文|伯虎財經(jīng) 陳平安
Open AI又刷屏了。
2023年年初，OPEN AI就曾引爆全球科技圈。
因為其發(fā)布了一個全新的聊天機器人模型—— ChatGPT。和過去那些簡單的聊天機器人相比，ChatGPT不僅可以回答人類的追問，承認自己回答中的錯誤，拒絕回答不適當?shù)膯栴}，還能寫詩、編程、寫論文等等。
連馬斯克都忍不住感嘆：“ChatGPT好得嚇人，我們離強大到危險的人工智能不遠了?！本嚯x發(fā)布后僅兩個月，ChatGPT月活用戶就達到了1億，為其母公司OpenAI拉來了微軟100億美元的下注。
2024年年初，相似的故事又在上演。
2月16日凌晨，OpenAI 在 AI 生成視頻領(lǐng)域扔出一枚“王炸”，宣布推出全新的生成式人工智能模型“Sora”。
在 OpenAI 官網(wǎng)分享的演示視頻中，Sora 可以直接輸出有多個角色、多種場景和運鏡的畫面。這對比一年前 AI 生成的視頻，簡直是天差地別，其視頻長度方面就“碾壓”同行。
據(jù)了解，通過文本指令，Sora可以直接輸出長達60秒的視頻，且視頻的精致程度遠超大部分人的想象。
這意味著，繼文本、圖像之后，OpenAI將其先進的AI技術(shù)拓展到了視頻領(lǐng)域。
馬斯克也再次評價了 OpenAI 視頻模型：“AI 增強的人類將在未來幾年里創(chuàng)造出最好的作品。”
01 Sora讓人驚艷的到底是什么？
一方面是技術(shù)上的突破。
Sora 能夠生成長達 1 分鐘的超長視頻，遠超Runway-gen2 的 18 秒和 Pika 的 3 秒。
更重要的是，相比之前AI視頻明顯的“AI感”不同，Sora制作的視頻在逼真度和畫面精致程度將整個AI視頻行業(yè)提升到 next level。
從官網(wǎng)視頻來看，人物臉上的黑痣粉刺，地面積水倒映的霓虹光影等等，其細節(jié)的精細度幾乎已經(jīng)做到了以假亂真。換句話來說，Sora 創(chuàng)作的視頻質(zhì)量，無論是高清度還是還原度，都是可圈可點的。
另一方面，同樣引人關(guān)注的是，Sora理解長文本的能力。OpenAI在官方博客中寫道，“Sora不僅可以理解用戶的需求，還知道這些事物在現(xiàn)實世界如何存在?！?/p>
什么意思呢？只需要輸入一段文本，Sora就能自動生成最長一分鐘的高清視頻。讓人驚艷的是，Sora不僅可以準確把握用戶文本中的復(fù)雜意思，并且還能分拆出不同的元素，將其轉(zhuǎn)換為有具體創(chuàng)意構(gòu)思的視頻內(nèi)容，看起來就像是專業(yè)導(dǎo)演、攝像和剪輯的作品。
比如 Sora以“色彩繽紛的魚類和海洋生物充斥的，由紙藝精心構(gòu)建的珊瑚礁世界”為主題的視頻中， Sora 通過其攝影角度和拍攝時機，成功地推進了故事的發(fā)展。視頻中實際上發(fā)生了多次鏡頭轉(zhuǎn)換，這些沒有特別指令它這么做，它卻能自動完成。
據(jù)內(nèi)行人士透露，像是Sora生成的視頻，就算是頭部動畫制作公司都需要數(shù)日時間完成，而Sora只需要幾分鐘搞定。
國盛證券認為 Sora 相比此前其他文生視頻模型，已經(jīng)跨越到實用生產(chǎn)力工具，1 分鐘長度有望大規(guī)模應(yīng)用在短視頻領(lǐng)域，擴展視頻的能力也有望制作長視頻，或?qū)硇乱惠唭?nèi)容創(chuàng)作產(chǎn)業(yè)革命。
當然,Sora并不完美。OpenAI官網(wǎng)指出它可能難以準確模擬復(fù)雜場景的物理原理，并且可能無法理解因果關(guān)系，混淆提示的空間細節(jié)。
以此次發(fā)布的DEMO“與中國龍一起慶祝農(nóng)歷新年的視頻”為例，Sora無法準確生成視頻畫面中的中文，還被網(wǎng)友調(diào)侃調(diào)侃“都怪中文太難了？”以及視頻中老人生日蛋糕蠟燭，但蠟燭火苗前面卻沒有絲毫變化等等。
但OpenAI的團隊，讓AI能從最初的模糊分辨不清的圖像，進步到目前足以生成長視頻的階段，可見其發(fā)展可怖。
B站一位網(wǎng)友是這么評價的：
“sora出之前我還在給gpt5心里打一個問號，到底能提升多少，openai還能繼續(xù)領(lǐng)跑么，但現(xiàn)在我是真的服了，真的是比其他廠牛逼不止一點，一出手就是降維打擊，sora也是transform架構(gòu)，這不就是gpt5的一部分么，之前網(wǎng)上說gpt5看完了互聯(lián)網(wǎng)的所有視頻我還不信，現(xiàn)在我信了”。
02 競爭升級
Sora最直接的影響的肯定是對視頻行業(yè)的沖擊。作為一種視頻生成工具，Sora僅需文字就可以生成60秒時長的精細視頻，大大降低了視頻制作的門檻和成本，特別是熱點類等具備強烈時效性的內(nèi)容。
不過Sora更深層的意義在于，這也意味著有關(guān)AI的競爭再度升級。
2023年，ChatGPT的發(fā)布引領(lǐng)全球進入AI熱潮，光是中國公司就發(fā)布了超過130個大模型。起初，大家的目標都是朝著自研大模型進發(fā)——有錢的大廠研發(fā)基座模型，創(chuàng)業(yè)公司們則轉(zhuǎn)向研發(fā)在開源模型基礎(chǔ)上加入特定數(shù)據(jù)集做微調(diào)的行業(yè)模型、垂直模型。
但事實證明，大模型真正的門檻在于高昂的成本——海量的算力、能提供定制服務(wù)的數(shù)據(jù)服務(wù)商和頂尖的人才團隊。
以算力為例，目前市場絕大部分被用于訓(xùn)練大模型的算力芯片都來自于英偉達。根據(jù)財經(jīng)報道，2023年，英偉達A100的售價漲了約1倍。單單部署1000臺服務(wù)器的電力成本就高達月20萬元。
大廠們的優(yōu)勢在于，既擁有雄厚的財力去大規(guī)模購買、部署GPU，也能及時通過工程優(yōu)化，利用大模型去實現(xiàn)效率提升。
根據(jù)晚點LatePost報道，11月，基于阿里的“通義千問”，跨境業(yè)務(wù)AI Business團隊正式對外公布自己的產(chǎn)品 “Aidge”，兼具翻譯、營銷、設(shè)計、本地化服務(wù)等一系列功能。統(tǒng)計數(shù)據(jù)顯示，11月經(jīng)過AI優(yōu)化后的商品，獲得的海外詢盤量比之前增加了15%。
字節(jié)則在推出了云雀大模型后，相繼研發(fā)出了豆包、扣子、話爐等產(chǎn)品。以話爐為例，用戶可以在其中與AI智能體一道，通過故事聊天、創(chuàng)作，獲得互動體驗。
Sora使用 transformer 架構(gòu)，將視頻和圖像表示為稱為 Patch 的較小數(shù)據(jù)單元的集合，類似于 GPT 中的 token。重要的是，它和GPT一樣符合AI 縮尺律（Scaling Law），也就是說隨著訓(xùn)練計算量的增加，樣本質(zhì)量明顯提高。
有行業(yè)人士表示，目前Sora 暫未對外開放使用，僅OpenAI CEO Sam Altman 在X 平臺上與評論互動生成視頻，認為算力的限制可能是目前 Sora 暫未開放使用的重要因素。
算力已經(jīng)成為了各家最為關(guān)注的資源之一。2018 年，Altman 個人投資了一家AI 芯片初創(chuàng)公司Rain Neuromorphics，2019 年，OpenAI 花費5100 萬美元購買Rain 的芯片；去年 11 月，Altman 為一家代號為“Tigris”的芯片企業(yè)尋求數(shù)十億美元的資金。
軟銀集團創(chuàng)始人孫正義則正尋求籌措1000億美元資金成立一家芯片企業(yè)，與旗下半導(dǎo)體設(shè)計公司ARM的業(yè)務(wù)形成互補。
不過Sora的驚艷并不意味著其他人就沒有機會。視頻生成賽道此前的明星公司是Runway和Pika，盡管有許多人認為Sora很容易對兩者進行降維打擊，但Pika創(chuàng)始人郭文景在回應(yīng)鈦媒體時稱，“我們覺得這是一個很振奮人心的消息，我們已經(jīng)在籌備直接沖，將直接對標Sora。”
事實上，OpenAI也并非毫無對手。和Sora同一時期發(fā)布的還有谷歌的Gemini1.5 Pro，根據(jù)官方數(shù)據(jù)，其支持長達 100 萬個 token，遠超當前其他基礎(chǔ)模型，可以一次性處理大量信息，如 1 小時的視頻、11 小時的音頻、超過3萬行代碼或超過70萬個單詞。
Sora當然是OpenAI領(lǐng)先的有力證明，但更像是大模型這個“大力出奇跡”賽道競爭升級的信號。