今天小编分享的科技经验：2024年，每一个大模型都躲不过容嬷嬷和紫薇，欢迎阅读。
文｜邓咏仪
编辑｜苏建勋
连最积极搞 AI 的李彦宏，在这件事上也迟疑了。
" 百度不碰 Sora 类的视频生成方向。" 李彦宏在近期的 2024 年 Q3 总监会上说道。原因在于，10 年、20 年都可能难以商业化应用。
从 OpenAI Sora 横空出世，再到 6 月的快手可灵全量上线，视频生成成为 2024 年最火热的 AI 话题。
厂商们纷纷开始你追我赶。从 4 月至今，视频生产模型如同雨后春笋一般——除了快手、字节、阿里等大厂，头部大模型公司如智谱、MiniMax，以及生数科技、智象未来等垂类厂商，均发布了视频生成模型。
国内视频模型的涌现，也让 " 容嬷嬷和紫薇 " 的鬼畜形象再次翻红，她俩活在不同的视频模型 demo 和网友二创中，考验着不同模型的效果：
△图源：可灵，来自公开网络
△图源：即梦 AI，智能涌现制图
行业对 " 超级应用 " 的渴望溢于言表，甚至影响到了如今大模型的路线——到底做不做视频大模型，影响国内 " 大模型六小虎 "（智谱、月之暗面、MiniMax、百川智能、阶跃星辰、零一万物）走势的关键决策。
不过，对于做不做视频模型，国内大模型厂商仍未达成共识，而是抽成了截然不同的几派：
有厂商迅速跟进。7 月，智谱就推出了类 Sora 的视频生成模型 " 智谱清影 "；8 月，MiniMax 发布视频模型 Video-01。
而阶跃星辰发布新影像模型，也在今年 7 月的上海世界人工智能大会上，做了少量的视频生成尝试。
也有旗帜鲜明的反对者。" 百川不会做 Sora。" 今年 5 月，百川智能 CEO 王小川就在《智能涌现》的专访中就表示。他认为，Sora 并不在 AGI（通用人工智能），即提升模型智力水平的主线上。
也有在探索后暂缓的厂商。最受关注的月之暗面，6 月被媒体报道在海外试水两个新应用——角色扮演应用 Ohai，以及 AI 音乐 / 视频生成应用 Noisse。据《智能涌现》了解，这两个应用因为效果不达预期，后来并没有被单独立项，停留在试验阶段。
而在近期的 "Kimi 探索版 " 上线后，月之暗面还将发布多模态相关能力。不过，还不确定是否会有视频生成相关功能。
直到国庆前后，视频生成领網域迎来两位重磅玩家：9 月 24 日，字节跳动低调甩出了 Seaweed 和 Pixeldance 两款产品。
而紧接着的 10 月 5 日，Meta 放出的系列模型 Movie Gen，则又一次炸场。
△图注：2024 上半年，全球已涌现了不少视频模型和产品，在中国尤其热闹。
在语言模型迭代放缓的当下，视频生成模型似乎成了那个更有希望的 AI 应用新方向——大厂也还没形成垄断。对初创公司而言，这更是一次重要选择——到底要不要做 Sora？
分叉路，要选哪条？
首先需要厘清的一个概念是，大厂、创业公司如今普遍标配的 " 多模态能力 "（影像、语音等模态），以及类 Sora 的视频生成模型，并不是同样的东西。
" 多模态能力，相当于是让模型能够理解影像、音频、视频等形式，但还是基于大语言模型延伸的能力。" 一位大模型从业者对《智能涌现》分析，" 将视频、图片、语音输入到大模型里，是基于大语言模型做‘理解’；但生成视频，则是依靠视频模型的能力。"
" 类 Sora" 产品所依靠的视频生成模型，借鉴了大语言模型（LLM）中 Transformer 架构等技术思路，但和大语言模型（LLM）是两种不同的事物。
这意味着，如果要做一个视频生成模型，相当于另起炉灶，从 0 到 1 重新搭模型。
可以肯定的是，要做视频生成模型，当前还注定是少数人的游戏。
再造一个 "Sora"，成本高昂。
据 Meta 的数据，Movie Gen 用了 6144 张 H100 进行训练，视频模型参数达到 30B（300 亿）。在国内，拥有此等训练资源的厂商，本就不多。
而眼下，国内大模型厂商基本都已经上齐了多模态能力，至于是否做视频生成方向，还处于摇摆状态。
对拥有短视频相关业务的大厂，如抖音、快手等，视频生成是不能输的方向。据硅星人报道，对可灵的大力投入，一个重要动力是为了服务于快手的内容生态—— 2023 年，首次在快手发布短视频的创作者就有 1.38 亿。
另外，快手做可灵，也意在服务快手的电商生态，比如为 MCN、电商商家提供商品相关的 AI 内容生成衣务。
但对初创玩家来说，在 AI 应用方向不明朗的当下，大家都在忐忑地摸着石头过河。
有玩家早早坚定了自己选择的道路。一开始打定不做 Sora 的百川，在 2024 年全力落地医疗场景，并推出了自己的医疗 AI 助手。
专门做视频生成的垂类厂商，也拿到了阶段性的结果，比如生数科技旗下的 Vidu，在 8 月上线后，两个月内，VIdu 的月访问量就已经达到 552 万。
但能不能把新故事讲成自己的，还得看各家的真本事。视频生成领網域的技术路线尚未收敛，市面上的顶级视频生成模型几乎都选择了闭源。
这意味着，玩家们需要投入真金白银去试错——选什么技术路线和应用场景，才决定 AGI 大潮退去后，谁能真正留在岸上。
文本太卷，Agent 太远，视频生成刚刚好？
OpenAI 的 Sora 尚且没有放开使用，为什么视频生成如今成了国内的香饽饽？
以 GPT-4 作为参考标杆，国内头部的大模型厂商和大厂，在今年上半年都已慢慢接近 GPT-4 的水平，在 OpenAI 后续发布 GPT-4o 后，厂商也都陆续跟进了多模态能力。
但 GPT-5 迟迟未出，意味着在语言模型上，国内大模型的厂商基本难以拉开代际差距。
另一方面，大模型跑了一年多，其落地和商业化成果还未让市场信服。
在国内，大部分的 AI 应用方向都陷入叫好不叫座的困境。细数这两年火过的 AI 应用方向—— ChatBot/ 情感陪伴等类 ChatGPT 产品、文生图、AI 音乐、AI 搜索，都迅速陷入同质化竞争的局面。
以国内头部的 AI 应用举例，豆包、Kimi 等在今年上半年经历了激烈的投流竞争，用户数最高已达千万级别，但商业化情况并不理想。
不少从业者认为，应用难以商业化，很大程度要归结到文本模型迭代放缓，能力提升变慢。这也让一些更遥远的，能完成更多复杂任务的方向——比如 Agent（智能体），越发模糊。
《智能涌现》了解到的一个例证是，字节旗下的 AI 开发平台扣子的 Agent 业务，在今年就经历了一轮缩减。
而近期圈内热切讨论的放弃大模型的预训练阶段，意味着不少厂商要走下追求的牌桌，转向 AI 应用落地，继续活下去。
厂商们需要新故事，视频生成方向则刚好站在中间点：既有足够技术和开发壁垒，但壁垒不会高到玩家摸不着，前景也足够大。
" 语言模型的商业化就不提了，初创公司至少还要想象力。如果头部初创公司不转其他应用方向，就什么都没有，怎么撑起这么高的估值？" 一位从业者直言。
2023 年，不少做视频生成的创业者都对《智能涌现》表示，如今的视频生成领網域可类比处在 GPT-2 到 GPT3 阶段。这意味着比 ChatGPT 的效果稍稍略落后，比语言模型所处的发展阶段早很多。
但 Sora 发布后，视频生成领網域已经看到了 GPT-3.5 阶段的曙光。" 这个阶段意味着，让你看到这个赛道的巨大潜力，市场愿意投入。" 一位从业者对《智能涌现》表示。
共识摇摆的背后，源于赛道仍处发展早期，还有不少探索机会。比如，刚刚发布的 Meta Movie Gen。在 Transformer 架构基础上，使用了 Flow Matching（流匹配技术），这就与 Sora 的路线有很大不同，也意味着整个赛道的技术路线尚未收敛。
在国内，这个方向上也有得天独厚的短视频生态，视频生成方向的模型探索，也因此站在全球前沿。
6 月爆火的快手视频模型 " 可灵 "，就是典型例子——在大厂中，快手并不是 AI 人才、资源的制高点，但经历短短数月攻坚，快手可灵仅凭 20 多人的小团队，硬是在一众大模型厂商中闯出一条路，可灵凭借怀旧照片等一系列策划，热度一度传到大洋彼岸的硅谷。
△ Stability.ai 创始人转发可灵产品，评论 " 中国在 AI 上有着巨大优势 " 来源：X
并且，视频生成方向还处在早期，算力成本仍处高位，一旦开始商业化，付费已是必选项。
在海外，视频生成已经走出了不同路线——头部的视频厂商 Runway 和 Pika 都专注做 B 端的生产力工具，Runway 甚至已经打入好莱坞，达成了不少影视界的合作。在国内，可灵、Minimax 等厂商也早早开始了付费尝试。
归根结底，很少人愿意错过这个方向。毕竟，视频已经取代文字，成为互联网上流量占比最高的信息内容。据 Sandvine《2023 全球互联网现象报告》，2022 年全球互联网视频服务，就占到总流量的 65.93%。
随着视频生成技术不断成熟，这也许不会只是大厂的游戏。初创公司可以结合技术，以及巧妙的运营手段，快速闯出一条自己的道路。
△来源：Pika
硅谷视频生成明星初创 Pika，就摸到了不少流量密码：一出道，就选择先在开发者聚集的 Discord 运营，并且迅速获得 50 万用户。
到了今年 10 月，Pika 新发布的 1.5 模型中，还带来了更多社交运营玩法：内置了充气、融化、爆炸、捏揉、压扁等模板，引来全球网友 " 整活儿 "，伺服器甚至因为涌入的用户太多而崩溃——有网友就不禁回忆起当年：与早期的 TikTok 冷启动时期如出一辙。
本文来自微信公众号" 智能涌现 "，作者：邓咏仪，36 氪经授权发布。
