瑞承：Sora，让谁骚动，让谁紧张？

2024年2月16日凌晨，OpenAI发布了“文生视频”（text-to-video）工具Sora，在全世界引发“科技海啸”。

 

不同语言的人们在全球的社交媒体上惊呼：现实，已被颠覆。

 

多日以来，围绕Sora的讨论不绝于耳，或欣喜激动，多担忧紧张。从股市到好莱坞，从国内大咖到国际顶尖专家，都做出了不同程度的反应。本文将为您详细盘点。

 

01

Sora有何魅力？

 

Sora一经发布就席卷全球，更在龙年首个交易日在A股掀起AI热潮。

 

同花顺App显示，截至2月19日收盘，人工智能板块涨6.30%。多支Sora相关概念股上涨，其中，当虹科技、因赛集团、万兴科技等股价涨停。

 

 

作为开年AI王炸，Sora到底是什么？

Sora是OpenAI发布的文生视频模型。它能够按照用户输入的提示词、文本指令或静态图像，来创造出长达一分钟的逼真且充满想象力的视频场景。视频不仅逻辑性和连贯性极佳，还能实现多角度镜头的自然切换。

 

在发布中，OpenAI展示了Sora文本生成的视频：

 

△Sora生成视频截图

 

而该视频的文本仅有几句话：

 

一位时尚的女人走在东京的街道上，街道上到处都是温暖的发光霓虹灯和动画城市标志。她身穿黑色皮夹克，红色长裙，黑色靴子，背着一个黑色钱包。她戴着墨镜，涂着红色口红。她自信而随意地走路。街道潮湿而反光，营造出五颜六色的灯光的镜面效果。许多行人四处走动。

 

众多媒体人表示，Sora的推出对于视频内容的制作方式可能带来革命性的变化，相比较目前的AI视频制作，Sora具有颠覆性特点：

 

文本到视频的转换：用户只需提供文字、图片描述，Sora就能将这些描述转化为具体的视频内容，极大地简化了视频制作流程。

视频质量和逼真度更高：Sora生成的视频内容分辨率高、画面流畅，视频效果不输业内专业人士的制作。

长时间视频生成：相比其他模型，Sora可以生成长达一分钟的视频。要知道，Sora的竞争对手Runway去年8月推出的第二代模型，每次还只能生成最高18秒的视频。

时空一致性：根据Sora演示来看，即便对视频进行扩展，它也能够赋予模型“前瞻性”，确保视频主题在画幅外也能保持不变，达到更符合逻辑的时空一致性。

 

Sora的制作团队有多年轻？

除了超强的文本视频生成能力，Sora的年轻化制作团队也引发关注。

 

据悉，Sora两位主要负责人Tim Brooks和William (Bill) Peebles都在2023年刚刚博士毕业。

 

Tim Brooks，DALL-E 3作者之一，GitHub 5.7k星项目InstructPix2Pix作者，2021-2022年在英伟达实习时，就是视频生成研究的项目负责人。

 

 

William (Bill) Peebles，和谢赛宁合作，创作出了Sora的技术基础之一DiT（扩散Transformer），论文还曾入围CVPR 2022最佳论文候选。

 

 

00后选手和多位华人也让Sora的队伍充满了多元化。团队中的“00后”Will DePue，2022年从密西根大学计算机系本科毕业。他在高中时候就已经参与了很多项目开发，并成立了自己的公司。2023年7月，其加入OpenAI，2024年1月加入Sora项目组。

 

 

Sora项目组中的华人Li Jing是DALL-E 3的共同一作，2014年本科毕业于北京大学物理系，2019年获得MIT物理学博士学位，2022年加入OpenAI。

 

 

华人作者中还有Ricky Wang，今年一月刚刚从Meta/Instagram跳槽到OpenAI。

 

 

另外两位Yufei Guo、Clarence Ng还未公开资料。

 

正是这样一支年轻化队伍打磨的文生视频APP，刚上线就引发好莱坞等影视行业的震惊。

 

02

Sora出现，将打破视频制作壁垒

 

Sora的腾空出世，给影视行业带来史诗级变革。

 

与国内大A不同的是，Sora发布后，几家美国科技公司的股价应声跌落。Adobe股价暴跌超7%；美国图片库、图片素材、Shutterstock跌超5%；Lumiere的谷歌母公司股价下挫1.58%。

 

影像创意行业认为Sora生成的视频质量足以缩短电影拍摄周期，电影生产方式本身的高壁垒和独断性将会被打破。

 

AI产品“奇袭”，引发影视制作行业紧张和担忧。

 

实际上在2023年，好莱坞就曾进行了长达半年的罢工。原因之一是巨头们有意使用AI取代一部分编剧的工作，此次罢工被认为是人类抵抗AI威胁的首次集体行动。

 

虽然好莱坞罢工已经平息，AI产品改变影视制作仍有众多需要改进的环节，但年初发布的Sora指数级飞跃速度再次让人们陷入担忧。

 

电影导演兼视觉效果专家迈克尔·格雷西表示：“看看我们在图像生成的一年里取得了什么进展。一年后我们会在哪里？”

 

《综艺》评论称“自从上周OpenAI发布文本生成视频模型Sora以来，人们对于这种AI功能的预测越来越‘惶恐’，毕竟与之前的同类工具相比，OpenAI似乎带来巨大的飞跃”。Sora是迄今为止最令人印象深刻的视频生成模型之一，其“现实主义效果”将有望在高端娱乐中发挥作用。

 

《人工智能革命：超级智能之路》的作者、著名科技作家蒂姆·厄本据此预测：“21世纪将实现20世纪1000倍的进步。”

 

而正在举行的柏林电影节上，Sora也成为电影人热议的话题。

 

洛杉矶导演戴夫·克拉克(Dave Clark)认为：创作者需要接受人工智能技术来制作尚未想象或实现的内容，而不是感到威胁。

 

德国视觉特效工作室Trixter董事总经理克里斯蒂娜·卡斯珀斯-罗默(Christina Caspers-Roemer)则表示，像Sora这样的人工智能工具被证明在工作流程中更高效、更快。

 

Sora在视频生成领域的优越能力为塑造影视产业业态开启了新方式，或许在未来，特效师、高难度动作、科幻题材、大场面制作只要几行字就能打造出恢宏场景，相关行业更是将其称之为“潘多拉魔盒”。

 

因此，众多行业专家也纷纷下场预测Sora未来应运前景。

 

03

Sora狂飙，未来前景将如何发展？

 

在游戏行业，Share Creators创始人兼CEO Ada Liu认为，视频生成带来的改变将是“跨时代”的。“在游戏行业， AI可以帮助生成前期的概念图，UI icon等。计算机图形制作的流程非常长，从3D制作，到渲染、合成，每个环节都需要投入大量专业的人员。尤其在风格探索阶段，如果直接生产出视频，相当于直接跳到最后一步，节省了大量的制作时间和成本。”

 

在影视制作行业，Sora发布之初，周鸿祎就预言Sora“可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具”。

 

中国社会科学院法学研究所副研究员唐林垚表示：“如果Sora的能力真如官方公布一样强大，且之后可以像ChatGPT一样便捷访问，那么Sora将给广告行业、影视行业和特效行业带来极大的冲击。”

 

对AI产业，IDC中国研究总监卢言霞表示：Sora的发布，以及后续科技巨头的跟进，有望对AI产业带来再一轮爆发式的增长。

 

虽然Sora在全球掀起了惊涛骇浪，但是其细节和逻辑还有一些瑕疵。根据Sora 生成的人类考古视频，椅子在画面中凭空出现，而且不受重力影响飘浮在空中。

 

△Sora生成视频截图

 

对此，AI圈大佬对于Sora的物理引擎提出了新的问题：Sora到底懂不懂物理世界？

 

图灵奖得主 Yann LeCun表示Sora生成视频的过程与基于世界模型的因果预测完全不同，更理想的做法是生成视频后续内容的抽象表达，并消除与我们可能所采取动作无关的场景中的细节。

 

Keras 之父 François Chollet 则阐述了更细致的观点。他认为，像 Sora 这样的视频生成模型确实嵌入了「物理模型」，但问题是：这个物理模型是否准确？它能否泛化到新的情况，即那些不仅仅是训练数据插值的情形？

 

Chollet 表示以上问题至关重要，因为它们决定了生成图像的应用范围 —— 是仅限于媒体生产，还是可以用作现实世界的可靠模拟。

 

针对Sora的弱点，知名 AI 学者、Meta AI 研究科学家田渊栋认为Sora 是否有潜力学到精确的物理（当然现在还没有），其背后的关键问题是：为什么像「预测下一个 token」或「重建」这样简单的思路会产生如此丰富的表示？

 

其并提出建议：为了更好地理解事物，我们确实需要揭开 Transformers 的黑匣子，检查给定反向传播的训练动态，以及如何学习隐藏的特征结构，并探索如何进一步改进学习过程。

 

04

 

其实类似的文生视频模型也早有端倪。例如谷歌的VideoPoet，能够执行包括文本到视频、图像到视频、视频风格化等操作；Meta的Emu Video，能够基于文本和图像输入生成视频剪辑；Runway的Gen2不仅解决了AI生成视频中每帧之间连贯性过低的问题，在从图像生成视频的过程中也能给出很好的结果，因此还被称为“AI视频界的MidJourney”；以及文生视频软件Pika，也在推出之初就引发了AI视频的应用热潮。

 

可以说Sora的出现受伤最大的是友商。Sora发布后，Runway的CEO克里斯托瓦尔·巴伦苏埃拉在X平台上给出了一个简短的宣言：“Game On（比赛开始了）。”

 

Sora的出现，点亮了人们对影视行业未来发展的展望，用小说生成电视剧，人人做导演或许将在未来变成可能。

 

但在视频生成技术广泛使用和 AI模型层出不穷的背景下，Sora想要克服物理逻辑，并且实现AI模型的透明度和可解释性，可能还要“再飞一会”......

 

关于瑞承

瑞承作为专为高净值人士、企业家群体提供服务的品牌，致力于围绕企业家客户群体的“企、传、投”需求提供综合咨询服务解决方案。

 

长期深耕企业家“企、传、投”服务，通过多年资产配置能力、科技能力、国际化能力和综合服务能力的持续建设，为客户在资产配置、家族传承、企业发展与提升、品质生活、公益金融等方面提供全方位服务，长期陪伴企业家客户的企业、个人和家庭成长，奔赴更加美好的事业与生活。

 

参考信息：

1、全网刷屏的Sora，有多可怕？

2、Sora火爆全网 相关股掀涨停潮

3、Sora爆火48小时：杨立昆揭秘论文，参数量或仅30亿

4、Sora到底懂不懂物理世界？一场头脑风暴正在AI圈大佬间展开

5、Sora“轰炸”影视圈，普通人的风口来了

6、Sora让好莱坞紧张了！

7、引爆A股的Sora，到底是啥？一文看懂

8、全网刷屏的Sora，有多可怕？

9、爆火的Sora，摩拳擦掌的出海人

10、IDC：Sora正式发布前、多模态大模型爆发前夜的十大思考