?

來(lái)源 | 伯虎財經(jīng)（bohuFN）

作者 | 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(gè)全新的聊天機器人模型—— ChatGPT。和過(guò)去那些簡(jiǎn)單的聊天機器人相比，ChatGPT不僅可以回答人類(lèi)的追問(wèn)，承認自己回答中的錯誤，拒絕回答不適當的問(wèn)題，還能寫(xiě)詩(shī)、編程、寫(xiě)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(gè)月，ChatGPT月活用戶(hù)就達到了1億，為其母公司OpenAI拉來(lái)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(gè)角色、多種場(chǎng)景和運鏡的畫(huà)面。這對比一年前 AI 生成的視頻，簡(jiǎn)直是天差地別，其視頻長(cháng)度方面就“碾壓”同行。

據了解，通過(guò)文本指令，Sora可以直接輸出長(cháng)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(zhù)，繼文本、圖像之后，OpenAI將其先進(jìn)的AI技術(shù)拓展到了視頻領(lǐng)域。

馬斯克也再次評價(jià)了 OpenAI 視頻模型：“AI 增強的人類(lèi)將在未來(lái)幾年里創(chuàng )造出最好的作品?！?/p>

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(cháng)達 1 分鐘的超長(cháng)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(huà)面精致程度將整個(gè)AI視頻行業(yè)提升到 next level。

從官網(wǎng)視頻來(lái)看，人物臉上的黑痣粉刺，地面積水倒映的霓虹光影等等，其細節的精細度幾乎已經(jīng)做到了以假亂真。換句話(huà)來(lái)說(shuō)，Sora 創(chuàng )作的視頻質(zhì)量，無(wú)論是高清度還是還原度，都是可圈可點(diǎn)的。

另一方面，同樣引人關(guān)注的是，Sora理解長(cháng)文本的能力。OpenAI在官方博客中寫(xiě)道，“Sora不僅可以理解用戶(hù)的需求，還知道這些事物在現實(shí)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(dòng)生成最長(cháng)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(hù)文本中的復雜意思，并且還能分拆出不同的元素，將其轉換為有具體創(chuàng )意構思的視頻內容，看起來(lái)就像是專(zhuān)業(yè)導演、攝像和剪輯的作品。

比如 Sora以“色彩繽紛的魚(yú)類(lèi)和海洋生物充斥的，由紙藝精心構建的珊瑚礁世界”為主題的視頻中， Sora 通過(guò)其攝影角度和拍攝時(shí)機，成功地推進(jìn)了故事的發(fā)展。視頻中實(shí)際上發(fā)生了多次鏡頭轉換，這些沒(méi)有特別指令它這么做，它卻能自動(dòng)完成。

據內行人士透露，像是Sora生成的視頻，就算是頭部動(dòng)畫(huà)制作公司都需要數日時(shí)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(shí)用生產(chǎn)力工具，1 分鐘長(cháng)度有望大規模應用在短視頻領(lǐng)域，擴展視頻的能力也有望制作長(cháng)視頻，或將帶來(lái)新一輪內容創(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雜場(chǎng)景的物理原理，并且可能無(wú)法理解因果關(guān)系，混淆提示的空間細節。

以此次發(fā)布的DEMO“與中國龍一起慶祝農歷新年的視頻”為例，Sora無(wú)法準確生成視頻畫(huà)面中的中文，還被網(wǎng)友調侃調侃“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(méi)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(jìn)步到目前足以生成長(cháng)視頻的階段，可見(jiàn)其發(fā)展可怖。

B站一位網(wǎng)友是這么評價(jià)的：

“sora出之前我還在給gpt5心里打一個(gè)問(wèn)號，到底能提升多少，openai還能繼續領(lǐng)跑么，但現在我是真的服了，真的是比其他廠(chǎng)牛逼不止一點(diǎn)，一出手就是降維打擊，sora也是transform架構，這不就是gpt5的一部分么，之前網(wǎng)上說(shuō)gpt5看完了互聯(lián)網(wǎng)的所有視頻我還不信，現在我信了”。

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(shí)長(cháng)的精細視頻，大大降低了視頻制作的門(mén)檻和成本，特別是熱點(diǎn)類(lèi)等具備強烈時(shí)效性的內容。

不過(guò)Sora更深層的意義在于，這也意味著(zhù)有關(guān)AI的競爭再度升級。

2023年，ChatGPT的發(fā)布引領(lǐng)全球進(jìn)入AI熱潮，光是中國公司就發(fā)布了超過(guò)130個(gè)大模型。起初，大家的目標都是朝著(zhù)自研大模型進(jìn)發(fā)——有錢(qián)的大廠(chǎng)研發(fā)基座模型，創(chuàng )業(yè)公司們則轉向研發(fā)在開(kāi)源模型基礎上加入特定數據集做微調的行業(yè)模型、垂直模型。

但事實(shí)證明，大模型真正的門(mén)檻在于高昂的成本——海量的算力、能提供定制服務(wù)的數據服務(wù)商和頂尖的人才團隊。

以算力為例，目前市場(chǎng)絕大部分被用于訓練大模型的算力芯片都來(lái)自于英偉達。根據財經(jīng)報道，2023年，英偉達A100的售價(jià)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(wàn)元。

大廠(chǎng)們的優(yōu)勢在于，既擁有雄厚的財力去大規模購買(mǎi)、部署GPU，也能及時(shí)通過(guò)工程優(yōu)化，利用大模型去實(shí)現效率提升。

根據晚點(diǎn)LatePost報道，11月，基于阿里的“通義千問(wèn)”，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(yíng)銷(xiāo)、設計、本地化服務(wù)等一系列功能。統計數據顯示，11月經(jīng)過(guò)AI優(yōu)化后的商品，獲得的海外詢(xún)盤(pán)量比之前增加了15%。

字節則在推出了云雀大模型后，相繼研發(fā)出了豆包、扣子、話(huà)爐等產(chǎn)品。以話(huà)爐為例，用戶(hù)可以在其中與AI智能體一道，通過(guò)故事聊天、創(chuàng )作，獲得互動(dòng)體驗。

Sora使用 transformer 架構，將視頻和圖像表示為稱(chēng)為 Patch 的較小數據單元的集合，類(lèi)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(shuō)隨著(zhù)訓練計算量的增加，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(kāi)放使用，僅OpenAI CEO Sam Altman 在X 平臺上與評論互動(dòng)生成視頻，認為算力的限制可能是目前 Sora 暫未開(kāi)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(gè)人投資了一家AI 芯片初創(chuàng )公司Rain Neuromorphics，2019 年，OpenAI 花費5100 萬(wàn)美元購買(mǎi)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)，與旗下半導體設計公司ARM的業(yè)務(wù)形成互補。

不過(guò)Sora的驚艷并不意味著(zhù)其他人就沒(méi)有機會(huì )。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(jìn)行降維打擊，但Pika創(chuàng )始人郭文景在回應鈦媒體時(shí)稱(chēng)，“我們覺(jué)得這是一個(gè)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?！?/p>

事實(shí)上，OpenAI也并非毫無(wú)對手。和Sora同一時(shí)期發(fā)布的還有谷歌的Gemini1.5 Pro，根據官方數據，其支持長(cháng)達 100 萬(wàn)個(gè) token，遠超當前其他基礎模型，可以一次性處理大量信息，如 1 小時(shí)的視頻、11 小時(shí)的音頻、超過(guò)3 萬(wàn)行代碼或超過(guò) 70 萬(wàn)個(gè)單詞。

Sora當然是OpenAI領(lǐng)先的有力證明，但更像是大模型這個(gè)“大力出奇跡”賽道競爭升級的信號。

*文章封面首圖及配圖，版權歸版權所有人所有。若版權者認為其作品不宜供大家瀏覽或不應無(wú)償使用，請及時(shí)聯(lián)系我們，本平臺將立即更正。