“開年王炸”Sora，在頂級“技術咖”眼里什么段位？

每經記者 謝陶    每經編輯 唐元    

如果說，去年是語言大模型ChatGPT的“時代”，那么今年開年的首個“王炸”必定是文生視頻模型Sora，其憑借出色的視頻制作能力瞬間“點燃”科技圈與投資圈。

據OpenAI官網介紹，Sora能夠生成具有多個角色、特定類型的運動以及主體和背景的、細節準確的復雜場景，該模型不僅了解用戶在提示中提出的要求，還了解這些東西在物理世界中的“存在方式”。業界普遍認為，Sora的面世將對AI產業鏈帶來歷史性的變革機遇。

機構人士指出，以Sora為代表的文生視頻模型極大縮短了AGI（通用人工智能）時代到來的時間。隨著多模態大模型逐步升級，算力需求將呈現指數級增長，下游應用有望百花齊放，推動應用領域生產力價值釋放。

那么，Sora的橫空出世將為人工智能產業鏈帶來怎樣的機遇和發展？如何看待中美之間在人工智能領域的發展差異？為此，《圍爐談文創》欄目本期邀請到三位來自不同細分領域、分別活躍于成都、深圳、北京的技術大咖分享他們最新的感受與觀察。

咕咚CEO申波：Sora的本質是一個“世界模擬器” 中國公司會在AI硬件和應用方面快速發展

作為中國最大運動社交和賽事服務平臺——咕咚的創始人，申波是一名不折不扣的“技術狂人”，崇拜“MySQL之父”Monty和馬斯克，關注全球最新的技術及產品趨勢。

他的辦公桌上總是堆滿了各種技術類書籍，從Stable Diffusion，到DeepMind，再到ChatGPT，他都能信手拈來。他在朋友圈笑言，“以后退休了，得找個面朝大海春暖花開的大院子coding（編程）。”

談及Sora對行業的影響，申波表示，“OpenAI開發的文本到視頻生成器Sora，有潛力顯著影響依賴視覺內容的多個行業，特別是影視娛樂、教育和營銷行業。”

就運動健康應用領域而言，申波告訴《每日經濟新聞》記者，“Sora能夠以新穎的方式吸引用戶，將鍛煉描述或健康提示轉化為引人入勝、易于跟隨的視頻。這將通過提供動態的互動內容來增強用戶體驗，比單純的文本或靜態圖像更有效地激勵和指導用戶。”

相比較Runway和Pika等類似產品，申波指出，“與早期主要關注生成短片的模型不同，Sora旨在生產長達一分鐘的高細節視頻，并致力于在視頻長度上保持連貫性。此外，由于Sora能創造更引人入勝、更全面的內容，這可能使其在提供更豐富用戶內容方面具有區別于其他工具的優勢。本質上說Sora是一個‘世界模擬器’ 而不僅僅是文本生成視頻工具。”

圖片來源：OpenAI官網截圖

談及近年中美在人工智能領域不同的發展特點和重點，申波向每經記者分析道，“美國公司如OpenAI和Google DeepMind在生成式AI技術方面取得了重大進展，例如ChatGPT和DALL-E，這些技術引領了市場和技術趨勢。中國則在應用研發和商業化方面顯示出新的進展，特別是AI在教育、健康、零售和安全等領域的應用。中美之間的主要差異可能在于創新的焦點、市場應用的速度和政策環境。”

目前，中國在生成式AI領域有哪些走在比較前面的應用場景和玩家？申波表示，“國內無論是大模型還是應用方面，都快速涌現出了一系列的創業公司，如百川智能，當然巨頭也參與其中了，包括百度、阿里、騰訊等等。而且近日OPPO和魅族都發布了ALL IN AI的戰略，全力開發推廣AI手機。所以我覺得中國公司會在AI硬件和應用方面快速發展并引領行業，在大模型基座以及中文大模型上面縮小并趕上美國的水平。”

圖片來源：微博截圖

安克創新CIO龔銀：Sora加速實現“千人千面”但也會稀釋掉用戶注意力

長期活躍于粵港澳大灣區的龔銀（Neil），曾任OnePlus平臺中心副總裁、創始團隊高管，現任安克創新CIO，他對分布式系統、高性能高可靠系統、云計算等領域保持著持續關注和實踐。

談及Sora的橫空出世，龔銀表示，“這將給游戲、短視頻、影視、廣告和元宇宙等高品質視頻內容制作的行業帶來直接沖擊。”

在龔銀看來，Sora與此前市面上的同類產品相比擁有諸多優勢。“Sora生成內容的質量更好，（尤其是在）復雜場景、角色表情、復雜的鏡頭運動等方面穩定性、一致性更好，三維空間的連貫性比較好，沒有斷層或抽離感。視頻長度進一步擴展，支持60S逼真視頻，基本可商用，可以生成類似游戲等互動類數字內容，想象空間更廣泛。”

從技術架構上看，龔銀分析道，“Transformer架構具備更好的學習性和擴展性，涌現能力更強。而runway和pika更多還是依靠圖像轉幀方式，連續性還未得到驗證。我們在2023年就一直嘗試runnway來制作和生成視頻，但其穩定、一致性和可商用能力其實還是很弱，Sora的出現一下子解決了這些問題。”

Sora生成的一輛SUV行駛在盤山公路上的圖像 圖片來源：視頻截圖

就消費電子行業來說，龔銀直言，“特別是我們涉及全球各區域電商平臺或線上平臺，依靠大量廣告和內容來獲取流量和打造品牌，Sora的出現對我們行業的影響利弊各半，一方面，內容的制作成本大幅下降，效率得到了質的提升，同時也有希望實現千人千面的內容；另一方面，大量內容的出現會稀釋掉用戶的注意力，品牌想通過內容獲取用戶心智的難度更大了。”

事實上，從ChatGPT開啟生成式AI時代，到國內一眾玩家開啟“百模大戰”，再到今天Sora的橫空出世，中美在人工智能領域呈現出較大的發展差異。

“從已有的結果上看，美國在創新能力、創新環境、創新能力工程化和市場化等各方面能力目前還是全球最強的，”龔銀表示。

龔銀還指出，“國內模仿能力強，業務應用層場景豐富。在具備基礎設施和能力的前提下，在AI應用層面會有一些創新和突破。另外，國內擅長在已有創新的基礎上集中資源辦大事，需要的是一些時間。”

談及國內比較成熟的生成式AI應用場景和玩家時，龔銀認為，“（目前）還沒有看到特別成功的，一些品牌和電商其實都在摸索。在營銷領域，大部分還是在文生圖、文生文等方面做一些場景的嘗試，比如運營活動的文案和圖片、產品場景圖、多語言翻譯、多語言自動生成等；在研發領域，大部分是在嘗試代碼輔助編寫，類似github和copilot。應用最多的還是在客服領域，自動服務機器人，大部分公司都有在嘗試，還有一些類似AI Agent之類的應用場景。”

原貝殼金服小微企業生態CTO史海峰：Sora驚艷之處在于對場景時空更強的理解和推測能力

史海峰曾任貝殼金服小微企業生態CTO、餓了么北京研發中心總經理，也曾在神州數碼、亞信聯創長期從事電信行業業務支撐系統集成工作，參與中國移動、中國聯通多個項目，具有豐富的大型業務系統研發實施經驗。

在20余年的工作歷程中，史海峰以架構師的身份活躍于IT圈，曾獲騰訊云最具價值專家（TVP），開設了《IT民工閑話》公眾號，常自侃“大叔級 IT 民工”。

史海峰指出，最新發布的Sora其驚艷之處不僅僅在于時間，還包括空間的延伸、視角的變換，需要“腦補”更多細節，體現了對場景時空更強的理解和推測能力。

“從文字生成文字，再到文字生成圖片是一個飛躍，從圖片到生成目前的無聲視頻（或者從單幀視頻到多幀），似乎還挺順理成章。什么時候通過音頻能夠把空間進一步體現，那會比現在更加驚艷，另一個維度則是實時交互。再往后大概又是AR、VR、元宇宙了。”

Sora生成的多機位視頻 圖片來源：視頻截圖

“作為提升生產力、降低成本門檻的工具，從C端和B端分別看的話，對UGC和PGC都會產生影響，到底有多大沖擊還很難判斷。在純CG動畫方面，可能大幅降低制作成本。如果支持對視頻的加工再創作，在短視頻、影視制作方面也可能帶來新的模式，會涉及到影視、廣告、社交、教育、游戲等行業。（同時）也會給反詐、維護知識產權帶來更高要求，”史海峰告訴記者。

談及中美在人工智能領域的發展差異，史海峰表示，“在AI時代，芯片是基座，數據是生產要素，是訓練AI的養料，而最重要的是人才。（人工智能）競爭門檻高、迭代快，在達到技術上限前，不適合彎道超車或者體現后發優勢，我們必須要追趕，并腳踏實地。”

本文作者系天府文創云記者謝陶，轉載合作相關可搜索“天府文創云”公眾號。