞動的部分，例如展現產品的特性，給文字自動加背景視頻，無需創作者去各大網站搜羅。也就是說，創作者們能夠靠著AI省去不少事，出現更多的“靈光一現”，吸引更多的用戶停留。

在這之中，最大的受益人便是平臺。于是，我們也就不難理解為何2月7日，抖音集團CEO張楠辭去集團CEO一職，把精力聚焦在剪映的發展上。據了解過去一年，張楠已經把絕大多數精力傾斜到剪映相關業務上，并親自帶隊在AI輔助創作上尋求突破，即將推出一個AI生圖和視頻的產品。

視頻平臺快手必然會在這個方向努力：在去年的那一波卷大模型的浪潮中，快手宣布已組建大模型研發團隊，推進在搜索、AIGC 輔助生成圖文視頻方面的應用。

百度，也正在跟上節奏。盡管好看視頻在百度的存在感并不高，但每年都在實打實地推進該業務：2020年下半年開始，百度開始一系列大手筆運作。百度先后投資MCN機構牧云文化、引入宋?。▋热萆鷳B平臺總經理，年前已離職），以及在11月17日宣布斥資36億美元并購YY中國。

2024年微短劇爆火，百度也在不斷加碼該市場。據光子星球報道，百度將在上半年完成與微短劇適配的基礎設施建設，包括創作者生態、分發邏輯、用戶運營等，并嘗試跑通變現路徑。

微短劇，或許是百度等類Sora視頻模型的“用武之地”。

相比于大型的影視大作，微短劇的特效制作、內容創作各方面門檻都較低，與此同時，類Sora模型能給近日爆火的微短劇提供更多題材范圍，例如科幻等。若是人物細節逼真，演員的片酬都可能為零，如果分攤成本極低的話，視頻內容行業將很快被洗牌。

百度們亟需推出中國Sora，除了因為新業務的需要，還需考慮到站位的問題。作為上一個千模大戰的發起者，百度再次迎來證明自己的時刻。

2024年的春天，來得很晚，無論是真實的天氣，還是AI行業。

去年冬天，研究部門能拿著以往AI積累，趕上大模型的浪潮，市場部門也能借此開大會、與友商們一起打響千模大戰。

今年冬天，研究員們還在加班加點想著怎么把通用大模型落實到千行萬業時，文生視頻這一細分領域又出現一個勁敵。

永遠在黑暗中前行，永遠有人走得更快，國內AI大廠們的黎明，忽近忽遠。

不過，離黎明更近的Sora，也需加強常識學習——在完整看完頭圖的原視頻之后發現，女孩的胳膊與手并不在同一個維度。