Sora的突破，再次證明AI是一個大型系統工程。OpenAI靠的不是蠻力，國內人工智能圈還需要方方面面的補足。
文｜趙豔秋
編｜牛慧
在春節开工後這一周，國內人工智能圈以及與Sora技術相關的大廠，對OpenAI公布Sora後的反應，與媒體上的熱烈程度形成鮮明反差。
OpenAI越來越閉源，幾乎沒有任何具體信息，國內還處於拆盲盒階段。不得不承認，Sora是算法組合、數據選擇、訓練策略、算力優化等多種能力的結合，雖然這些技術可能不是OpenAI的原創，但OpenAI對它們的深刻洞察，以及精巧的系統構思設計能力，才做出“顛覆性”突破，而非簡單的蠻力。
在這樣的大系統工程面前，國內人工智能圈還需要方方面面的補足。
01
大廠的反應
這一周，字節、百度、阿裏、騰訊、華爲、浪潮等企業未對外發聲。一些相關大廠的研發團隊則在“拆盲盒”，信息也絕對保密，“Sora將影響今年公司產品的研發計劃。”
值得關注的是，對Sora的積極關注度和洞察程度，在大廠的中高層，總體不像去年ChatGPT推出後那么緊迫和深入。
在各大廠內網上，核心研發團隊之外的“喫瓜群衆”，在零星發帖討論，“談不上討論熱度”，甚至有國內人工智能大廠內網是“零貼”。這種狀況與媒體上的熱搜新聞，甚至對中美AI差距加大的哀嚎，大相徑庭。
不過，一些較快的動作，也能窺見業界的一些緊迫感。Sora發布第二天，2月17日，阿裏摩搭社區推出對Sora技術路徑的分析，文章很熱；2月18日，百度的度學堂推出Sora系列解讀課程；春節後剛开工，浪潮相關業務已對Sora給出分析報告。不少大廠相關業務线紛紛布置調研匯報作業，其中有些企業將在本周做出Sora分析調研。
由於OpenAI透露的信息很少，與ChatGPT推出後，對技術的一些具體分析不同，對Sora的分析猜測成分更多，具體依據更少。
從各大廠內部的員工討論看，大家集中在幾個方向：Sora的技術機理，包括Sora能不能成爲真實世界的模擬器；算力；商用方向和時間。目前，技術機理還有不少”謎團“；對算力消耗的推測也較混亂；在Sora商用時間上，預測從一個月到半年不等，普遍認爲速度會很快。
有大廠員工發文分析，從OpenAI的動作，包括發布Sora、ChatGPT、DALLE以及一直強調的agent看，今年下半年OpenAI可能發布的GPT5，將是第一版真正意義的Agent。有了這個Agent，比如未來要做一個App，GPT5可自動生成代碼、圖片、視頻、打包部署，包括申請、配置域名，最終生成可訪問的App。這些推測也預示着，每位員工未來的工作方式正在被重塑。
雖然大廠論壇鮮有對技術差距的哀嚎，但員工在交流中都有抱怨和無奈。不過，也有人士認爲，Sora反而對國內AI超級有利，原因是在全球短視頻市場上，字節、騰訊、快手佔前三，而Sora原理基礎大家也都知道，以國內現有的GPU算力，推測“快的話一年”，國內將有類似產品推出。
02
OpenAI不靠蠻力
業界都關注到，Sora 的驚豔效果得益於新的算法組合和訓練策略。然而，類似ChatGPT，單純從具體算法來說，都不是 OpenAI的原創。
“Sora 在算法組織和數據訓練策略上下了很大功夫，充分挖掘了算法和數據的潛力，學到更深層知識。”雲知聲董事長梁家恩說，通過架構設計和訓練策略，而非單純算法改進，OpenAI 繼續刷新了業界的認知。這體現了OpenAI對算法和數據潛力的深刻洞察，以及精巧的系統構思設計能力，而非簡單使用“蠻力”，才能做出這種“顛覆性”的突破。
在Sora官宣後，紐約大學謝賽寧對其進行了技術推測。由於謝賽寧與Sora團隊關系較近，他的推測影響很廣，尤其是他猜測“Sora參數可能是30億”。
一些人士認爲30億參數有一定道理。一位資深人士分析，Sora生成的視頻效果驚豔，但細節問題較多，應該是OpenAI拿出來先秀肌肉的，OpenAI會進一步擴展模型；另一位資深人士則從算力角度直觀分析，視頻是三維的，單位處理需要的算力非常大，如果Sora參數太大，算力會不夠。
不過，也有一些行業人士認爲“不止30億”。
“30億參數，我認爲是有誤導性的。”一位短視頻人工智能資深人士告訴數智前线，“Sora背後依賴了OpenAI最強大的語言模型來生成Caption（字幕、說明文字）。”而在Sora提供的技術報告中，簡要描述了，他們針對視頻如何設計自動化技術，生成文本描述，或將簡短的用戶提示轉換爲更長的詳細描述，用來提高視頻的整體質量。
而從OpenAI一直在摸索人工智能邊界的風格來看，一些人士也認爲，30億太小了。“這不符合它一貫的做法，他們都是‘大力出奇跡’。”中科深智CTO宋健對數智前线說，實際上，理論上已指明了道路，有不少企業也去嘗試了，目前來看，真正意義上能執行下去的只有Sora。
一位浪潮人士稱，Sora的突破再次證明了AI是一個系統工程，單純靜態的推測參數可能沒有意義。
在視頻生成上，過去大家的困難在於，很難保持視頻的連貫性或一致性，因爲中間有很多反常識的東西，如光影不對、空間變形，所以業界搞不定長視頻。
“OpenAI 最終是否採用了更大規模的參數，根據目前公开信息還無法判斷，但我估計以他們風格肯定會嘗試的。”梁家恩說，此前，OpenAI 從 GPT2 做到 GPT3 時，就是堅信只要算法架構合理，通過超大規模的無監督學習，是可以通過小樣本甚至零樣本學習，擊敗有監督學習，這是 OpenAI 對規模效應的堅定信念。“這次Sora通過算法組合和數據設計，學到更多符合物理規律的‘知識’，符合 OpenAI 這些年來的一貫風格。”
不過，Sora尚不能稱爲一個合格的物理世界的模擬器。在它生成的視頻中，存在大量錯誤。OpenAI自己也在技術報告中提出，這是一個有希望的方向。
人們對Sora的需求不同。“如果你現在做數字孿生，還不如直接用物理引擎作爲底層來構建，就像英偉達的Omniverse，雖然不完全是物理的，但已經很精確了。”宋健說，“但對於視覺藝術來講，講的是視覺感受力，反物理也沒關系，只要視覺上給大家足夠好的衝擊力就可以。”
03
算力猜想
“現在大家對算力的推測非常混亂。”一位英偉達人士告訴數智前线。由於OpenAI這次公布的信息非常少，業界很難評估。
“視覺模型或多模態模型跟大語言模型算力的評估方式不太一樣。”一位人工智能算力資深人士告訴數智前线，即便Sora可能只有幾十億參數，其算力與幾百億或上千億的大語言模型估計差不多。
他進一步分析，可以參考文生圖模型Stable Diffusion，參數大概只有10億，但訓練算力用了幾十台服務器，花了將近一個月時間。他估計Sora的訓練算力可能比前者至少大一個數量級，也就是數百台服務器，而後面OpenAI肯定會進一步去做scaling，把Sora模型做的更大。
另一方面，這種模型的推理算力也比大語言要大很多，有數據曾顯示，Stable Diffusion的推理算力消耗，與Llama 70b（700億）參數模型差不多。也就是說，推理算力上，一個10億的文生圖模型，與千億量級的大語言模型差不多。而Sora這種視頻生成模型的推理算力，肯定比圖片生成模型還要大很多。
“文本是一維的，視頻是三維的，視頻的單位計算量大很多。”一位人工智能專家告訴數智前线，他認爲需要大幾千卡才有機會。
由於Sora推動的文生視頻方向的發展，今年國內算力總體仍會非常緊張。有算力基礎設施企業人士稱，在人工智能算力上，北美幾家巨頭的算力，現在已是國內總算力的十幾倍，甚至還要更多。
但在某些局部上，國內算力已經出現了闲置。這包含了幾種情況，比如一些去年上半年开始訓練大模型的企業，放棄开發大模型或改爲使用开源模型；去年大語言模型的落地應用遭遇挑战，還沒有大量的推理應用落地，這些會導致一些企業出現幾十台或幾百台的空闲。
宋健也發現了局部算力闲置的問題。他觀察，尤其是2023年11月份左右开始，算力的租賃變得容易，而且價格可能是原來的2/3甚至1/2。
原文標題 : Sora不靠蠻力，大廠忙拆盲盒
標題：Sora不靠蠻力，大廠忙拆盲盒
地址：https://www.utechfun.com/post/335977.html