OpenAI近日發(fā)布首款文生視頻模型——Sora模型，完美繼承DALL·E 3的畫質(zhì)和遵循指令能力其支持用戶輸入文本描述，生成一段長達(dá)1分鐘的高清流暢視頻。

這是一個(gè)很有創(chuàng)意的實(shí)驗(yàn)室作品，與阿凡達(dá)等影視片后期制作相比，Sora借助于大模型自然語言理解技術(shù)，通過文本提示創(chuàng)建，跳過一部分人工的編輯，未來更有利于從文字劇本的想法和故事直接生成影視制作。

這個(gè)技術(shù)本身，其實(shí)就是一個(gè)集成創(chuàng)新，從上世紀(jì)90年代的虛擬現(xiàn)實(shí)到基于真實(shí)場景的動漫、影視后期制作，演員在各類真實(shí)場景或者虛擬場景的融入，Sora的一路走來是一個(gè)循序漸進(jìn)的過程，本質(zhì)上還沒有顛覆性理論和革命性技術(shù)。

Sora目前是一個(gè)成功的概念性的驗(yàn)證性實(shí)驗(yàn)，相對于之前通用大模型和大視頻模型（Large Video model），未來的實(shí)用性和應(yīng)用場景更加聚焦，不僅僅是各類影視制作，各類會議和單位宣傳片的制作，以及直播帶貨等有很多應(yīng)用前景。

但是，Sora目前還是一個(gè)實(shí)驗(yàn)室的作品，未來更多的考驗(yàn)，不僅僅是音視頻素材庫是否夠用，比如能否提供咬了一口的蘋果。更多問題在其正式進(jìn)入商業(yè)應(yīng)用后，面臨著音視頻素材庫的知識產(chǎn)權(quán)、數(shù)據(jù)交易等實(shí)際問題，目前的音視頻素材，通過計(jì)算機(jī)圖形學(xué)自動生成的也有一些，但是，從Sora的研究目標(biāo)看，城市、鄉(xiāng)村的實(shí)際背景場景，還是離不開真實(shí)的人工拍攝的音視頻素材，無論是直接采用，還是在已有人工拍攝的音視頻基礎(chǔ)上加工，進(jìn)入商業(yè)化后，知識產(chǎn)權(quán)、數(shù)據(jù)交易等實(shí)際問題無法避免。
這些是互聯(lián)網(wǎng)、人工智能企業(yè)的工程師比較容易忽視的。

此外，Sora如果推出下一個(gè)商用化版本，根據(jù)應(yīng)用場景需求，比如直播帶貨，以現(xiàn)有的技術(shù)AI虛擬人可以輕松融入，因此，視頻的真?zhèn)魏蛢?nèi)容安全問題也是商業(yè)化過程需要考慮的。

“Sora只是小試牛刀，它展現(xiàn)的不僅僅是一個(gè)視頻制作的能力，而是大模型對真實(shí)世界有了理解和模擬之后，會帶來新的成果和突破。”

360創(chuàng)始人周鴻祎發(fā)布微博提到自己對Sora的看法，周鴻祎認(rèn)為，Sora的誕生意味著AGI（通用人工智能）實(shí)現(xiàn)可能從10年縮短至一兩年。

周鴻祎認(rèn)為，科技競爭最終比拼的是讓人才密度和深厚積累，“很多人說Sora的效果吊打Pika和Runway。這很正常，和創(chuàng)業(yè)者團(tuán)隊(duì)比，OpenAl這種有核心技術(shù)的公司實(shí)力還是非常強(qiáng)勁的。有人認(rèn)為有了AI以后創(chuàng)業(yè)公司只需要做個(gè)體戶就行，實(shí)際今天再次證明這種想法是非?？尚Φ摹！?/p>

此外，AI不一定那么快顛覆所有行業(yè)，但它能激發(fā)更多人的創(chuàng)作力。周鴻祎表示，很多人擔(dān)心Sora對影視工業(yè)的打擊，在他看來，機(jī)器能生產(chǎn)一個(gè)好視頻，但視頻的主題、腳本和分鏡頭策劃、臺詞的配合，都需要人的創(chuàng)意，至少需要人給提示詞。一個(gè)視頻或者電影是由無數(shù)個(gè)60秒組成的。今天Sora可能給廣告業(yè)、電影預(yù)告片、短視頻行業(yè)帶來巨大的顛覆，但它不一定那么快擊敗TikTok，更可能成為TikTok的創(chuàng)作工具。

談到Sora最大的優(yōu)勢，周鴻祎表示，以往文生視頻軟件都是在2D平面上對圖形元素進(jìn)行操作，可以把視頻看成是多個(gè)真實(shí)圖片的組合，并沒有真正掌握這個(gè)世界的知識。但Sora產(chǎn)生的視頻里，它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(xiàn)汽車撞毀坦克這樣的情況，“這次OpenAI利用它的大語言模型優(yōu)勢，讓Sora實(shí)現(xiàn)了對現(xiàn)實(shí)世界的理解和對世界的模擬兩層能力，這樣產(chǎn)生的視頻才是真實(shí)的，才能跳出2D的范圍模擬真實(shí)的物理世界。”

周鴻祎提到，有了大模型技術(shù)作為基礎(chǔ)，再加上人類知識的引導(dǎo)，可以創(chuàng)造各個(gè)領(lǐng)域的超級工具，例如在生物醫(yī)學(xué)、蛋白質(zhì)、基因研究，包括物理、化學(xué)、數(shù)學(xué)的學(xué)科研究上，大模型都會發(fā)揮作用。

“一旦人工智能接上攝像頭，把所有的電影都看一遍，把YouTube上和TikTok的視頻都看一遍，對世界的理解將遠(yuǎn)遠(yuǎn)超過文字學(xué)習(xí)，一幅圖勝過千言萬語，這就離AGI真的就不遠(yuǎn)了，不是10年20年的問題，可能一兩年很快就可以實(shí)現(xiàn)。”周鴻祎感慨。

他還提到，盡管國內(nèi)大模型發(fā)展水平表面看已經(jīng)接近GPT-3.5，但實(shí)際上跟4.0比還有一年半的差距。OpenAl手里應(yīng)該還有一些秘密武器，無論是GPT-5，還是機(jī)器自我學(xué)習(xí)自動產(chǎn)生內(nèi)容，“奧特曼（OpenAI CEO）是個(gè)營銷大師，知道怎樣掌握節(jié)奏，他們手里的武器并沒有全拿出來。這樣看來中國跟美國的AI差距可能還在加大。”