Sora，自2月16日OpenAI發(fā)布后一直被吐槽是“技術(shù)期貨”，終于在12月10日，正式版Sora露面了，可以生成最高 1080p 分辨率、最長(zhǎng) 20 秒的視頻。

OpenAI CEO奧特曼稱，Sora正式版是視頻生成領(lǐng)域的GPT-1時(shí)刻。

但國(guó)內(nèi)AI企業(yè)，并沒有像跟進(jìn)GPT時(shí)期一樣，在視頻生成領(lǐng)域也與OpenAI保持同步，而是呈現(xiàn)出更復(fù)雜的態(tài)度。

有人選擇跟進(jìn)，比如Sora問世之后，互聯(lián)網(wǎng)公司如阿里、字節(jié)跳動(dòng)、快手、騰訊等，AI公司如智譜AI、MiniMax、愛詩(shī)科技、生數(shù)科技等，都陸續(xù)發(fā)布了視頻生成模型，不少都表示達(dá)到或超越了預(yù)覽版Sora。

也有人選擇不跟進(jìn)，包括互聯(lián)網(wǎng)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(huì)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，但都不作為重點(diǎn)。

視頻生成賽道，不再延續(xù)GPT時(shí)代的發(fā)展模式，即OpenAI打出一張王牌，國(guó)內(nèi)科技企業(yè)搶著要跟。Sora之后，國(guó)內(nèi)AI牌局開始有了自己的節(jié)奏，也呈現(xiàn)出更為復(fù)雜的局勢(shì)。

有能力做通用基礎(chǔ)大模型的國(guó)內(nèi)科技公司，在技術(shù)路線、商業(yè)前景等判斷上，開始出現(xiàn)明顯分野。我們就從國(guó)內(nèi)企業(yè)跟進(jìn)Sora的選擇與否，聊聊視頻生成的中國(guó)牌局。

首先我們要明確一下，國(guó)內(nèi)對(duì)標(biāo)Sora模型的科技公司，到底在做什么？

簡(jiǎn)單來說，Sora視頻生成模型的核心技術(shù)路線是Diffusion+Transformer相結(jié)合，通過文本（自然語言）、圖片、視頻作為提示詞prompts進(jìn)行視頻生成。

對(duì)標(biāo)Sora的模型，至少要具備幾個(gè)特點(diǎn)：

1.通用性，不針對(duì)某一類風(fēng)格、行業(yè)、角色等，任意內(nèi)容的視頻都可以生成。

2.高質(zhì)量，畫質(zhì)精度高（達(dá)到1080p）、視頻時(shí)間長(zhǎng)（最長(zhǎng)達(dá)一分鐘）、畫面一致性強(qiáng)（理解物理規(guī)律）。

面對(duì)Sora，國(guó)內(nèi)科技企業(yè)不像ChatGPT推出時(shí)那樣毫無準(zhǔn)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(jìn)。

互聯(lián)網(wǎng)公司陣營(yíng)中，以視頻為核心業(yè)務(wù)的字節(jié)跳動(dòng)、快手等，以及綜合科技公司騰訊，數(shù)字基建成熟，技術(shù)人才資源充沛，內(nèi)部有視頻產(chǎn)品基因，幾乎第一時(shí)間選擇了跟進(jìn)。字節(jié)跳動(dòng)推出了即夢(mèng)Dreamnia，快手也發(fā)布了可靈大模型。騰訊以混元大模型作為核心，發(fā)布并開源了混元多模態(tài)生成模型，被認(rèn)為是騰訊版Sora。

大模型初創(chuàng)企業(yè)中，智譜AI的行動(dòng)最為敏捷，今年7月發(fā)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(jiān)決不跟。

與第一類企業(yè)的態(tài)度截然相反，互聯(lián)網(wǎng)公司和大模型創(chuàng)企中也有堅(jiān)決不跟Sora的。比如Sora問世之后，百川智能的王小川就表示，團(tuán)隊(duì)有人提出要做Sora，但他明確表態(tài)稱不會(huì)跟進(jìn)這個(gè)方向。

同樣想法的還有百度李彥宏，盡管百度已經(jīng)在視頻生成領(lǐng)域取得了一定的成果，但他不做Sora的態(tài)度也非常堅(jiān)決，原因是Sora的商業(yè)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(tài)大模型，沒有類Sora的產(chǎn)品化嘗試。

第三類，淺嘗輒止。

除此之外，還有大量國(guó)內(nèi)企業(yè)對(duì)于Sora，出于FOMO“恐懼錯(cuò)過”心理有所布局，但并不重點(diǎn)投入，處于一種淺嘗輒止的狀態(tài)。

比如阿里系中的阿里媽媽團(tuán)隊(duì)發(fā)布了tomoVideo，試水電商營(yíng)銷的視頻生成場(chǎng)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(chǎn)品上；零一萬物入局B端業(yè)務(wù)，而視頻生成模型面向的影視制作行業(yè)正處于調(diào)整期，類Sora產(chǎn)品也很難成為核心增長(zhǎng)點(diǎn)。

總結(jié)一下，如果說全球大模型是一場(chǎng)“斗地主”，那么游戲規(guī)則不再是OpenAI打出一張王炸，國(guó)內(nèi)科技公司紛紛跟上，而是各自按照自己手里的牌面、業(yè)務(wù)重要性和優(yōu)先級(jí)，來確定Sora的出牌策略。

為什么到了Sora，大模型行業(yè)的游戲規(guī)則就變了？

國(guó)內(nèi)科技企業(yè)的表現(xiàn)說明，對(duì)于Sora存在非共識(shí)，整體還是比較混亂、規(guī)則模糊的階段。迷霧中的領(lǐng)域，游戲規(guī)則自然只能自行探索。

如今視頻生成領(lǐng)域的現(xiàn)狀，籠罩著三重迷霧。

技術(shù)迷霧：OpenAl認(rèn)為Sora是世界模擬器、通往AGl的一條有前途的途徑，這一技術(shù)路線目前存在不少爭(zhēng)議。

比如李飛飛、lecun等人認(rèn)為，Sora不能實(shí)現(xiàn)AGI。李飛飛提出，Sora仍是二維圖像，只有三維空間智能才能實(shí)現(xiàn)AGI。Sora預(yù)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(jī)放在女子背后，說明Sora并沒有真的理解三維世界。學(xué)術(shù)大神Lecun也點(diǎn)名不看好Sora，說它根本不是真正的世界模型，并且仍會(huì)面臨GPT4的巨大瓶頸。

確實(shí)，即使是正式版Sora，生成的手部細(xì)節(jié)不準(zhǔn)確，動(dòng)態(tài)過程中的一致性等問題，依然存在。

而國(guó)內(nèi)公司堅(jiān)定不跟進(jìn)Sora的原因之一，也是對(duì)這一技術(shù)路線保留意見。比如百川智能的王小川就認(rèn)為，Sora只是階段性產(chǎn)物，技術(shù)高度、突破性以及應(yīng)用價(jià)值均不及GPT?？傊?，實(shí)現(xiàn)AGI、模擬物理世界的技術(shù)路線的開放性，決定了Sora并非唯一解。

商業(yè)迷霧：視頻生成模型的商用前景、投資回報(bào)比，在短期內(nèi)都不明朗，成為勸退國(guó)內(nèi)企業(yè)的另一重阻礙。

預(yù)覽版和正式版Sora，都延續(xù)了OpenAI的“暴力美學(xué)”，OpenAI 研究科學(xué)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(duì)數(shù)據(jù)、對(duì)參數(shù)量的方式，來嘗試讓大模型涌現(xiàn)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(jìn)Sora，就取決于各家對(duì)模型的商用預(yù)期和投資回報(bào)比。

如果視頻生成模型面向ToB收費(fèi)，通過API或SaaS服務(wù)，都需要基礎(chǔ)模型廠商投入大量人力去優(yōu)化業(yè)務(wù)流程、開發(fā)交互頁(yè)面，而影視行業(yè)正處于調(diào)整周期，AI影視制作業(yè)務(wù)的增長(zhǎng)有限。這就在無形中增加了AI企業(yè)的機(jī)會(huì)成本，因?yàn)橥瑯拥娜肆?、物力、算力，投入到金融AI、教育AI、大型政企等領(lǐng)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(lǐng)域作為邊緣業(yè)務(wù)，并不重點(diǎn)投入。

而ToC場(chǎng)景中，一方面?zhèn)€人付費(fèi)意愿不高，視頻生成并不是大眾日常使用的高頻場(chǎng)景，而且生成成本和訂閱費(fèi)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(chuàng)造實(shí)際價(jià)值，所以C端付費(fèi)規(guī)模十分有限。另一方面，模型完全免費(fèi)，把視頻生成模型產(chǎn)品作為企業(yè)的流量入口，這一商業(yè)模式只適合將視頻作為核心業(yè)務(wù)的企業(yè)。

比如快手、字節(jié)跳動(dòng)，本身就有核心的視頻業(yè)務(wù)，可以快速實(shí)現(xiàn)模型的規(guī)?；Ｃ嫦駽端用戶或B端生產(chǎn)力工具，這類企業(yè)能夠快速將視頻生成能力與現(xiàn)有產(chǎn)品進(jìn)行集成與整合，模型研發(fā)的邊際成本是會(huì)隨著規(guī)模商用而下降的。

整體來看，對(duì)國(guó)內(nèi)絕大多數(shù)基礎(chǔ)模廠，視頻生成領(lǐng)域都是一個(gè)相對(duì)邊緣、投資回報(bào)比不高的業(yè)務(wù)。

第三重迷霧，就是市場(chǎng)格局的競(jìng)爭(zhēng)迷霧。

雖然視頻生成模型現(xiàn)在商業(yè)前景不明，但有沒有可能以后會(huì)爆發(fā)，企業(yè)悄悄投入然后驚艷所有人？這種押注邊緣賽道“撿大漏”的商業(yè)神話，在大模型身上恐怕很難發(fā)生。

當(dāng)前，大模型的產(chǎn)品化、商業(yè)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(chǎn)品中，選出一個(gè)更高成功概率和更大市場(chǎng)潛力的選項(xiàng)，重點(diǎn)投入。而在所有產(chǎn)品中，視頻生成模型是一個(gè)尤為沉重且具有挑戰(zhàn)性的項(xiàng)目。這種情況下，肯定要優(yōu)先考慮成功率更高的產(chǎn)品，降低視頻生成模型的業(yè)務(wù)優(yōu)先級(jí)。

換一個(gè)角度，即便企業(yè)將視頻生成模型的優(yōu)先級(jí)放到最高，恐怕也很難建立起競(jìng)爭(zhēng)優(yōu)勢(shì)。因?yàn)楫?dāng)前大模型的市場(chǎng)競(jìng)爭(zhēng)情況跟GPT時(shí)期不太一樣，如今各家在基礎(chǔ)訓(xùn)練設(shè)施、核心架構(gòu)設(shè)計(jì)與技術(shù)儲(chǔ)備等方面都有了一定積累，復(fù)現(xiàn)Sora并上線類Sora應(yīng)用的技術(shù)壁壘，其實(shí)沒有ChatGPT時(shí)期那么難了。這也意味著，即使企業(yè)先發(fā)布了視頻生成模型，也未必能長(zhǎng)期保持競(jìng)爭(zhēng)優(yōu)勢(shì)和市場(chǎng)壟斷地位，這種競(jìng)爭(zhēng)態(tài)勢(shì)也削弱了Sora的商業(yè)想象空間。

技術(shù)迷霧、商業(yè)迷霧、競(jìng)爭(zhēng)迷霧，仍然籠罩在視頻生成領(lǐng)域，導(dǎo)致Sora這一場(chǎng)牌局有著太多的不確定，和太多可能。哪種理解是對(duì)的，哪條路線是最終贏家，目前都言之過早，各家只能按照自己的游戲規(guī)則玩下去。

大模型技術(shù)必須繼續(xù)發(fā)展下去，但從Sora開始，國(guó)內(nèi)科技企業(yè)不再緊跟著OpenAI亦步亦趨，開始有了自己的節(jié)奏感。

具體表現(xiàn)在，對(duì)于Sora這樣一鳴驚人的新東西，國(guó)內(nèi)企業(yè)在大模型產(chǎn)品化、商業(yè)化上都有了自己的理解與思考，開始自己定義玩法，跟進(jìn)Sora展現(xiàn)的是實(shí)力，不跟進(jìn)Sora展現(xiàn)的是心態(tài)與戰(zhàn)略定力。

此外，不一味跟進(jìn)產(chǎn)品，但OpenAI的敘事能力仍然值得學(xué)習(xí)。

無論是2月用Sora搶走谷歌風(fēng)頭，還是近期Sora正式上線，OpenAI總能一次次帶動(dòng)節(jié)奏、設(shè)置議題、吸引關(guān)注，這對(duì)于資本密集型AI企業(yè)是非常重要的能力。

可以不跟進(jìn)Sora，但不能遺漏關(guān)鍵技術(shù)。

以百度為例，雖然沒有推出Sora產(chǎn)品的計(jì)劃，但自身也沒有缺席關(guān)鍵技術(shù)，比如自研了多模態(tài)可控生圖技術(shù)，能夠在保持實(shí)體特征不變的情況下，實(shí)現(xiàn)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(lǐng)域，目前投資了視頻生成初創(chuàng)公司生數(shù)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(yè)務(wù)、商業(yè)優(yōu)先級(jí)等多元因素來確定追趕Sora的輕重緩急。大模型的牌局，國(guó)內(nèi)企業(yè)正在找到自己的節(jié)奏感。