Sora,自2月16日OpenAI發布後一直被吐槽是“技術期貨”,終於在12月10日,正式版Sora露面了,可以生成最高 1080p 分辨率、最長 20 秒的視頻。
OpenAI CEO奧特曼稱,Sora正式版是視頻生成領域的GPT-1時刻。
但國內AI企業,並沒有像跟進GPT時期一樣,在視頻生成領域也與OpenAI保持同步,而是呈現出更復雜的態度。
有人選擇跟進,比如Sora問世之後,互聯網公司如阿裏、字節跳動、快手、騰訊等,AI公司如智譜AI、MiniMax、愛詩科技、生數科技等,都陸續發布了視頻生成模型,不少都表示達到或超越了預覽版Sora。
也有人選擇不跟進,包括互聯網公司中的百度,李彥宏曾明確表示,“無論Sora多么火爆百度都不去做”。AI公司如百川智能,也明確表示不會做類Sora模型,月之暗面、商湯科技、零一萬物雖然都有文生視頻模型,但都不作爲重點。
視頻生成賽道,不再延續GPT時代的發展模式,即OpenAI打出一張王牌,國內科技企業搶着要跟。Sora之後,國內AI牌局开始有了自己的節奏,也呈現出更爲復雜的局勢。
有能力做通用基礎大模型的國內科技公司,在技術路线、商業前景等判斷上,开始出現明顯分野。我們就從國內企業跟進Sora的選擇與否,聊聊視頻生成的中國牌局。
首先我們要明確一下,國內對標Sora模型的科技公司,到底在做什么?
簡單來說,Sora視頻生成模型的核心技術路线是Diffusion+Transformer相結合,通過文本(自然語言)、圖片、視頻作爲提示詞prompts進行視頻生成。
對標Sora的模型,至少要具備幾個特點:
1.通用性,不針對某一類風格、行業、角色等,任意內容的視頻都可以生成。
2.高質量,畫質精度高(達到1080p)、視頻時間長(最長達一分鐘)、畫面一致性強(理解物理規律)。
面對Sora,國內科技企業不像ChatGPT推出時那樣毫無准備。但到底跟or不跟,卻不再像ChatGPT那樣高度一致,而是分化成了三類:
第一類,明確跟進。
互聯網公司陣營中,以視頻爲核心業務的字節跳動、快手等,以及綜合科技公司騰訊,數字基建成熟,技術人才資源充沛,內部有視頻產品基因,幾乎第一時間選擇了跟進。字節跳動推出了即夢Dreamnia,快手也發布了可靈大模型。騰訊以混元大模型作爲核心,發布並开源了混元多模態生成模型,被認爲是騰訊版Sora。
大模型初創企業中,智譜AI的行動最爲敏捷,今年7月發布了AI視頻生成工具清影,支持用戶通過文本/圖片,生成10秒、4K、60幀視頻。MiniMax的海螺AI也在十月增加了視頻生成能力,支持文本提示詞生成6秒視頻片段。
第二類,堅決不跟。
與第一類企業的態度截然相反,互聯網公司和大模型創企中也有堅決不跟Sora的。比如Sora問世之後,百川智能的王小川就表示,團隊有人提出要做Sora,但他明確表態稱不會跟進這個方向。
同樣想法的還有百度李彥宏,盡管百度已經在視頻生成領域取得了一定的成果,但他不做Sora的態度也非常堅決,原因是Sora的商業化可能要五年甚至十年,目前百度更聚焦在大語言模型、多模態大模型,沒有類Sora的產品化嘗試。
第三類,淺嘗輒止。
除此之外,還有大量國內企業對於Sora,出於FOMO“恐懼錯過”心理有所布局,但並不重點投入,處於一種淺嘗輒止的狀態。
比如阿裏系中的阿裏媽媽團隊發布了tomoVideo,試水電商營銷的視頻生成場景;“大模型六小虎”中,月之暗面也推出了視頻生成模型,但仍聚焦在kimi產品上;零一萬物入局B端業務,而視頻生成模型面向的影視制作行業正處於調整期,類Sora產品也很難成爲核心增長點。
總結一下,如果說全球大模型是一場“鬥地主”,那么遊戲規則不再是OpenAI打出一張王炸,國內科技公司紛紛跟上,而是各自按照自己手裏的牌面、業務重要性和優先級,來確定Sora的出牌策略。
爲什么到了Sora,大模型行業的遊戲規則就變了?
國內科技企業的表現說明,對於Sora存在非共識,整體還是比較混亂、規則模糊的階段。迷霧中的領域,遊戲規則自然只能自行探索。
如今視頻生成領域的現狀,籠罩着三重迷霧。
技術迷霧:OpenAl認爲Sora是世界模擬器、通往AGl的一條有前途的途徑,這一技術路线目前存在不少爭議。
比如李飛飛、lecun等人認爲,Sora不能實現AGI。李飛飛提出,Sora仍是二維圖像,只有三維空間智能才能實現AGI。Sora預覽版展示的“日本女性走過霓虹閃爍東京街頭”的生成視頻,就無法把攝像機放在女子背後,說明Sora並沒有真的理解三維世界。學術大神Lecun也點名不看好Sora,說它根本不是真正的世界模型,並且仍會面臨GPT4的巨大瓶頸。
確實,即使是正式版Sora,生成的手部細節不准確,動態過程中的一致性等問題,依然存在。
而國內公司堅定不跟進Sora的原因之一,也是對這一技術路线保留意見。比如百川智能的王小川就認爲,Sora只是階段性產物,技術高度、突破性以及應用價值均不及GPT。總之,實現AGI、模擬物理世界的技術路线的开放性,決定了Sora並非唯一解。
商業迷霧:視頻生成模型的商用前景、投資回報比,在短期內都不明朗,成爲勸退國內企業的另一重阻礙。
預覽版和正式版Sora,都延續了OpenAI的“暴力美學”,OpenAI 研究科學家 Noam Brown 表示,Sora是scale力量最直觀的展示,也就是通過堆算力、對數據、對參數量的方式,來嘗試讓大模型湧現出理解物理世界的能力。這種方法成本高、資源投入大。是否跟進Sora,就取決於各家對模型的商用預期和投資回報比。
如果視頻生成模型面向ToB收費,通過API或SaaS服務,都需要基礎模型廠商投入大量人力去優化業務流程、开發交互頁面,而影視行業正處於調整周期,AI影視制作業務的增長有限。這就在無形中增加了AI企業的機會成本,因爲同樣的人力、物力、算力,投入到金融AI、教育AI、大型政企等領域,顯然收效更大。所以,百度、零一萬物等公司,都將視頻生成領域作爲邊緣業務,並不重點投入。
而ToC場景中,一方面個人付費意愿不高,視頻生成並不是大衆日常使用的高頻場景,而且生成成本和訂閱費一般都比文本模型高,加上Sora模型都沒能解決幻覺、一致性難題,未必能創造實際價值,所以C端付費規模十分有限。另一方面,模型完全免費,把視頻生成模型產品作爲企業的流量入口,這一商業模式只適合將視頻作爲核心業務的企業。
比如快手、字節跳動,本身就有核心的視頻業務,可以快速實現模型的規模化。面向C端用戶或B端生產力工具,這類企業能夠快速將視頻生成能力與現有產品進行集成與整合,模型研發的邊際成本是會隨着規模商用而下降的。
整體來看,對國內絕大多數基礎模廠,視頻生成領域都是一個相對邊緣、投資回報比不高的業務。
第三重迷霧,就是市場格局的競爭迷霧。
雖然視頻生成模型現在商業前景不明,但有沒有可能以後會爆發,企業悄悄投入然後驚豔所有人?這種押注邊緣賽道“撿大漏”的商業神話,在大模型身上恐怕很難發生。
當前,大模型的產品化、商業化前景普遍比較模糊,通用模型廠商都需要盡快從一大堆不甚明朗的產品中,選出一個更高成功概率和更大市場潛力的選項,重點投入。而在所有產品中,視頻生成模型是一個尤爲沉重且具有挑战性的項目。這種情況下,肯定要優先考慮成功率更高的產品,降低視頻生成模型的業務優先級。
換一個角度,即便企業將視頻生成模型的優先級放到最高,恐怕也很難建立起競爭優勢。因爲當前大模型的市場競爭情況跟GPT時期不太一樣,如今各家在基礎訓練設施、核心架構設計與技術儲備等方面都有了一定積累,復現Sora並上线類Sora應用的技術壁壘,其實沒有ChatGPT時期那么難了。這也意味着,即使企業先發布了視頻生成模型,也未必能長期保持競爭優勢和市場壟斷地位,這種競爭態勢也削弱了Sora的商業想象空間。
技術迷霧、商業迷霧、競爭迷霧,仍然籠罩在視頻生成領域,導致Sora這一場牌局有着太多的不確定,和太多可能。哪種理解是對的,哪條路线是最終贏家,目前都言之過早,各家只能按照自己的遊戲規則玩下去。
大模型技術必須繼續發展下去,但從Sora开始,國內科技企業不再緊跟着OpenAI亦步亦趨,开始有了自己的節奏感。
具體表現在,對於Sora這樣一鳴驚人的新東西,國內企業在大模型產品化、商業化上都有了自己的理解與思考,开始自己定義玩法,跟進Sora展現的是實力,不跟進Sora展現的是心態與战略定力。
此外,不一味跟進產品,但OpenAI的敘事能力仍然值得學習。
無論是2月用Sora搶走谷歌風頭,還是近期Sora正式上线,OpenAI總能一次次帶動節奏、設置議題、吸引關注,這對於資本密集型AI企業是非常重要的能力。
可以不跟進Sora,但不能遺漏關鍵技術。
以百度爲例,雖然沒有推出Sora產品的計劃,但自身也沒有缺席關鍵技術,比如自研了多模態可控生圖技術,能夠在保持實體特徵不變的情況下,實現圖像的高泛化生成,而可控性的提升,恰恰是視頻生成下一階段核心中的核心。此外,百度也沒有完全無視視頻生成領域,目前投資了視頻生成初創公司生數科技、AI視頻短劇公司井英科技等。
聚焦主賽道,以自身核心業務、商業優先級等多元因素來確定追趕Sora的輕重緩急。大模型的牌局,國內企業正在找到自己的節奏感。
原文標題 : Sora之後,視頻生成模型的中國牌局
標題:Sora之後,視頻生成模型的中國牌局
地址:https://www.utechfun.com/post/453787.html