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日淩晨，Open AI釋出了第一個「文生視訊」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秒長視訊。
目前官網上已經更新了48個樣片，視訊中人物、背景都具有驚人的一致性。並且借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。
更令業內驚嘆的是，Sora身上似乎開始出現「世界模型」的雛形。透過大量觀察訓練，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發、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作。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。但憑借著極度真實的視覺效果，這一足以「模糊虛實」的王炸級技術，正粗暴地沖擊著大眾心智。
事實上，文生視訊並非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及部份AI創業公司相繼下場試水，國內的字節跳動也於11月推出了文生視訊模型Pixel Dance，阿裏雲的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視訊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，大振幅拉高生成視訊的可用性。影眸科技CTO張啟煊評價道，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董事長周鴻祎指出，現在所有文生圖、視訊的模型都是在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，透過學習視訊，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，由此產生的視訊真實感十足。
回溯來看，文生視訊能蔚然成風，成為全球新一輪AIGC競賽的焦點，因為大家都嗅到了短視訊在全球直播電商、內容創作等新興行業的巨大機遇。周鴻祎就認為，Sora可能給廣告業、電影預告片、短視訊行業帶來巨大顛覆，成為激發創作力的工具。
AI從業者更一葉知秋地感受到，Sora在展示視訊制作能力外，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，可能會帶來更驚嘆的突破和成果。
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了解，再疊加其他技術，周鴻祎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互動的方式。
他舉例稱 ，Sora對物理世界的模擬，就會對智慧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，套用層面衍化的終局，便是真正通用人工智慧（AGI）時代的到來。
Sora的技術文件就寫道，「我們的結果表明，視訊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」。
「一旦人工智慧接上網路攝影機，把所有電影、視訊都看一遍，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，可能一兩年就能實作。」周鴻祎如是說道。
「我相信Open AI手裏或許還藏著一些秘密武器，無論是GPT-5，還是機器學習自動產生內容。」周鴻祎稱，「阿特曼是個行銷大師，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慧的道路上，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，有著獨霸AI行業、重塑全球AI芯片行業的龐大野心的Open AI，勢必要借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，技術叠代一直是跳躍式的，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。
