兩周前的今天，北京時(shí)間 2 月 16 日，OpenAI 、谷歌、Meta、Stability 都在這一時(shí)間節(jié)點(diǎn)前后發(fā)布文生視頻模型成果，但只有 OpenAI  的 Sora 在這場角逐中破圈而出，成功搶占全球的注意力?？梢哉f，Sora 打響了文生視頻大模型行業(yè) 2024 年的第一炮。

面對 Sora 著實(shí)優(yōu)異的視頻生成效果，短時(shí)間內(nèi) AIGC 行業(yè)內(nèi)掀起一輪又一輪討論，一方面，沒人想到 OpenAI 的動作如此之快，令人激動興奮的同時(shí)也來不及招架，另一方面，也都在為其 “60秒超長長度”、“單視頻多角度鏡頭”和“世界模型”的等炸裂的效果震驚，并聲稱會迎來行業(yè)洗牌。

在對于 Sora 的各種爭論、預(yù)判熱火朝天、此起彼伏的時(shí)候，AI 科技評論反觀從最初的 Disco Diffusion 再到  Stable Diffusion 出現(xiàn)的過程，并和行業(yè)內(nèi)的投資人、技術(shù)專家、學(xué)術(shù)大咖、AIGC創(chuàng)業(yè)者等數(shù)十位行業(yè)人士做出了關(guān)于 Sora 的冷思考。（關(guān)于 Sora 和 AIGC ，歡迎各位朋友找作者：s1060788086  來聊）

從長期的角度來看 ，不可否認(rèn) Sora 是文生視頻大模型的里程碑事件，標(biāo)志著視頻生成能力上升到新高度。但一些業(yè)內(nèi)人士也指出，“大家要清醒”，Sora 的沖擊也沒有想象中那么大，不會對影視、廣告、內(nèi)容創(chuàng)作等領(lǐng)域產(chǎn)生立竿見影的顛覆性影響，也不一定會斷了 AIGC 創(chuàng)業(yè)者的后路。

Sora 發(fā)布兩周之際，此時(shí)更需要的不是熱捧，而是降溫。Sora 的影響，不急于在當(dāng)下就說完道盡，更需要在接下來 1—3 年的時(shí)間中且行且看。

Sora 技術(shù)不無探索空間

Pika 火爆之時(shí)，香港大學(xué)計(jì)算機(jī)教授徐東老師稱其是文生視頻行業(yè)的曙光——讓世界看到了文生視頻的驚艷效果，但同時(shí)也意識到，Pika 只是先跑出來的那個，它離大規(guī)模的用戶付費(fèi)還有一段距離。

而 Sora 的出現(xiàn)，徐東教授則評價(jià)其是一個“極大的 breakthrough（突破）”，它不是一個簡單的從 ChatGPT-3.0 到 ChatGPT-4.5 的迭代，而是對之前視覺模型的一次降維打擊。

60 秒的視頻長度，讓其他文生視頻產(chǎn)品望塵莫及 Sora 。但其實(shí)，跳出生成長度的考量要素，生成速度也是考量文生視頻大模型的關(guān)鍵指標(biāo)。

一個 60 秒的、效果驚艷的 AI 視頻，其背后的生成時(shí)間是十分鐘還是一個小時(shí)，對使用者來說是截然不同的體驗(yàn)。如果生成時(shí)長在 60 秒以內(nèi)，就又會是另一番驚人的效果。

面對未來視頻生成低時(shí)延的要求，背后算力的支持情況是最根本的基礎(chǔ)。預(yù)計(jì)通過什么方式能夠高效調(diào)用算力去滿足龐大的需求量，這些是 Sora 等文生視頻模型可以探索的空間之一。

解決生成時(shí)長的一系列問題，除了算力之外，石榴科技創(chuàng)始人 Frank 認(rèn)為背后技術(shù)的解決方案也是關(guān)鍵影響因素之一。因?yàn)?Sora 底層是一個擴(kuò)散模型，如果模型本身有一些限制導(dǎo)致處理的速度達(dá)不到，那生成的時(shí)間確實(shí)快不了，即使算力再強(qiáng)也用不上。

除了生成視頻的 60 秒時(shí)長外，世界模型也是 Sora 帶給人們打開的新視野。

從世界模型的技術(shù)起源來說，Sora 目前的做法和楊立昆最開始提出的是不一樣的。Yann LeCun更強(qiáng)調(diào)在空間中去做規(guī)則表達(dá)的理解，即能不能直接在這個模型中找到被清晰定義的某個對象的表達(dá)。

Sora 顯然和這種做法是不同的，他們走了“大力出奇跡”的路子。用基于 Transformer 的 Diffusion 去壓縮，這仍然是一個數(shù)據(jù)驅(qū)動生成式的基本方法。

在這一過程中能否真正地去反推歸納出中間學(xué)習(xí)到的物理規(guī)律，動漫生成「捏Ta」產(chǎn)品創(chuàng)始人胡修涵表示這仍然需要被打一個問號。如果相信 OpenAI 的哲學(xué)就是“Scaling is everything”，之后可能會隨著規(guī)模的擴(kuò)大，壓縮效能越來越強(qiáng)，模型就被迫學(xué)會和總結(jié)到了所有的物理規(guī)律，但是基于現(xiàn)在的模型規(guī)模和效能，還不能直接得出 Sora 是世界模型的結(jié)論。

Frank 持有同樣的觀點(diǎn)，并補(bǔ)充道不僅要從物理的意義上來看，也需要從非物理的角度去思考。作為一個世界模型，更需要考慮到社會中的「人情規(guī)律」。就像當(dāng)一個小寶寶手里的東西被搶走后，Sora 是否能成功地預(yù)測出來寶寶會哭——所以世界模型除了符合物理規(guī)律的演進(jìn)以外，也需要更進(jìn)一步地滿足日常生活當(dāng)中的場景和判斷。

而這種社會意義上的信息，大部分都不是通過文字和語音來表達(dá)的，背后仍然要探索文生視頻模型怎樣才能理解、生成到位。為了實(shí)現(xiàn)這一效果，F(xiàn)rank 認(rèn)為則需要建立表面文字和其背后潛臺詞之間的對應(yīng)連接關(guān)系。

基于 OpenAI 冰山一角之下的海量數(shù)據(jù)和一定連接關(guān)系的建立，GPT-4 已經(jīng)展現(xiàn)出它對于人類潛臺詞、雙關(guān)語句等很多復(fù)雜內(nèi)容的理解率是非常高的，表現(xiàn)得很聰明。

Sora 也同樣值得期待，看它是否能有更多的聯(lián)想，提示一句話，就能理解背后的 10 句話，然后用 10 句話來去完成一個更好的作品。

但現(xiàn)階段的視覺模型 Sora 又不同于之前的大語言模型。在 OpenAI 成立的早期，大部分的研究成果都是開源的，甚至數(shù)據(jù)庫也是放出來開源的。但是現(xiàn)在已經(jīng)不再是開源的， Sora 的技術(shù)報(bào)告只對外講了很宏觀的框架，剩下的都需要同賽道公司自己去探索。

徐東教授認(rèn)為 OpenAI 的閉源，使得追趕探索 OpenAI 成果的工作變得很難。但從社會宏觀的側(cè)面出發(fā)，國內(nèi)是有必要追趕 Sora 的。

一方面，諸如游戲或其他涉及商業(yè)機(jī)密的行業(yè)跑在 OpenAI 的底層技術(shù)上并不是很合適。

另一方面，文生視頻技術(shù)的攻防問題也是更重要的側(cè)面。因?yàn)?Sora 這套技術(shù)會很容易地生成大量的虛假視頻，之后可能會被別有用心者用來散播一些虛假視頻或價(jià)值觀不正確的視頻以引導(dǎo)輿論。面對這樣的情況，如果都不知道對手是怎么進(jìn)攻的，那也很難防守。

從應(yīng)用的方面來講，國內(nèi)對于文生視頻的需求是很旺盛的，不能都翻墻去用 OpenAI 的產(chǎn)品。

追趕 Sora 這是一件長期的事，也需要更多的社會資源傾斜進(jìn)來扶持人才，人才是這場新的 AI 競爭的核心。

目前，港大的羅平教授帶領(lǐng)學(xué)生們正一點(diǎn)點(diǎn)摸索文生視頻，在幾乎沒有卡的情況下，研究出來跟 Sora 最像的技術(shù)路線。

在 Sora 沖擊下的 AI 競爭格局中，做產(chǎn)品應(yīng)用是一個更安全的方式，國內(nèi)同樣也需要深耕追趕技術(shù)的公司。因?yàn)闊o論做任何產(chǎn)品，如果技術(shù)底座不堅(jiān)實(shí)，又沒人開源，好產(chǎn)品是很難問世的。況且，在 Sora 的基礎(chǔ)上做應(yīng)用，如果 Sora 賣得很貴的話，那么產(chǎn)品的意義也不會很大。

內(nèi)容生態(tài)不會被輕易撼動

Sora 強(qiáng)悍的內(nèi)容生成能力，最先沖擊到的就是和視頻相關(guān)的內(nèi)容產(chǎn)業(yè)。

Sora 的出現(xiàn)的確會讓一些大廠緊張，比如以字節(jié)剪映為代表的智能剪輯工具。某大廠內(nèi)部人士透露，Sora 對視頻的沖擊確實(shí)挺大的，內(nèi)部還沒有太想清楚這個事具體要怎么玩。（雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)）

徐東教授認(rèn)為，剪映作為一種剪輯工具是成熟的產(chǎn)品，且技術(shù)特點(diǎn)沒那么強(qiáng)，在有擅長工程化、產(chǎn)品化人才的情況下，Sora 也可能做出來 。而文生視頻的技術(shù)則是重磅功能，剪映如果沒有辦法很好地提高質(zhì)量服務(wù)，很可能在 Sora 積累到足夠的用戶量之后被降維打擊。

但如果剪映自己做得好，智能生成能力會成為核心創(chuàng)作流程中核心的步驟。如果剪映不這么做，那么剪映的意義長期來看肯定是會被消磨掉很大一部分。

在 Sora 和抖音等內(nèi)容生成平臺的關(guān)系上，胡修涵認(rèn)為 Sora 不會是去直接取代抖音生態(tài)位，因?yàn)閱渭兊?AIGC 并不能取代分發(fā)價(jià)值。而 Sora 不應(yīng)該是一個素材提供框架，更加是個模板生產(chǎn)器，如果 Sora 的智能得到很好的運(yùn)用，它會變成一個更強(qiáng)的模板格式，而不會構(gòu)成中間的每段素材。

但完全由 AI 生成的虛假視頻內(nèi)容，是會對平臺的內(nèi)容產(chǎn)生影響。前快手全景視頻業(yè)務(wù)負(fù)責(zé)人、英俊文化聯(lián)合創(chuàng)始人馬英武表示，相比較于流量處于二線位置的內(nèi)容平臺，Sora 更多地會沖擊一線位置的內(nèi)容平臺，甚至對二線位置的內(nèi)容平臺來講，是一個個錦上添花的一個事情，因?yàn)橐郧斑€會考慮，內(nèi)容生產(chǎn)端端供給不足，現(xiàn)在 AI 內(nèi)容能夠讓生產(chǎn)從數(shù)量和質(zhì)量上豐富起來。

對于像抖音、快手這樣流量較高的平臺，Sora 帶來的 AI 內(nèi)容充斥進(jìn)去之后，對平臺首先的考驗(yàn)就是能否把流量精準(zhǔn)分配到最好的內(nèi)容上，這對技術(shù)和算力都是一個挑戰(zhàn)。

如何平衡真實(shí)內(nèi)容和 AI 內(nèi)容的關(guān)系是需要面臨的問題。平衡不好的話就會面臨原本優(yōu)質(zhì)創(chuàng)作者的流失問題，因?yàn)樗麄儧]有得到足夠播放量的正反饋就會選擇「出走」，或者創(chuàng)作者也會降低他們內(nèi)容生產(chǎn)的質(zhì)量，比如，原本一條視頻有 100 萬播放量，創(chuàng)作者會按照 100 萬播放量的要求做好內(nèi)容，但 AI 內(nèi)容分走蛋糕后，播放量只有1萬了。創(chuàng)作者就會抱著「隨便做做」的心態(tài)應(yīng)付內(nèi)容，降低標(biāo)準(zhǔn)，不斷形成惡性循環(huán)。

根據(jù)抖音快手的用戶協(xié)議，目前都會有一條就是禁止使用 AIGC 相關(guān)的工具去批量生產(chǎn)視頻內(nèi)容，或者也會要求對AI內(nèi)容進(jìn)行顯著標(biāo)記以示提醒。平臺也會防止 Sora 這類工具生產(chǎn)的 AI 內(nèi)容去破壞原有的內(nèi)容邏輯。

除此之外，Sora 對以 PGC 為主的長視頻生產(chǎn)和以 UGC 為主的短視頻生產(chǎn)的沖擊也是不一樣的。

雖然 Sora 還沒有完全出來，行業(yè)內(nèi)都在預(yù)測其價(jià)格應(yīng)該很貴。對于 UGC 而言，制作 1 分鐘以內(nèi)的短視頻價(jià)格都是很高的。甚至馬英武調(diào)侃道，根據(jù)對創(chuàng)作者的了解，國內(nèi)內(nèi)容創(chuàng)作者的付費(fèi)意識較低，除非 Sora 特別便宜到用一次一塊錢，否則就很難以被廣泛接受，因?yàn)閯?chuàng)作者制作一條視頻有時(shí)甚至是零收入。

對于 PGC 的長視頻而言，如何能保證主體的一致性、穩(wěn)定性、持續(xù)性，都尚未可知。而影視行業(yè)又有很強(qiáng)的頭部效應(yīng)，這也是長視頻的邏輯，只有長視頻的效果做到最頭部的位置，才能在院線里拿到最好的排片。如果做了一個內(nèi)容不是很抗打的二三線的長視頻，那么雖然也能進(jìn)院線，但是營收也不會太好。

所以長視頻是要向著沖擊最頂部的方向去，做二三線的視頻意義不大，而AI視頻是否能做到一線這對 Sora 來說是很大的考驗(yàn)。

Sora 更多的還是對視頻生產(chǎn)鏈路產(chǎn)生變革。Frank 向 AI 科技評論透露，當(dāng)下文生視頻工具的角色更像是在原本的工作流程中，能夠用 AI 的部分都用 AI 來做。但它也只是一個生產(chǎn)工具，需要有人來去創(chuàng)業(yè)的。策劃、編導(dǎo)、腳本語言、拍攝這樣一個工作流中，Sora 只會對后兩者產(chǎn)生一定的替代作用，但不會替代前兩者。

Sora 也可以運(yùn)用在時(shí)下火爆的短劇制作中。Sora 具備生成一分鐘視頻的能力，已經(jīng)足夠做一集內(nèi)容了，這樣就可以純原創(chuàng)，可以實(shí)現(xiàn)純足不出戶拍短劇，成本又極大降低。

但即便是 Sora 能出來，并且效果極好，也不是誰都能拍短劇。Sora 更多的只是工具，降本增效，無法取代能力和創(chuàng)造力。就像咪蒙無論有沒有 Sora，他都會火。也如同現(xiàn)在的 ChatGPT 已經(jīng)很完善，但鮮少有人通過用 ChatGPT 寫出 10 萬加的超級爆款。

過去會有一些編劇或其他創(chuàng)造能力很強(qiáng)的人，他們的內(nèi)容足夠好，只不過受制于生產(chǎn)力，他們沒辦法那么高產(chǎn)，這樣Sora可以極大程度緩解他們的痛點(diǎn)。但是對于普通人而言，拍出流量和關(guān)注度高的短視頻，門檻是極高的。

綜上，Sora 出現(xiàn)之后，創(chuàng)意點(diǎn)、創(chuàng)造力、創(chuàng)新性的重要性不會變，對內(nèi)容的思考和理解也是不會變的。Sora 其實(shí)無法去撼動那些本來就是靠優(yōu)質(zhì)內(nèi)容為生的部分。

在短期的 1-3 年內(nèi)，Sora 帶來的不變會大于改變。就像在影視娛樂、短視頻的行業(yè)中，原本的工作流和行業(yè)知識依然非常重要。

創(chuàng)業(yè)者不無機(jī)會

「Pika、Runway 這樣的文生視頻初創(chuàng)公司該怎么辦？」這是 Sora 出來后，行業(yè)內(nèi)人士不約而同會發(fā)出的疑問。

的確，基于一個已有的、很明顯是過時(shí)的技術(shù)框架直接擴(kuò)張用戶數(shù)量的公司，現(xiàn)在確實(shí)處于危險(xiǎn)的位置。

因?yàn)樵谶@個過程中，不僅圍繞著上一代、不成熟的技術(shù)框架做了很多工程適配、產(chǎn)品驗(yàn)證、畫蛇添足的設(shè)計(jì)，同時(shí)產(chǎn)出的結(jié)果要遷移到新的過程中，還會一定程度上犧牲老用戶的利益，也會讓整體的遷移過程像在飛行的飛機(jī)上換引擎一樣痛苦。

但于 Pika 而言，它和 OpenAI 一樣都是微軟系公司，兩者其實(shí)是一個陣營。有行業(yè)內(nèi)人士判斷，Pika 在一定程度上更像是一個排頭兵或者是試驗(yàn)田，當(dāng)然 Pika 之中有很好的技術(shù)，用他們先來呈現(xiàn)，以獲得反饋。而之后 OpenAI 的 Sora 才是更重磅的，是要經(jīng)受更多考驗(yàn)的產(chǎn)品。

至于 OpenAI 和其他生存下來的 AIGC 公司的關(guān)系，現(xiàn)在一超多強(qiáng)的局勢初步呈現(xiàn)，還很難看到終局。Frank 表示，可以確定的一點(diǎn)是，使用者靠近 OpenAI，創(chuàng)業(yè)者遠(yuǎn)離 OpenAI 。

和 OpenAI 的業(yè)務(wù)主體技術(shù)保持一定安全距離，和他能夠輻射到的市場需求保持一定空間，這個空間需得是它作為一個超級應(yīng)用的大公司還暫時(shí)觸及不了的，而在這些領(lǐng)域是可以形成業(yè)務(wù)縱深，知道自己的生存縫隙，比如 AI 教育、AI 電商。

出現(xiàn)這些機(jī)會的背后，定然是市場和技術(shù)的結(jié)合，也是國外公司必然觸達(dá)不了的角落，國內(nèi)的互聯(lián)網(wǎng)產(chǎn)品比國外做得更精細(xì)、更強(qiáng)、更適配、更好用，更能滿足我們中國人自己的需求。這樣相比之下，國外產(chǎn)品的競爭力會降低。

如果是把 OpenAI 或者其它大模型作為一個超級底座的話，在此基礎(chǔ)上更進(jìn)一步的細(xì)化對具體的技術(shù)和業(yè)務(wù)理解會更重要。去做某一類人群、或者說特定垂類上的內(nèi)容需求，都是有價(jià)值的。

胡修涵舉例說，面向電商的營銷場景的內(nèi)容生成，都是值得單獨(dú)做的事情，但是在大塊的垂類場景的之上，它也不會是一個切得過于細(xì)碎的區(qū)塊。比如，不能為一個剪映模板能做出來的視頻，專門去訓(xùn)一個模型創(chuàng)業(yè)，這就違背了通用人工智能的基本邏輯。

本質(zhì)上來講，現(xiàn)在 AIGC 產(chǎn)品的母模型都是大語言模型，也可以理解成，大模型在更大程度上是一個概率抽樣器，所以它會基于給定的條件，輸出一個平均的結(jié)果。一旦在一個確定的領(lǐng)域上深耕，需要模型輸出的往往是小概率、反共識、反常規(guī)的一些結(jié)果，這一部分就需要做單獨(dú)的適配才能更符合這部分用戶的習(xí)慣，這也是 AIGC 創(chuàng)業(yè)者的機(jī)會所在。

當(dāng)下，對于人才密度不夠的創(chuàng)業(yè)團(tuán)隊(duì)而言，重做技術(shù)的風(fēng)險(xiǎn)很大，馬英武認(rèn)為此時(shí)的機(jī)會反而在于做用戶運(yùn)營。在 Sora 上搭建一套新的工具欄，「做皮不做瓤」，基于這樣的模式去做工具運(yùn)營，生產(chǎn)的內(nèi)容也可以留存到自己的平臺，如果這時(shí)候能有一個消費(fèi)平臺，就可以做出從生產(chǎn)到消費(fèi)的自閉環(huán)。

在這個過程中，技術(shù)雖然是屬于 Sora ，但用戶、內(nèi)容、渠道都屬于創(chuàng)業(yè)者，未來這種中小型平臺誕生的可能性非常大。

Sora 沖擊之下，無論是做技術(shù)還是做產(chǎn)品，都需要有一些原生的、開拓性的思考、積累、預(yù)判、堅(jiān)持，如果單純地亦步亦趨則前路渺茫。

本文作者長期關(guān)注 AIGC 落地應(yīng)用、大模型和數(shù)字人領(lǐng)域，歡迎添加微信：s1060788086，交流認(rèn)知，互通有無。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。