彻底颠覆！从业者感慨：要卷死一堆视频公司了

今天小编分享的财经经验：彻底颠覆！从业者感慨：要卷死一堆视频公司了，欢迎阅读。

作者丨孔海丽

编辑丨张伟贤

图源丨图虫

视频领網域的 "GPT 时刻 " 也来了。

北京时间 2 月 16 日凌晨，OpenAI 推出了新的文生视频模型 Sora，可以把简短的文本描述转换为长达 60 秒的高清视频，继文本、图片的革命之后，继续颠覆视频领網域。

OpenAI 一口气放出的 48 个示例视频中，既有对现实世界的高度还原，也有动画或科幻大片，角色与场景互動复杂、运动轨迹清晰、情感生动、细节逼真，一镜到底和多机位统统不在话下。

更重要的是，Sora 初步实现了对真实世界的洞察与学习，已经能够理解角色在物理世界中的存在方式并预判运行轨迹。

尽管目前 Sora 仍难以准确模拟复杂场景的物理特性，并且可能无法理解因果关系，比如人物吹蜡烛之后，烛火并未摇曳或熄灭。但这种趋势已经摆上了台面，OpenAI 开辟了一个全新的赛道，并让其他仍困在几秒视频时长的 AI 视频模型创业公司，遭受降维式辗轧。一位 AI 大模型从业者感慨：" 要卷死一堆文生视频公司了，秒杀…… "

一个能够理解、感知、创造内容的 AI 视频模型，将撕开无限可能。OpenAI 扔下的这枚重磅炸弹，商业落地场景非常丰富，战栗的将不只是影视行业，整个内容创作行业或都将被动摇。

在实际应用层，Sora 可能会为短视频创作、游戏呈现效果、机器人具身智能、自动驾驶等，带来巨大的影响与突破。假以时日，真实世界与视频虚拟世界的区隔，或许也将被削弱，大洋彼岸已经在担心 AI 视频会影响总统大选了，正在采取行动应对 AI 生成的深度伪造。

对于 Sora 模型的意义，OpenAI 官方如此表述：" 能够理解和模拟现实世界的模型的基础，我们相信这一能力将是实现 AGI 的重要里程碑 "。

上难度：理解真实世界

与现有文生视频技术相比，OpenAI 的 Sora 几乎将 AI 视频的竞争，从冷兵器时代推进到了现代化战争阶段，时长、效果、互动性，都秒杀现有技术。

视频生成领網域面对的一个重要挑战就是，在生成的较长视频中保持时空连贯性和一致性。市面上现有的 AI 视频产品，时长一旦超出几秒，将无法正确呈现物体之间的互动关系，逐渐 " 离谱 "。

因为 AI 对视频的学习，依赖大量的训练数据，如果训练数据中没有涵盖某种特定的过渡效果或动作，AI 就很难学会如何在生成视频时应用这些效果。也就是说，时长一旦变长，现有 AI 的能力就会 " 露馅 "。

更根本的原因在于，现有 AI 无法理解物理世界的运行法则，也就无法预测物体和角色在时间线上的运动轨迹。

但 OpenAI 做到了。Sora 直接将时长提升到了 60 秒，且效果高清，细节丰富。

OpenAI 官网呈现的一则 60 秒视频显示，女主与周围的街道、人群、灯光、都非常清晰自然，完全没有 AI 视频常见的 " 掉帧 " 问题，甚至肢体动作、面部表情、水中倒影、墨镜折射画面都很连贯。

另一则视频中，穿过东京郊区的火车车窗倒影，不仅显示了车窗外掠过的建筑，近距离经过的另一节车厢甚至加深了车内灯光、人物的折射清晰度，非常符合常理，并且流畅自然。

Sora 经常能够为短期和长期物体间的依赖关系建模。例如，在生成的视频中，人物、动物和物体即使在被遮挡或离开画面后，仍能被准确地保存和呈现。并且，Sora 能够在单个样本中生成同一角色的多个镜头，并在整个视频中保持其外观的一致性。

一则太空人科幻视频中，同时呈现了近景、远景中的主角，被太空船内部场景切分开的人物镜头，分别处于凝视、行走、思考等不同的状态，人物一致、行为连贯。

据 OpenAI 官网介绍，Sora 是一种扩散模型，相较其他模型，看起来具备了 " 理解 " 和 " 思考 " 能力。

与 AI 视频明星创业公司 Runway 所使用的 Gen 模型相比，Sora 模型不仅了解用户在提示中要求的内容，还了解这些角色在物理世界中的存在方式，能够理解和模拟运动中的物理世界，能够生成具有多个角色、特定类型的运动，以及主题和背景的准确细节的复杂场景。

与 GPT 模型类似，Sora 使用的是 transformer 架构，该架构对视频的时空序列包和影像潜在编码进行操作，能够主动填补视频中的 " 缺失帧 "，从而看起来具备 " 预测性 "，使得 AI 视频模型不再那么 " 被动 "。

一位 AI 大模型从业人士对 21 世纪经济报道记者表示，OpenAI 又一次改写了游戏规则，把文生视频推高到了 " 理解真实世界 " 的维度。

这也正是世界模型的特点——让机器能够像人类一样对真实世界有一个全面而准确的认知。世界模型不仅包括对事物的描述和分类，还包括对事物的关系、规律、原因和结果的理解和预测，从而进行推理和决策。

英伟达人工智能研究院 Jim Fan 表示：" 如果你还是把 Sora 当做 DALLE 那样的生成式玩具，还是好好想想吧，这是一个数据驱动的物理引擎。" 有技术人员告诉 21 世纪经济报道记者，Jim Fan 的言外之意在于，不能忽略 Sora 所折射的 " 世界模型 " 的更进一步—— AI 已经可以读懂物理规律。

随着训练的继续推进，AGI 的实现或许不再是纸上谈兵。

打击力：颠覆现实世界

OpenAI 推出 Sora 之后，互联网世界除了感叹，还有一片哀嚎。

在 OpenAI 的推文下面，不少评论打出 "gg 皮克斯 "、"gg 好莱坞 "（注：gg 是竞技游戏礼貌用语，good game 的缩写，用于表达 " 打得好，我认输 "），马斯克更是在 X 上发表评论，称 "gg 人类 "。

有不少网友感慨自己 " 要失业了 "，视频行业将被彻底颠覆。

有来自电影制作行业的从业人士告诉 21 世纪经济报道记者，如果 Sora 继续进化下去，取代一部分传统视频制作方式是必然的，就像 AI 绘画取代画师、设计师一样，这是趋势。

" 短视频、概念视频、广告、微短剧、甚至是长视频里，都会大量使用 AI 生成视频。"该人士表示：" 不过传统影视剧该怎么拍还得拍。"

观点普遍认为，AI 视频模型将改变电影工业的生产方式，虽然不能完全取代现有人力，但将会成为新的生产工具，影视行业从业人士需要尽快把工具 " 为我所用 "。

一位影视编剧提出了另一种想法，她认为，Sora 这类 AI 视频模型大大降低了精美视频的制作门槛，以后编剧的奇思妙想将有更大的呈现空间，" 技术不到位 "、" 经费不够 " 的掣肘都将减小很多。

比如，OpenAI 的一则视频中，巨大的猛犸象缓缓走来，形象逼真，身后腾起了雪雾，远处被白雪覆盖的树林与山脉清晰可见。而众所周知，动画《冰川时代》的实际制作费用达到 8000 万美元之高，耗时 4 年之久。

" 那些有才华但苦于缺少投资的导演们，可能会借力 Sora 创造出许多惊人的作品。" 她补充说。

目前，Sora 尚未对公众开放，OpenAI 正在与一些视觉艺术家、设计师和电影制作人合作，以探索如何让 Sora 对创意专业人士提供有效帮助。

而双刃剑的另一面，是 AI 视频模型给现实世界带来的虚假信息威胁也将大大增加。

近期，AI 合成的泰勒 · 斯威夫特不雅照曾引起过轩然大波，就连白宫方面也呼吁国会 " 应立刻采取行动 "，而美国政坛和民众也对背后凸显的技术、法律漏洞感到担忧。

AI 生成 " 恶性视频 " 对现实世界造成的困扰，将数倍于图片效果。为此，美国联邦贸易委员会将致力于利用工具来检测、阻止相关冒充欺诈行为。

为此，OpenAI 表示，将在提供 Sora 之前采取几个重要的安全措施，与错误信息、仇恨内容和偏见等领網域的专家进行合作，对模型进行对抗性测试；OpenAI 也在构建工具来检测误导性内容，例如检测分类器，可以判断视频何时由 Sora 生成。

除了开发新技术为 Sora 保障安全性，现有的安全方法也适用于 Sora 模型，例如那些请求极端暴力、色情内容、仇恨影像、名人肖像或他人 IP 的提示将被模型拒绝，也开发了强大的影像分类器，用于查看生成的每个视频的帧数，以确保在向用户显示视频之前遵守 OpenAI 的使用政策。

但 OpenAI 也承认，无法预测人们使用 Sora 的所有有益方式，也无法预测人们滥用它的所有方式。

不过，目前 Sora 还有其局限性，比如可能难以准确模拟复杂场景的物理特性，并且可能无法理解因果关系的具体实例。例如，一个人咬一口饼干之后，饼干可能没有咬痕。该模型还可能混淆提示的空间细节，例如，左右混淆，人类在朝着跑步机的尾部跑步。也可能难以精确描述随时间推移发生的事件，例如，五只灰狼幼崽嬉戏的画面中，幼崽数量可能忽多忽少，有的幼崽会凭空出现或消失。

随着技术进步，或许未来，如何判定视频真假，也将成为一门学问。

压迫感：巨头步步碾压

另一厢，谷歌也于同一日发布了 Gemini 1.5 版本，在文本的长度上实现了大幅突破。但终究被 OpenAI 的视频模型抢尽了风头。

一批 AI 视频模型创业公司也将命悬一线。

文生视频的生成模型最早出现在 2022 年底，Pika lab、Runway 都分别贡献过 AI 生成视频的话题。早期，就连 Meta 和谷歌的 AI 视频都有着 " 一眼 AI" 的问题，清晰度、逻辑性有明显缺陷。

经过不懈努力，Runway 在 2023 年 11 月发布了 AI 视频生成工具 Gen-2，修复了视频画质，也克服了不连贯、闪烁变形以及低清等问题，但生成的视频时长最多只能达到 18 秒。

眼下，OpenAI 一举把 AI 视频生成时长拉到了 60 秒，并且运镜复杂、场景多变、人物还能够表达丰富的情感色彩，简直断了其他小公司未来的路。

业内分析人士表示，如果其他 AI 视频模型创业公司无法尽快追赶 OpenAI，恐怕将直接失去生存空间。

但这种追赶并不容易。前述 AI 大模型从业者向 21 世纪经济报道记者表示，仅就公开信息而言，其他公司与 OpenAI 在技术能力、训练量、耗资程度方面，都有着代际差异。

" 如果长期关注 AI 文生视频的进展，就会知道 OpenAI 的 Sora 有多强大，是专业拳手暴打小白的差距。"、"AI 真的抽成两种，OpenAI 和其他 AI" ……相关评论也是层出不穷。

一位关注 AI 大模型的投资人向 21 世纪经济报道记者透露，小型公司跑出来的概率变得更渺茫了，尤其是这么烧钱的领網域，很难在巨头的阴影下做出亮点。

从文本大模型、影像大模型，再到如今的视频大模型，OpenAI 深刻诠释了 " 一步先、步步先 " 的残酷性。