OpenAI Sora畫的餅，AI行業集體給它圓了......嗎？

2024-08-14 18:41:00 編輯： robot

導讀 AI文生視頻領域，幾乎只剩Sora還是個期貨了。最近兩個月，國內外的AI-generated Video應用持續爆發，中國的快手、字節、智譜AI、生數科技、愛詩科技，海外的谷歌、Luma、Runw...

AI文生視頻領域，幾乎只剩Sora還是個期貨了。

最近兩個月，國內外的AI-generated Video應用持續爆發，中國的快手、字節、智譜AI、生數科技、愛詩科技，海外的谷歌、Luma、Runway，格局如八仙過海。

雖然不同平台水平差異依舊存在，但整體可用性已經大大提高，而且風格化特徵也比較全面。唯一的缺憾是，在融入工作流方面，AI視頻工具們的水平還是差了一點。Sora畫的餅，要交給這些後來者去圓了。

放棄期貨，文生視頻應用爆發

業界民間都把視頻視爲AI應用落地的重點領域。英偉達CEO黃仁勳在7月30日的全球頂級計算機圖形學會議SIGGRAPH 2024上邀請了Meta的CEO扎克伯格進行對話，雙方都認可視頻能力會是AI大模型的進化方向。

出身於英偉達研究小組的Luma AI首席科學家宋佳銘，在與a16z合夥人Anjney Midha對談時說，視頻關聯着3D世界，從學習角度看，視頻數據使模型更好地理解和推理3D世界。所以，實時高質量的視頻生成，最終會推動具身AI的發展。

視頻就是這樣一座“橋”，而現在大量的AI公司正在試圖搶先通過它，尤其是OpenAI讓Sora變成了外界用不到的期貨，給了其他平台進一步發展的空間。

（整理自公开信息）

（圖源：天眼查）

超長战线背後是這些公司的試探。一部分是關於商業模式，另一部分是關於技術應用前景。

可靈、即夢、Vidu等都推出了會員訂閱模式，在C端進行應用普及化嘗試。愛詩科技創始人王長虎此前在接受財新採訪時表示：“愛詩目前的策略以2C（面向消費者）爲主，廣泛收集國內外用戶反饋，以更好地基於用戶體驗迭代底層模型。”至於更遠的應用，現在來談則爲時尚早，主要是因爲C端的收費模式無法承擔成本。

Luma AI採取了To C的產品形態，不過它原本專注於3D領域，進入視頻生成領域是爲了探索3D生成與重建的更多可能性，以視頻驅動3D發展。這在產業領域有更多的應用前景，例如批量制造電影需要的三維素材等。

最重要的是，Luma AI的期望不是售賣技術或者素材，而是建立類似TikTok這樣的平台，也就是一個基於3D的生態系統。王長虎也在和極客公園創始人張鵬對話時表示，愛詩科技也瞄准的是“AIGC時代的平台性機會”，但平台的形態暫時無法預測，因爲AI產業不會以復制現在已有的平台的方式成長。

不僅如此，目前讓AI-generated Video進入完整工作流的應用已經在成形。开源視頻編輯工具Clapper最近熱度上升，它的特色就是集合各類AI技術，用prompt的方式調動AI Agent生成和迭代故事，直接跳過了手工編輯文件的過程。

（圖源：機器之心）

由此可見，AI-generated Video的進化速度遠比我們想象得要快。目前，行業的重點無疑在於生成速度和生成效率兩個方面。但是，大模型並不提供完全確定的商業模式方向，這更多取決於團隊的選擇。而在這個過程中，除了商業化之外，AI公司還要思考怎么避免陷入合規困境、成本困境。所以，把文生視頻變得成熟並不容易，現在僅僅相當於ChatGPT剛剛問世的階段。

AI-generated Video的“硬傷”和突破口

a16z之前就發表過觀點，巨頭在從科研成果到商業產品的轉化中需要更關注法律安全、版權等問題，所以往往效率會慢。我們不去考慮Sora是不是因爲這個原因始終不露面，單看行業都要面對的相關問題，邏輯其實是一樣的。

1.商業化的“落差”，目前的AI-generated Video很難滿足甲方們的需求

彭博社曾報道，OpenAI一直試圖向好萊塢推薦Sora，但並不成功。用Sora制作的第一則商業化廣告是6月公开的玩具反鬥城廣告。然而，這則視頻不但用了一些舊素材，公开新聞稿也沒有說完全由AI生成。

導演Nik Kleverov還在一條已經刪除的動態裏表示，制作這些鏡頭的創意機構Native Foreign提供了大約十幾個工作人員參與工作，Sora支持了80%到85%的流程。這對需要高效低成本的AI-generated Video來說算不上什么好消息。

2.訓練成本、高質量數據集難以滿足

視頻的本質可以視爲一系列圖像，圖像有很多公开的數據集，但是視頻沒有。OpenAI遇到過違規使用YouTube視頻進行訓練的指控，英偉達最近被媒體曝光從Netflix和YouTube收集了大量數據，用來訓練自己的Cosmos項目，用於支持其AI產品往現實世界發展。它每天可以下載相當於80年的視頻內容。

這體現了兩個關鍵點：一是黃仁勳和Luma的觀點類似，AI視頻的發展確實對AI進入3D世界意義重大，英偉達也是這樣做的：文本——圖像——視頻——三維模型——現實世界。二是視頻數據集是個大問題，除了版權問題，這些視頻數據還缺乏標籤，斯坦福大學教授Stefano Ermon說，現階段缺乏篩選和過濾好視頻的方法，而且篩選後還要考慮它們的標籤和描述。

3.AI資產泡沫的問題，AI必須爲用戶解決重要復雜的問題才能有價值，但現在它的發展成效，遠遠不能和互聯網等技術當年初生時的情況相比

Benchmark合夥人Michael Eisenberg在最近的一期訪談中，引用了其好友Atreides Management創始人Gavin Baker關於大模型發展的觀點：“基礎模型是歷史上貶值最快的資產。”

他所舉的例子來自Seeking Alpha的創始人，類似金融領域這種每分鐘都會進行業務和數據更新的高頻領域，訓練出來的模型只能完成寫報告之類的常規工作，但無法應對數據的高速刷新，滿足金融預測未來的需求。

而且，其他技術的發展是確定性的，互聯網發展早期雖然泡沫巨大，但已經體現了應用路徑；而AI渾身都是不確定性。互聯網發展的邊際成本幾乎約等於0（或者說其中不少都分擔給了運營商和用戶），然而AI成長的邊際成本涉及大量固定資產，現在都由創業者自己承擔，而且越投入邊際改善效應越弱。大量的早期投入，很可能是一個陷阱。

技術革命之後必須伴隨產業革命，產業革命則需要現象級產品的引領。AI更需要的是一個成功的場景。目前看來，AI-generated Video還沒有拿到這類成果的起色。

Perplexity的創始人Arin對此提供了另外一個觀點，那就是基礎模型的價值本質映射着背後團隊的價值，即Sora之於OpenAI，文心大模型之於百度。不是Sora能革了視頻的命，只是外界相信由OpenAI領導的Sora具備這樣的可能性而已。當Sora沒能提供符合我們預期的突破時，誰能在這個領域擔起大任呢？

由此出發，關鍵或許在於誰能先把AI-generated Video真正融入到某一個商業系統的工作流中去，就像Clapper對視頻制作的探索一樣。而這就是一個更大的問題了，因爲它涉及到和其他領域的融合——氣象、城市、影視、汽車、制造業。也許Sora會在今年的某天拿出一個更具體的成果，也許是其他的創業公司顛覆了我們對AI視頻的認知。