每經(jīng)記者 謝陶    每經(jīng)編輯 唐元    

如果說，去年是語言大模型ChatGPT的“時代”，那么今年開年的首個“王炸”必定是文生視頻模型Sora，其憑借出色的視頻制作能力瞬間“點燃”科技圈與投資圈。

據(jù)OpenAI官網(wǎng)介紹，Sora能夠生成具有多個角色、特定類型的運(yùn)動以及主體和背景的、細(xì)節(jié)準(zhǔn)確的復(fù)雜場景，該模型不僅了解用戶在提示中提出的要求，還了解這些東西在物理世界中的“存在方式”。業(yè)界普遍認(rèn)為，Sora的面世將對AI產(chǎn)業(yè)鏈帶來歷史性的變革機(jī)遇。

機(jī)構(gòu)人士指出，以Sora為代表的文生視頻模型極大縮短了AGI（通用人工智能）時代到來的時間。隨著多模態(tài)大模型逐步升級，算力需求將呈現(xiàn)指數(shù)級增長，下游應(yīng)用有望百花齊放，推動應(yīng)用領(lǐng)域生產(chǎn)力價值釋放。

那么，Sora的橫空出世將為人工智能產(chǎn)業(yè)鏈帶來怎樣的機(jī)遇和發(fā)展？如何看待中美之間在人工智能領(lǐng)域的發(fā)展差異？為此，《圍爐談文創(chuàng)》欄目本期邀請到三位來自不同細(xì)分領(lǐng)域、分別活躍于成都、深圳、北京的技術(shù)大咖分享他們最新的感受與觀察。

咕咚CEO申波：Sora的本質(zhì)是一個“世界模擬器” 中國公司會在AI硬件和應(yīng)用方面快速發(fā)展

作為中國最大運(yùn)動社交和賽事服務(wù)平臺——咕咚的創(chuàng)始人，申波是一名不折不扣的“技術(shù)狂人”，崇拜“MySQL之父”Monty和馬斯克，關(guān)注全球最新的技術(shù)及產(chǎn)品趨勢。

他的辦公桌上總是堆滿了各種技術(shù)類書籍，從Stable Diffusion，到DeepMind，再到ChatGPT，他都能信手拈來。他在朋友圈笑言，“以后退休了，得找個面朝大海春暖花開的大院子coding（編程）。”

談及Sora對行業(yè)的影響，申波表示，“OpenAI開發(fā)的文本到視頻生成器Sora，有潛力顯著影響依賴視覺內(nèi)容的多個行業(yè)，特別是影視娛樂、教育和營銷行業(yè)。”

就運(yùn)動健康應(yīng)用領(lǐng)域而言，申波告訴《每日經(jīng)濟(jì)新聞》記者，“Sora能夠以新穎的方式吸引用戶，將鍛煉描述或健康提示轉(zhuǎn)化為引人入勝、易于跟隨的視頻。這將通過提供動態(tài)的互動內(nèi)容來增強(qiáng)用戶體驗，比單純的文本或靜態(tài)圖像更有效地激勵和指導(dǎo)用戶。”

相比較Runway和Pika等類似產(chǎn)品，申波指出，“與早期主要關(guān)注生成短片的模型不同，Sora旨在生產(chǎn)長達(dá)一分鐘的高細(xì)節(jié)視頻，并致力于在視頻長度上保持連貫性。此外，由于Sora能創(chuàng)造更引人入勝、更全面的內(nèi)容，這可能使其在提供更豐富用戶內(nèi)容方面具有區(qū)別于其他工具的優(yōu)勢。本質(zhì)上說Sora是一個‘世界模擬器’ 而不僅僅是文本生成視頻工具。”

圖片來源：OpenAI官網(wǎng)截圖

談及近年中美在人工智能領(lǐng)域不同的發(fā)展特點和重點，申波向每經(jīng)記者分析道，“美國公司如OpenAI和Google DeepMind在生成式AI技術(shù)方面取得了重大進(jìn)展，例如ChatGPT和DALL-E，這些技術(shù)引領(lǐng)了市場和技術(shù)趨勢。中國則在應(yīng)用研發(fā)和商業(yè)化方面顯示出新的進(jìn)展，特別是AI在教育、健康、零售和安全等領(lǐng)域的應(yīng)用。中美之間的主要差異可能在于創(chuàng)新的焦點、市場應(yīng)用的速度和政策環(huán)境。”

目前，中國在生成式AI領(lǐng)域有哪些走在比較前面的應(yīng)用場景和玩家？申波表示，“國內(nèi)無論是大模型還是應(yīng)用方面，都快速涌現(xiàn)出了一系列的創(chuàng)業(yè)公司，如百川智能，當(dāng)然巨頭也參與其中了，包括百度、阿里、騰訊等等。而且近日OPPO和魅族都發(fā)布了ALL IN AI的戰(zhàn)略，全力開發(fā)推廣AI手機(jī)。所以我覺得中國公司會在AI硬件和應(yīng)用方面快速發(fā)展并引領(lǐng)行業(yè)，在大模型基座以及中文大模型上面縮小并趕上美國的水平。”

圖片來源：微博截圖

安克創(chuàng)新CIO龔銀：Sora加速實現(xiàn)“千人千面”但也會稀釋掉用戶注意力

長期活躍于粵港澳大灣區(qū)的龔銀（Neil），曾任OnePlus平臺中心副總裁、創(chuàng)始團(tuán)隊高管，現(xiàn)任安克創(chuàng)新CIO，他對分布式系統(tǒng)、高性能高可靠系統(tǒng)、云計算等領(lǐng)域保持著持續(xù)關(guān)注和實踐。

談及Sora的橫空出世，龔銀表示，“這將給游戲、短視頻、影視、廣告和元宇宙等高品質(zhì)視頻內(nèi)容制作的行業(yè)帶來直接沖擊。”

在龔銀看來，Sora與此前市面上的同類產(chǎn)品相比擁有諸多優(yōu)勢。“Sora生成內(nèi)容的質(zhì)量更好，（尤其是在）復(fù)雜場景、角色表情、復(fù)雜的鏡頭運(yùn)動等方面穩(wěn)定性、一致性更好，三維空間的連貫性比較好，沒有斷層或抽離感。視頻長度進(jìn)一步擴(kuò)展，支持60S逼真視頻，基本可商用，可以生成類似游戲等互動類數(shù)字內(nèi)容，想象空間更廣泛。”

從技術(shù)架構(gòu)上看，龔銀分析道，“Transformer架構(gòu)具備更好的學(xué)習(xí)性和擴(kuò)展性，涌現(xiàn)能力更強(qiáng)。而runway和pika更多還是依靠圖像轉(zhuǎn)幀方式，連續(xù)性還未得到驗證。我們在2023年就一直嘗試runnway來制作和生成視頻，但其穩(wěn)定、一致性和可商用能力其實還是很弱，Sora的出現(xiàn)一下子解決了這些問題。”

Sora生成的一輛SUV行駛在盤山公路上的圖像 圖片來源：視頻截圖

就消費(fèi)電子行業(yè)來說，龔銀直言，“特別是我們涉及全球各區(qū)域電商平臺或線上平臺，依靠大量廣告和內(nèi)容來獲取流量和打造品牌，Sora的出現(xiàn)對我們行業(yè)的影響利弊各半，一方面，內(nèi)容的制作成本大幅下降，效率得到了質(zhì)的提升，同時也有希望實現(xiàn)千人千面的內(nèi)容；另一方面，大量內(nèi)容的出現(xiàn)會稀釋掉用戶的注意力，品牌想通過內(nèi)容獲取用戶心智的難度更大了。”

事實上，從ChatGPT開啟生成式AI時代，到國內(nèi)一眾玩家開啟“百模大戰(zhàn)”，再到今天Sora的橫空出世，中美在人工智能領(lǐng)域呈現(xiàn)出較大的發(fā)展差異。

“從已有的結(jié)果上看，美國在創(chuàng)新能力、創(chuàng)新環(huán)境、創(chuàng)新能力工程化和市場化等各方面能力目前還是全球最強(qiáng)的，”龔銀表示。

龔銀還指出，“國內(nèi)模仿能力強(qiáng)，業(yè)務(wù)應(yīng)用層場景豐富。在具備基礎(chǔ)設(shè)施和能力的前提下，在AI應(yīng)用層面會有一些創(chuàng)新和突破。另外，國內(nèi)擅長在已有創(chuàng)新的基礎(chǔ)上集中資源辦大事，需要的是一些時間。”

談及國內(nèi)比較成熟的生成式AI應(yīng)用場景和玩家時，龔銀認(rèn)為，“（目前）還沒有看到特別成功的，一些品牌和電商其實都在摸索。在營銷領(lǐng)域，大部分還是在文生圖、文生文等方面做一些場景的嘗試，比如運(yùn)營活動的文案和圖片、產(chǎn)品場景圖、多語言翻譯、多語言自動生成等；在研發(fā)領(lǐng)域，大部分是在嘗試代碼輔助編寫，類似github和copilot。應(yīng)用最多的還是在客服領(lǐng)域，自動服務(wù)機(jī)器人，大部分公司都有在嘗試，還有一些類似AI Agent之類的應(yīng)用場景。”

原貝殼金服小微企業(yè)生態(tài)CTO史海峰：Sora驚艷之處在于對場景時空更強(qiáng)的理解和推測能力

史海峰曾任貝殼金服小微企業(yè)生態(tài)CTO、餓了么北京研發(fā)中心總經(jīng)理，也曾在神州數(shù)碼、亞信聯(lián)創(chuàng)長期從事電信行業(yè)業(yè)務(wù)支撐系統(tǒng)集成工作，參與中國移動、中國聯(lián)通多個項目，具有豐富的大型業(yè)務(wù)系統(tǒng)研發(fā)實施經(jīng)驗。

在20余年的工作歷程中，史海峰以架構(gòu)師的身份活躍于IT圈，曾獲騰訊云最具價值專家（TVP），開設(shè)了《IT民工閑話》公眾號，常自侃“大叔級 IT 民工”。

史海峰指出，最新發(fā)布的Sora其驚艷之處不僅僅在于時間，還包括空間的延伸、視角的變換，需要“腦補(bǔ)”更多細(xì)節(jié)，體現(xiàn)了對場景時空更強(qiáng)的理解和推測能力。

“從文字生成文字，再到文字生成圖片是一個飛躍，從圖片到生成目前的無聲視頻（或者從單幀視頻到多幀），似乎還挺順理成章。什么時候通過音頻能夠把空間進(jìn)一步體現(xiàn)，那會比現(xiàn)在更加驚艷，另一個維度則是實時交互。再往后大概又是AR、VR、元宇宙了。”

Sora生成的多機(jī)位視頻 圖片來源：視頻截圖

“作為提升生產(chǎn)力、降低成本門檻的工具，從C端和B端分別看的話，對UGC和PGC都會產(chǎn)生影響，到底有多大沖擊還很難判斷。在純CG動畫方面，可能大幅降低制作成本。如果支持對視頻的加工再創(chuàng)作，在短視頻、影視制作方面也可能帶來新的模式，會涉及到影視、廣告、社交、教育、游戲等行業(yè)。（同時）也會給反詐、維護(hù)知識產(chǎn)權(quán)帶來更高要求，”史海峰告訴記者。

談及中美在人工智能領(lǐng)域的發(fā)展差異，史海峰表示，“在AI時代，芯片是基座，數(shù)據(jù)是生產(chǎn)要素，是訓(xùn)練AI的養(yǎng)料，而最重要的是人才。（人工智能）競爭門檻高、迭代快，在達(dá)到技術(shù)上限前，不適合彎道超車或者體現(xiàn)后發(fā)優(yōu)勢，我們必須要追趕，并腳踏實地。”

本文作者系天府文創(chuàng)云記者謝陶，轉(zhuǎn)載合作相關(guān)可搜索“天府文創(chuàng)云”公眾號。