您现在的位置是：首页 > 科技科技
“开年王炸”Sora，在顶级“技术咖”眼里什么段位？
小财2024-02-24【科技】61521人已围观
据OpenAI官网介绍，Sora能够生成具有多个角色、特定类型的运动以及主体和背景的、细节准确的复杂场景，该模型不仅了解用户在提示中提出的要求，还了解这些东西在物理世界中的“存在方式”。业界普遍认为，Sora的面世将对AI产业链带来历史性的变革机遇。
机构人士指出，以Sora为代表的文生视频模型极大缩短了AGI（通用人工智能）时代到来的时间。随着多模态大模型逐步升级，算力需求将呈现指数级增长，下游应用有望百花齐放，推动应用领域生产力价值释放。
那么，Sora的横空出世将为人工智能产业链带来怎样的机遇和发展？如何看待中美之间在人工智能领域的发展差异？为此，《围炉谈文创》栏目本期邀请到三位来自不同细分领域、分别活跃于成都、深圳、北京的技术大咖分享他们最新的感受与观察。
咕咚CEO申波：Sora的本质是一个“世界模拟器” 中国公司会在AI硬件和应用方面快速发展
作为中国最大运动社交和赛事服务平台――咕咚的创始人，申波是一名不折不扣的“技术狂人”，崇拜“MySQL之父”Monty和马斯克，关注全球最新的技术及产品趋势。
他的办公桌上总是堆满了各种技术类书籍，从Stable Diffusion，到DeepMind，再到ChatGPT，他都能信手拈来。他在朋友圈笑言，“以后退休了，得找个面朝大海春暖花开的大院子coding（编程）。”
谈及Sora对行业的影响，申波表示，“OpenAI开发的文本到视频生成器Sora，有潜力显著影响依赖视觉内容的多个行业，特别是影视娱乐、教育和营销行业。”
就运动健康应用领域而言，申波告诉《每日经济新闻》记者，“Sora能够以新颖的方式吸引用户，将锻炼描述或健康提示转化为引人入胜、易于跟随的视频。这将通过提供动态的互动内容来增强用户体验，比单纯的文本或静态图像更有效地激励和指导用户。”
相比较Runway和Pika等类似产品，申波指出，“与早期主要关注生成短片的模型不同，Sora旨在生产长达一分钟的高细节视频，并致力于在视频长度上保持连贯性。此外，由于Sora能创造更引人入胜、更全面的内容，这可能使其在提供更丰富用户内容方面具有区别于其他工具的优势。本质上说Sora是一个‘世界模拟器’ 而不仅仅是文本生成视频工具。”
谈及近年中美在人工智能领域不同的发展特点和重点，申波向每经记者分析道，“美国公司如OpenAI和Google DeepMind在生成式AI技术方面取得了重大进展，例如ChatGPT和DALL-E，这些技术引领了市场和技术趋势。中国则在应用研发和商业化方面显示出新的进展，特别是AI在教育、健康、零售和安全等领域的应用。中美之间的主要差异可能在于创新的焦点、市场应用的速度和政策环境。”
目前，中国在生成式AI领域有哪些走在比较前面的应用场景和玩家？申波表示，“国内无论是大模型还是应用方面，都快速涌现出了一系列的创业公司，如百川智能，当然巨头也参与其中了，包括百度、阿里、腾讯等等。而且近日OPPO和魅族都发布了ALL IN AI的战略，全力开发推广AI手机。所以我觉得中国公司会在AI硬件和应用方面快速发展并引领行业，在大模型基座以及中文大模型上面缩小并赶上美国的水平。”
安克创新CIO龚银：Sora加速实现“千人千面”但也会稀释掉用户注意力
长期活跃于粤港澳大湾区的龚银（Neil），曾任OnePlus平台中心副总裁、创始团队高管，现任安克创新CIO，他对分布式系统、高性能高可靠系统、云计算等领域保持着持续关注和实践。
谈及Sora的横空出世，龚银表示，“这将给游戏、短视频、影视、广告和元宇宙等高品质视频内容制作的行业带来直接冲击。”
在龚银看来，Sora与此前市面上的同类产品相比拥有诸多优势。“Sora生成内容的质量更好，（尤其是在）复杂场景、角色表情、复杂的镜头运动等方面稳定性、一致性更好，三维空间的连贯性比较好，没有断层或抽离感。视频长度进一步扩展，支持60S逼真视频，基本可商用，可以生成类似游戏等互动类数字内容，想象空间更广泛。”
从技术架构上看，龚银分析道，“Transformer架构具备更好的学习性和扩展性，涌现能力更强。而runway和pika更多还是依靠图像转帧方式，连续性还未得到验证。我们在2023年就一直尝试runnway来制作和生成视频，但其稳定、一致性和可商用能力其实还是很弱，Sora的出现一下子解决了这些问题。”
就消费电子行业来说，龚银直言，“特别是我们涉及全球各区域电商平台或线上平台，依靠大量广告和内容来获取流量和打造品牌，Sora的出现对我们行业的影响利弊各半，一方面，内容的制作成本大幅下降，效率得到了质的提升，同时也有希望实现千人千面的内容；另一方面，大量内容的出现会稀释掉用户的注意力，品牌想通过内容获取用户心智的难度更大了。”
事实上，从ChatGPT开启生成式AI时代，到国内一众玩家开启“百模大战”，再到今天Sora的横空出世，中美在人工智能领域呈现出较大的发展差异。
“从已有的结果上看，美国在创新能力、创新环境、创新能力工程化和市场化等各方面能力目前还是全球最强的，”龚银表示。
龚银还指出，“国内模仿能力强，业务应用层场景丰富。在具备基础设施和能力的前提下，在AI应用层面会有一些创新和突破。另外，国内擅长在已有创新的基础上集中资源办大事，需要的是一些时间。”
谈及国内比较成熟的生成式AI应用场景和玩家时，龚银认为，“（目前）还没有看到特别成功的，一些品牌和电商其实都在摸索。在营销领域，大部分还是在文生图、文生文等方面做一些场景的尝试，比如运营活动的文案和图片、产品场景图、多语言翻译、多语言自动生成等；在研发领域，大部分是在尝试代码辅助编写，类似github和copilot。应用最多的还是在客服领域，自动服务机器人，大部分公司都有在尝试，还有一些类似AI Agent之类的应用场景。”
原贝壳金服小微企业生态CTO史海峰：Sora惊艳之处在于对场景时空更强的理解和推测能力
史海峰曾任贝壳金服小微企业生态CTO、饿了么北京研发中心总经理，也曾在神州数码(000034)、亚信联创长期从事电信行业业务支撑系统集成工作，参与中国移动、中国联通(600050)多个项目，具有丰富的大型业务系统研发实施经验。
在20余年的工作历程中，史海峰以架构师的身份活跃于IT圈，曾获腾讯云最具价值专家（TVP），开设了《IT民工闲话》公众号，常自侃“大叔级 IT 民工”。
史海峰指出，最新发布的Sora其惊艳之处不仅仅在于时间，还包括空间的延伸、视角的变换，需要“脑补”更多细节，体现了对场景时空更强的理解和推测能力。
“从文字生成文字，再到文字生成图片是一个飞跃，从图片到生成目前的无声视频（或者从单帧视频到多帧），似乎还挺顺理成章。什么时候通过音频能够把空间进一步体现，那会比现在更加惊艳，另一个维度则是实时交互。再往后大概又是AR、VR、元宇宙了。”
“作为提升生产力、降低成本门槛的工具，从C端和B端分别看的话，对UGC和PGC都会产生影响，到底有多大冲击还很难判断。在纯CG动画方面，可能大幅降低制作成本。如果支持对视频的加工再创作，在短视频、影视制作方面也可能带来新的模式，会涉及到影视、广告、社交、教育、游戏等行业。（同时）也会给反诈、维护知识产权带来更高要求，”史海峰告诉记者。
谈及中美在人工智能领域的发展差异，史海峰表示，“在AI时代，芯片是基座，数据是生产要素，是训练AI的养料，而最重要的是人才。（人工智能）竞争门槛高、迭代快，在达到技术上限前，不适合弯道超车或者体现后发优势，我们必须要追赶，并脚踏实地。”
本文作者系天府文创云记者谢陶，转载合作相关可搜索“天府文创云”公众号。
每日经济新闻
