AI 界一夜變天

作者 | 柴旭晨

沒有絲毫預熱和劇透，Open AI 深夜直接丟下核彈炸了街，從業者深感要變天。

2 月 16 日凌晨，Open AI 發佈了首個 “文生視頻” 模型 Sora。官方介紹，Sora 能根據文字指令創造出包含豐富細節的逼真場景、角色，且能用多角度鏡頭，生成一鏡到底的 60 秒長視頻。

目前官網上已經更新了 48 個樣片，視頻中人物、背景都具有驚人的一致性。並且藉助於對語言的深刻理解，Sora 創造出的角色能表達豐富的情感。

更令業內驚歎的是，Sora 身上似乎開始出現 “世界模型” 的雛形。通過大量觀察訓練，它學會了許多關於真實世界的物理規律。

要知道，原先動畫影視公司為讓動物的數百萬根毛髮、皮膚紋理、衣物等細節在 3D 建模中表現得如現實場景般真實，為此專門成立研究部門，且投入了不菲的成本和時間才得以實現。而如今，Sora 只需要一行描述、幾次提示便能自動完成。

雖然 Open AI 坦言 Sora 仍有一些效果上的瑕疵，也因潛在的風險暫未對公眾開放。但憑藉着極度真實的視覺效果，這一足以 “模糊虛實” 的王炸級技術，正粗暴地衝擊着大眾心智。

事實上，文生視頻並非 Open AI 的獨門，賽道早已湧入大量玩家。去年下半年開始，谷歌、Meta 及部分 AI 創業公司相繼下場試水，國內的字節跳動也於 11 月推出了文生視頻模型 Pixel Dance，阿里雲的 Animate Anyone 以及百度文心大模型的類似功能同樣在內測。

入局者眾多，但各家效果卻未達預期，當 Runway Gen2、Pika、PixVerse 等 AI 視頻工具還在突破數秒內的連貫性時，Sora 已經將時長拉至 1 分鐘，大幅度拉高生成視頻的可用性。影眸科技 CTO 張啓煊評價道，Sora 跟 Pika、Runway 及同類玩家已拉開代差。

顛覆性的效果，伴隨的是顛覆性的思路。360 董事長周鴻禕指出，現在所有文生圖、視頻的模型都是在 2D 平面上對圖形元素進行操作，並未適用物理定律。

而 Open AI 利用了其大語言模型優勢，將 LLM 和 Diffusion 結合訓練，通過學習視頻，理解現實世界的動態變化規律，並模擬、創造出新的視覺內容，由此產生的視頻真實感十足。

回溯來看，文生視頻能蔚然成風，成為全球新一輪 AIGC 競賽的焦點，因為大家都嗅到了短視頻在全球直播電商、內容創作等新興行業的巨大機遇。周鴻禕就認為，Sora 可能給廣告業、電影預告片、短視頻行業帶來巨大顛覆，成為激發創作力的工具。

AI 從業者更一葉知秋地感受到，Sora 在展示視頻製作能力外，更多暗含的是大模型逐漸掌握對真實世界的理解及模擬能力後，可能會帶來更驚歎的突破和成果。

有強勁大模型的底座、基於對人類語言的解析、對人類知識和世界模型的瞭解，再疊加其他技術，周鴻禕認為這便可以創造各個領域的超級工具。因為這種 “先記憶，再預測”，正是人類理解並與世界交互的方式。

他舉例稱 ，Sora 對物理世界的模擬，就會對智能駕駛領域產生巨大影響。原先智駕 “重感知” 卻 “輕認知”，他認為人在駕駛時的很多判斷，是基於對這個世界的理解，缺乏這一點很難做出真正的無人駕駛。

行業專家普遍認為，應用層面衍化的終局，便是真正通用人工智能（AGI）時代的到來。

Sora 的技術文檔就寫道，“我們的結果表明，視頻生成模型是有希望向構建通用物理世界模擬器邁進的路徑”。

“一旦人工智能接上攝像頭，把所有電影、視頻都看一遍，其對世界的理解將遠超文字學習。AGI 真的就不遠了，不是 10-20 年的問題，可能一兩年就能實現。” 周鴻禕如是説道。

“我相信 Open AI 手裏或許還藏着一些秘密武器，無論是 GPT-5，還是機器學習自動產生內容。” 周鴻禕稱，“奧特曼是個營銷大師，知道怎樣掌握節奏”。

這與 Sam Altman 要籌集 7 萬億美元，塑全球 AI 芯片基礎設施的野心形成閉環，因為通往通用人工智能的道路上，需要極為龐大的算力。

近期有投資界人士透露，Open AI 正討論新一輪融資，估值高達千億美元。作為頭羊，有着獨霸 AI 行業、重塑全球 AI 芯片行業的龐大野心的 Open AI，勢必要藉助資本的助推不斷滾雪球。

回溯來看，在這場 AI 公司、資本交織的遊戲中，技術迭代一直是跳躍式的，並不會給大家慢慢來的時間。

未來的世界和 AI 行業究竟會駛向何方？還難以斷言，但眼下的 2024，必將又是刺激的一年。