OpenAI近日推出的文生视频模型Sora，凭借其技术突破在AI领域引发了广泛关注。与此同时，国内大厂及创业公司则面临着挑战，在AI竞赛的黎明前夕，各家厂商需要思考如何证明自己。

在AI的长河里，从不缺一鸣惊人、一夜成名的技术。上图，便是从Sora的示范视频上截取的，无论是略显蓬松的猫毛，还是主人被吵醒紧蹙的眉毛，与真实世界里的画面，别无两样。

半个月前，Open AI发布了首个文生视频模型Sora，再次让AI界沸腾——其是第一个能够根据人类指令生成长达一分钟视频的模型，上一个讨论度这么高的产品，还是ChatGPT。

从ChatGPT到Sora，这16个月里，AI界的战火已从千模大战的战场上，蔓延到各个细分应用之中。

对于普通人来说，就是原先你可以问诸如文心一言、讯飞星火等通用大模型各种问题，生成各种文字、图片答案，现在可以通过文字描述，生成还原度极高的视频。

更令人惊讶的是，以往的视频模型是多个真实图片的组合，并不具备理解力，而Sora是“听懂”人话后，进行视频的建构。

（图源：OpenAI）

我们能看到，在OpenAI Sora 官方介绍页里，纸飞机有了自我意识，自由翱翔。这或许就是 OpenAI 终极的目标，也将是无数AI大厂的愿景。

现下，Sora已然敲响战鼓，百度、字节等以AI为标签的大厂们是否会紧跟脚步，以及能不能造出类似模型，是摆在李彦宏、张一鸣们面前的问题。但目前大厂们都在静默之中，等待着属于自己的质变。

当然，一旦造出来，类Sora模型变现路径倒是要比ChatGPT“现实”不少。

其可以是抖音、好看视频等视频平台的高效创作工具，也可以制作简单的特效，给近日爆火的微短剧提供更多题材。更进一步的猜测是，影视作品中大部分特效成本、人力成本都可以省去。

不过，对于国内以大模型创业的企业来说，又增加了一道坎——还没把ChatGPT消化掉，又来了个新课题。跟，没有更多的精力，不跟，没有热度有可能凉得更快。

一、Sora到底牛在哪里？

一系列文章、视频展现效果显示，Sora的出世意味着细分应用文生视频模型迎来了iPhone时刻。

事实上，文生视频并不是新鲜事儿，去年年底，全球AI企业陆陆续续发布了自己的文生视频模型。去年11月份，Meta发布了视频生成模型 Emu Video。从官方示例中可以看出，其局限于较为简单的动作。

（图源：机器之心）

紧接着，Stability.ai也发布了开源视频生成模型 Stable Video Diffusion (SVD)，并且也在官方论文中大方承认自己的不足——生成的视频相对缺少动态性。

也就是说，生成有高度一致性且有丰富动态性的视频，让视频内容真正地动起来，是去年年底视频生成领域中的最大挑战。

在Sora发布以前表现最好的，莫过于PixelDance。从展示的结果来看，在基础模式下（用户只需要提供一张指导图片+文本描述），人物动作、脸部表情、相机视角控制、特效动作，Pixeldance都可以很好地完成。

（图源：机器之心）

国内大厂也同样是去年年底开始布局。

字节跳动于去年11月18日推出了文生视频模型PixelDance，可生成有高度一致性且有丰富动态性的视频。阿里紧随其后也上线了Animate Anyone模型，一张人物照片，再配合骨骼动画引导，就能生成动画视频。

23年末，百度发布了文生视频工具“度加剪辑”，据称可以一键获取最新热点、ai生成文案、一键生成视频。同时一大批“应ChatGPT而生”的AI创业公司也在去年年底参与进来，共同探索AI大模型应用。

而时间来到2024年2月中旬，OpenAI的Sora还是凭借更逼真、流畅的效果，遥遥领先。

为何 Sora 可以一骑绝尘？红衣大叔周鸿祎给出了答案，大概的意思是，在这之前我们做视频、做图用的都是Diffusion，我们可以把视频看成是多个真实图片的组合，它并没有真正掌握这个世界的知识。

但 Sora 能像人一样理解坦克是有巨大冲击力的，坦克能撞毁汽车，而不会出现汽车撞毁坦克的情况。OpenAl 利用它的大语言模型优势，把 LLM 和 Diffusion 结合起来训练，让 Sora 实现了对现实世界的理解和对世界的模拟两层能力。

自Transformer架构引领通用大模型浪潮后，LLM+Diffusion这一新兴研究框架或许又会有大批量的追随者。

开源后跟不跟，不开源搞不搞，成为每个AI厂商面前的难题。

二、谁都能玩得起吗？

事实上，要不要跟随Sora这个问题，或许并不再取决于个人/公司意愿，而是一些硬性条件+软实力。例如，公司还有足够的芯片吗？

去年，据偲睿洞察测算，ChatGPT光是访问阶段就要耗去3万多个A100，这俨然已是巨头们的游戏。按照去年一份流传出的交流纪要显示，大厂们手握着丰厚的资源——阿里云AI专家提到，阿里云在云上有上万片的A100，整体能够达到10万片，集团体量应该是阿里云的5倍。腾讯云利用H800加速卡打造的大模型算力集群，集群规模达到了数千台服务器。

尽管Sora只是一个视频模型，但对算力的渴求也不小。目前，训练端由于暂无明确算法架构和训练详细数据。据民生证券测算，一个月内训练完Youtube全部新增视频需要约231片A100。考虑到模型都是经过多次训练得到，算力需求仍有较大程度提高的可能性。而推理端的需求量更是惊人，假设Sora模型参数为30亿，则对应1846万个A100需求。

紧接着，第二个致命的问题是，公司有高质量的数据集吗？现阶段，谷歌、OpenAI等国际大厂们，都在争抢高质量的文本数据集。

根据第一批大模型弄潮儿的经验，若是没有备足充足的弹药，很有可能会草草离场。

据智东西不完全统计，2023年11月-2024年1月，有4家AI大模型创企宣布关停。在这之中，其中有大厂独立出来的团队，有明星产品创始人新成立的公司，也有已经走过十余年的“老牌”企业。有的缺钱、有的缺精准定位，想要玩AI，空有一腔热血远远不够。

事实上，更致命的问题是，公司有AI天才吗？

周鸿祎表示，科技竞争最终比拼的是人才密度和深厚积累。这里的人才密度，绝不是说规模——毕竟OpenAI的Sora团队只有13个人，应届博士带队，00后参与。

我们不得不佩服OpenAI的勇气，将“选贤举能”发挥得淋漓尽致，除了未知的潜能，年轻人还有一个最大的优势——能熬。据谢赛宁透露，Sora是Bill他们在OpenAI的呕心沥血之作，“虽然不知道细节，但他们每天基本不睡觉高强度工作了一年”。

从以上部分团队成员背景可以看出，其门槛极高——大部分都是名校博士毕业+实习/工作经验，有本科学生，不过也要有着创业经历、多段工作经历。无论是OpenAI公司，还是人才本人，都积累了无数个量变，为质变做准备。

或许，包括OpenAI在内的AI公司们，都在等哪个“无名小卒”（要么是MIT、清北级别的学生，要么3-5年创业、大厂经历，要么是二者的结合）悟得了AI的真理，一战成名，成为AI大神。

ChatGPT和Sora告诉我们的是，A100、高质量数据、AI天才，是新时代的稀缺物资，国内大厂尚有欠缺，从零开始的大模型创业公司们怕是跟不上热度，也跟不上速度。

三、微短剧，或许是现下大厂高性价比变现方式

在AI各类资源都很有限的情况下，All in AI的大厂们在跟随之前，必然会考虑投资回报比，也就是Sora能够极大地改变哪些行业的模式？同时还和大厂已有业务密切相关？

答案，非短视频行业莫属。

对于定位于热点话题视频的创作者们，Sora可谓是极大地提高了工作效率。毕竟热点话题比拼的是时效，大家很难有二创的空间，只要学会了，便能快速拉开差距。目前在国内，已经有电商服务机构向带货主播推出“AI根据热梗自动撰写视频脚本”的服务。

而对于一些深度话题，创作者们则可以与AI分工合作。

创作者产出事件/产品的差异化内容、确认文章大纲；而AI负责重复劳动的部分，例如展现产品的特性，给文字自动加背景视频，无需创作者去各大网站搜罗。也就是说，创作者们能够靠着AI省去不少事，出现更多的“灵光一现”，吸引更多的用户停留。

在这之中，最大的受益人便是平台。于是，我们也就不难理解为何2月7日，抖音集团CEO张楠辞去集团CEO一职，把精力聚焦在剪映的发展上。据了解过去一年，张楠已经把绝大多数精力倾斜到剪映相关业务上，并亲自带队在AI辅助创作上寻求突破，即将推出一个AI生图和视频的产品。

视频平台快手必然会在这个方向努力：在去年的那一波卷大模型的浪潮中，快手宣布已组建大模型研发团队，推进在搜索、AIGC 辅助生成图文视频方面的应用。

百度，也正在跟上节奏。尽管好看视频在百度的存在感并不高，但每年都在实打实地推进该业务：2020年下半年开始，百度开始一系列大手笔运作。百度先后投资MCN机构牧云文化、引入宋健（内容生态平台总经理，年前已离职），以及在11月17日宣布斥资36亿美元并购YY中国。

2024年微短剧爆火，百度也在不断加码该市场。据光子星球报道，百度将在上半年完成与微短剧适配的基础设施建设，包括创作者生态、分发逻辑、用户运营等，并尝试跑通变现路径。

微短剧，或许是百度等类Sora视频模型的“用武之地”。

相比于大型的影视大作，微短剧的特效制作、内容创作各方面门槛都较低，与此同时，类Sora模型能给近日爆火的微短剧提供更多题材范围，例如科幻等。若是人物细节逼真，演员的片酬都可能为零，如果分摊成本极低的话，视频内容行业将很快被洗牌。

百度们亟需推出中国Sora，除了因为新业务的需要，还需考虑到站位的问题。作为上一个千模大战的发起者，百度再次迎来证明自己的时刻。

2024年的春天，来得很晚，无论是真实的天气，还是AI行业。

去年冬天，研究部门能拿着以往AI积累，赶上大模型的浪潮，市场部门也能借此开大会、与友商们一起打响千模大战。

今年冬天，研究员们还在加班加点想着怎么把通用大模型落实到千行万业时，文生视频这一细分领域又出现一个劲敌。

永远在黑暗中前行，永远有人走得更快，国内AI大厂们的黎明，忽近忽远。

不过，离黎明更近的Sora，也需加强常识学习——在完整看完头图的原视频之后发现，女孩的胳膊与手并不在同一个维度。