Sora對國內大廠是機會還是挑战？

2024-02-26 18:40:17 編輯： robot

導讀拋开技術路线不談，單就實現效果而言，國內大模型企業們在生成視頻方面，是否有着同樣的“飛升機會”？ ‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍龍年的第一個月，正如去年的ChatGPT，OpenAI开年再出...

拋开技術路线不談，單就實現效果而言，國內大模型企業們在生成視頻方面，是否有着同樣的“飛升機會”？

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍龍年的第一個月，正如去年的ChatGPT，OpenAI开年再出一王炸——文生視頻領域的Sora。

面對這樣的AI生成能力，包括幾乎所有類型的從業者都感受到了不小的震動。一位IT出身的電影制片人告訴陸玖商業評論，Sora的的驚豔表現，讓他周圍的從業者都有了不小的危機感。電影制作成本的急劇下降，和新銳電影人的出頭，將會比以往更加容易。

不過，在面對陸玖商業評論提出的“Sora是否已具備商業化條件”“文生視頻對於算力的要求是否更高，以及如何解決”等問題時，這位制片人則用“發展問題，發展解決”的說法給出回復。

這顯然過於樂觀。畢竟更多從業者認爲，從概念到成熟的工業化商用階段，即便是Sora也有很多不成熟的地方。

也因此，拋开技術路线不談，單就實現效果而言，國內在文生文等通用模型有相關布局的大模型廠商，是否有着同樣的“飛升機會”？文生視頻，到底相比過去文生文，有哪些實質性的飛躍？這是一個很有意思的話題。

Sora，革命還是泡沫？

必須承認， Sora 的出現，讓通用人工智能（ AGI ）的實現，又近了一步。原因在於，它已經做到了模擬真實物理世界的運動，譬如物體的移動與相互作用。

不過，僅僅是這種程度的改進，也算不得“驚豔”。根據OpenAI的官方報告，Sora的“革命性”主要體現在下面幾點。

首先是時長。作爲通用的文生視頻大模型，它能根據用戶提供的文本描述生成長達60秒的視頻，不僅品質上乘，且能更完整准確地還原用戶輸入的prompt，即提示詞。

其次，是在場景的復雜度和角色生成水平的突破。到目前爲止，Sora已經能夠生成包括多個角色、特定運動類型以及主題精確、背景細節復雜的場景。且鏡頭語言也开始復雜，這使得視頻本身开始具有一定的敘事功能，而這正是目前短視頻領域所需要的東西。

再次，除了文本生視頻，Sora還能做到從靜態圖像开始動畫化圖像，抑或是從已有視頻生成新視頻，實現填補缺失幀或者延展視頻內容的效果。

一位資深科技媒體人對陸玖商業評論表示，Sora這類AI產品的出現，是一種“思維平權”的機會，因爲一些長期跟蹤行業的科技記者，經常會有一些“腦洞大开”的設想，但沒有合適的工具讓想法落地。但有了GPT和Sora這類AI工具之後，記者們一旦看到了機會和想法，AI就可能會幫助他實現產品，剩下的就是驗證這個產品的可行性。

但陸玖商業評論在與多個行業人士交流以後發現，即便是眼下風光無限的Sora，同樣有被高估的可能性。

行行AI董事長李明順對此較爲理性，在他看來，Sora的出現，很大程度上是文生文的通用模型，延展到視頻領域的階段性技術迭代。Sora能有如今的質變，很大程度上也是算力和資金不設上限投入，再加以海量訓集的不斷重復訓練，這是“大力出奇跡”的結果。

相比技術實現上的優越，Sora在“資源稟賦”上的優越，顯然跟國內一衆“算力荒”廠商拉开了更大的距離。這是國內大模型相關廠商，在相當長時間裏難以逾越的鴻溝。

而從投資角度而言，Sora這類垂直領域的“通用模型”也算不得熱門標的。

一位一級市場從業者告訴陸玖商業評論，純一級市場投資，通常只會投資大概念和高估值標的。原因主要在於一級市場的基金存續期是7年，投資期2年，5年退出是大概率事件。但文生視頻的垂直模型在5年內能否實現工業化商用，誰都無法下定論。

此外，目前的Sora，所有已知信息只有2月15日發布的技術報告，但在3天後就傳出了融資新聞。在沒有开放使用、外界不知其實際水平的情況下，在風投公司Thrive Capital牽頭融資中，OpenAI的估值已經逼近800億美元。這位一級市場從業者向陸玖商業評論坦言，這次技術發布很可能是OpenAI“估值管理”的一部分。

昆侖萬維的董事長周亞輝在朋友圈表示，“（硅谷）這邊的Scientist和工程師根本不認除了Open Al以外的創業公司股票價值，覺得都是紙面財富。寧可要OpenAI.谷歌、FB、微軟100萬Package(一半股票)的Offer，也不要創業公司300萬(80%股票)的Offer。”

可見，Sora之後，OpenAI進一步拉大了與其他AI大廠的差距。

國產大模型，廠商們的危與機

盡管 Meta 、 Google 以及微軟都在蠢蠢欲動，但相較於資本市場對 Sora 的瘋狂，國內大模型廠商則顯得冷靜得多。國內大廠大多數選擇的，仍是立足於自身應用的大模型开發，並非去追求所謂的原生態 AI 大模型升級。

字節即是其中之一，其對於生成式AI的保守態度，早在文生文階段就已經體現。而從入局時間看，字節並不晚。據晚點報道，2020年6月OpenAI發布GPT-3後，字節曾訓練了一個數十億參數的生成式語言大模型。

如果按部就班开發，到2023年時，字節與OpenAI的GPT，距離不會很遠。只是在ROI掛帥的業務體系下，字節這筆投資顯然沒有算過账來。因此，其在生成式AI的探索上，始終相較競品慢了一些。

從發布時間來看，百度文心一言於2023年3月份發布，同年10月便迭代至4.0版，緊隨其後的是阿裏的通義千問、騰訊混元助手，而字節發布雲雀大模型的發布時間是2023年8月。

後發導致的結果之一，是用戶量不足——文心一言的月活去年就已經破億，字節的豆包仍然在千萬以下。不過，字節在選派張楠執掌剪映之後，有望在生成式AI的進度上更快一點。

如果說字節在文生視頻領域暫時沒有看到可立即使用的產品，那么百度和阿裏則不然。早在去年的百度世界大會上，百度已經演示過文心一言的文生視頻能力，主要集成在“一鏡流影”插件當中。

當然，出現在世界大會現場的生成視頻，只是一鏡流影無數次抽卡中的成功案例。陸玖商業評論經過測試發現，一鏡流影仍然存在一些局限。

其一是素材庫。目前一鏡流影使用的是無版權素材庫，這導致無法用於特定品牌的工業化商用環節。

其二是出於可能的肖像權考慮，目前無法生成帶人像的視頻，但可用於生成不帶商標的商品視頻。

其三則是，目前生成的視頻，都是30秒左右的，如果想要達到與Sora類似的效果，還需要做到兩段視頻素材的拼接。如果要保持內容和風格的一致，顯然變成了難事。

通義千問目前用的最多，熱度最大的相關技術，則是以全民舞王爲代表的圖生視頻技術。只需一張全身照，就可以讓其做出各種熱門的舞蹈動作。在B站，以慈禧等歷史人物跳科目三的二創視頻，加起來的視頻播放量，大約在千萬級別。

雖然還沒有做到工業化的水准，也沒有與國外的Sora拉平差距，但國外的Sora同樣也沒有做到工業化，這也就意味着，起碼在商業化進程上，二者仍然沒有太大的距離。剩下的只需不斷追趕就好。

行行AI董事長李明順也持類似的觀點。他告訴陸玖商業評論，目前OpenAI仍然佔據行業頭部的位置，但很大程度上是建立在此前的算力儲備和技術積累之上。國內諸如BAT、字節等通用大模型廠商，也會不斷去追趕。原因很簡單，在某種程度上，通用大模型已經變成了互聯網公司基礎能力的一種象徵。

競賽似乎才剛剛开始。

文生視頻，真正的勝負手在哪？

當然，無論是 OpenAI 的 Sora ，還是國內一衆大模型廠商，其最終目的，仍然是工業化、流水线化生產高質量的視頻內容。

但就目前來看，即便強如Sora，也是有諸多不成熟的因素，導致其無法應用到工業化領域。AI動態視頻解決方案產品知行元（www.creatlyai.cn）的產品架構師告訴陸玖商業評論，雖然目前Sora看起來很方便，通過文字能直接生成高質量的視頻，且只需要通過幾個提示詞來控制，對用戶的心智與操作負擔看起來很小。

但由於目前的sora對真實物理世界的理解還有限，在某些場景仍然會出現問題。諸如燭光方向錯亂、精准數量失序，空間物體進出畸變等細節，這些細節到後期剪輯都是很難去改動的。

這並非沒有解決方案。因爲Sora目前已經有視頻延展和視頻拼接功能，用戶完全可以生成數個幾秒鐘的視頻進行後期裁剪。如果對於提示詞工程的知識儲備不足的人來說，多次生成+人工後期是難以避免的。

此外，在工業化的商品宣傳片中，通常客戶會發布一些新款商品，譬如新款羽絨服、新車、新手機等等。但用戶的素材並不存在於視頻模型的訓練集中，導致只能生成類似商品後再二次加工，也就是影視後期。

這裏同樣有專業用戶與非專業用戶的需求差別。譬如對於一般的輕度用戶，如果沒有商業化需求，那么模型就是一個試玩產品，任何新生成的作品對他而言都是驚喜。但對於專業用戶（譬如導演），如果一次生成的不夠滿意，那么還涉及到多次生成和多次後期，對於算力與人工都是不小的負擔。

前述電影制片人告訴陸玖商業評論，在影視制作流程中，後期最大的成本，就是負責剪輯與特效，也就是二次加工的人工成本。如果工作流不夠先進，那么很可能會在後期制作過程中拉高成本，進而影響項目的ROI。

如果目前的文生視頻仍然需要大量人工去調校，且鏡頭和對物理世界的還原也無法做到1：1，那么用AI生成視頻素材的性價比，其實是不高的。

有基於此，一位影視後期從業者告訴陸玖商業評論，在他看來，AI能直接替代的，其實是搭建和拍攝等中期工作。因爲AI對物理世界的模擬還原，可以通過不斷訓練來接近真實水平。

以上僅僅是Sora對影視產業的部分改變推演。至於對於遊戲、廣告、短視頻創作等細分領域，變革肯定遠大於問題。AI的應用，其革命性的變化，肯定波瀾壯闊。而國內大廠，在AI應用的商業化探索上，顯然更愿意發力和嘗試。

同樣，根據周亞輝的朋友圈劇透，“Open AI很快會發布GPT4.5，而且估計會故意選擇Anthropic發布Claude 3的時候發布。”最新迭代版本的Open AI除了Sora生成式視頻外，還有什么令人驚豔的創新，應該是國內大廠從事大模型战略和業務部門，最關心的事情。