一文詳解Sora！人工智能的又一個里程碑
2024年伊始，當地時間2月16日，OpenAI再向世界扔了一枚AI炸彈——視頻生成模型Sora，它僅僅根據提示詞，就能生成60秒的連貫視頻，其中包含高度詳細的場景、復雜的攝像機運動以及充滿活力的情感的多個角色，也可以根據靜態圖像制作動畫。
一如一年前的ChatGPT，Sora被認為是AGI（通用人工智能）的又一個里程碑時刻。
同日，360創始人周鴻祎提到自己對Sora的看法：Sora的誕生意味著AGI(通用人工智能)實現可能從十年縮短至一兩年。
這個模型如此轟動，并不只是因為AI生成的視頻時間更長、清晰度更高，而是OpenAI已經超越過去所有AIGC的能力，生成了一個與真實物理世界相關的視頻內容。OpenAI提出了一個全新的概念——世界模擬器，這將是實現AGI的一個重要里程碑。
——-Sora如何成為“世界模擬器”？
OpenAI新發布的Sora模型，一腳踹開了2024年AI視頻賽道的大門，徹底與2023年以前的舊世界劃出了分界線。
OpenAI從一開始瞄準的就不是視頻，而是所有存在的影像。
影像是一個更大的概念，視頻是其中的一個子集，例如大街上滾動的大屏、游戲世界的虛擬場景等等。OpenAI要做的事情，是要以視頻為切入口，涵蓋一切影像，模擬、理解現實世界，也就是其強調的“世界模擬器”概念。
正如AI電影《山海奇境》制作人、星賢文化陳坤告訴光錐智能，“OpenAI在向我們展示它在視頻方面的能力，但真正的目的在于獲取人們的反饋數據，去探索、預測人們想要生成的視頻是什么樣的。就像大模型訓練一樣，一旦工具開放，就相當于全世界的人在為其打工，通過不斷標記、錄入，讓其世界模型變得越來越聰明。”
于是我們看到，AI視頻成為了理解物理世界的第一個階段，主要突出其作為“視頻生成模型”的屬性；發展到第二個階段，才能作為“世界模擬器”提供價值。
抓住Sora“視頻生成”屬性的核心在于——找不同，即Sora和Runway、Pika的差異性體現在哪里？這個問題至關重要，因為某種程度上解釋了Sora能夠碾壓的原因。
首先的一點，OpenAI沿用了訓練大語言模型的思路，用大規模的視覺數據來訓練一個具備通用能力的生成模型。這與文生視頻領域“專人專用”的邏輯完全不同。
其次，在Sora身上第一次展現了擴散模型與大模型能力的完美融合。
AI視頻就像一部電影大片，取決于劇本和特效兩個重要元素。其中，劇本對應著AI視頻生成過程中的“邏輯”，特效則對應著“效果”。為了實現“邏輯”和“效果”，背后分化出了兩條技術路徑擴散模型和大模型，而OpenAI如此迅速地就解決了這個難題。
“模擬”之所以能夠如此炸裂，根本的原因在于，用大模型創造出不存在的事物人們已經習以為常，但是能夠準確地理解物理世界運轉邏輯，例如力是如何相互作用的，摩擦是如何產生的，籃球是如何打出拋物線的等等，這些都是以前任何模型都無法完成的事情，也是Sora超越視頻生成層面的根本意義所在。
——-顛覆視頻，但遠不止視頻
Sora成為世界模擬器或許是很久以后的事情，但是就生成視頻而言，已經對現在的世界產生了影響。
第一類就是解決之前技術上面無法突破的問題，推動一些行業邁向新的階段。
最典型的就是影視制作行業，Sora這回最具革命性的能力就是最長生成視頻長度達到了1分鐘。作為參考，大熱門Pika所能生成的長度在3秒、Runway的Gen-2生成長度在18秒，這意味著有了Sora以后，AI視頻將能成為真正的生產力，實現降本增效。
陳坤告訴光錐智能，在Sora誕生前，其利用AI視頻工具制作科幻電影的成本已經下降至了一半，Sora落地后，更加值得期待。
Sora發布后，令他印象最深刻的是一個海豚騎車的demo。在那個視頻中，上半身是海豚，下半身是人的兩條腿，腿上還穿了鞋子，在一種極具詭異性的畫風中，海豚完成了作為人騎自行車的動作。
“這對我們來說簡直太神奇了！這個畫面創造出了一種又有想象空間，又符合物理定律的荒誕感，既是情理之中又出乎意料，這才是觀眾能發出驚嘆的影視作品”，陳坤道。
陳坤認為Sora會像當年的智能手機、抖音一樣，把所有內容創作者門檻降低一大步，把內容創作者呈數量級放大。
第二類是基于模擬世界的能力，在更多領域中創造出新的事物。
愛丁堡大學的博士生Yao Fu表示：“生成式模型學習生成數據的算法，而不是記住數據本身。就像語言模型編碼生成語言的算法（在你的大腦中）一樣，視頻模型編碼生成視頻流的物理引擎。語言模型可以視為近似人腦，而視頻模型近似物理世界。”
學會了物理世界中的普遍規律，讓具身智能也更加接近人的智能。例如在機器人領域，以前的傳導流程為，先給到機器人大腦一個握手的指令，再傳遞到手這個部位，但是由于機器人無法真正理解“握手”的含義，所以只能把指令轉化為“手的直徑縮小為多少厘米”。若世界模擬器成為現實后，機器人就可以直接跳過指令轉化的過程，一步到位理解人的指令需求。
雖然Sora還有許多局限性，但在虛擬和現實世界之間已經建立了一個鏈接，這讓無論是頭號玩家式的虛擬世界，還是機器人更像人類，都充滿了更大的可能性。
從OpenAI發布文生視頻大模型Sora回看生成式人工智能行業發展情況：
——AI大模型是一種新的智能計算范式
超大規模智能模型，簡稱大模型，是近年興起的一種新的人工智能計算范式。和傳統AI模型相比，大模型的訓練使用了更多的數據，具有更好的泛化性，可以應用到更廣泛的下游任務中。按照應用場景劃分，AI大模型主要包括語言大模型、視覺大模型和多模態大模型等。業界典型的自然語言大模型有GPT-3、源、悟道和文心等。視覺大模型也已廣泛應用于自動駕駛、智能安防、醫學影像等領域。基于多模態大模型的以文生圖技術也迅速發展，AI內容生成(AI Generated Content，AIGC)已成為下一個AI發展的重點領域。
——AIGC行業熱度高，受資本追捧
截止2023年4月，AIGC賽道目前在國外已出現了7家獨角獸。在我國，超參數和小冰公司已明確成為獨角獸公司，Minimax據傳估值過10億美元，光年之外則宣布下一輪融資已被認購2.3億美元。目前，最受頭部資本關注的機構均與底層大模型相關或與AI領軍人物下場相關(如王慧文光年之外、李志飛、周伯文、王小川等)。
多家機構已高度明確要將AIGC作為主投賽道，個別投資機構已經推出了相應的主體孵化項目。整體而言，大部隊還處在缺乏明確邏輯和標的的觀望狀態。但預計本年度融資規模將有數倍增長。隨著底層大模型的逐步開放以及商業價值的落地驗證，預計融資規模將在2024年出現首次階段性的指數級增長，投資向AIGC全產業鏈擴散。
——中國AI應用在金融、電信制造、醫療行業加速滲透
目前，隨著數字經濟與實體經濟融合程度不斷加深，以及互聯網平臺的數字化場景向元宇宙轉型，人類對數字內容總量和豐富程度的整體需求不斷提高。AIGC作為當前新型的內容生產方式，已經率先在傳媒、電商、影視、娛樂等數字化程度高、內容需求豐富的行業取得重大創新發展，市場潛力逐漸顯現。與此同時，在推動數實結合、加快產業升級的進程中，金融、醫療、制造、工業等各行各業的AIGC應用也都在快速發展。
據IDC，2022年中國人工智能行業應用滲透度排名前五的行業依次為互聯網、金融、政府、電信和制造。另外，AI為自動駕駛、交通物流所賦予的價值也不容忽視，據麥肯錫預計，AI為交通領域創造3800億元的經濟價值。
文章來源：前瞻網/光錐智能，圖片來源：網絡。
本文已標注來源和出處，版權歸原作者所有，如有侵權，煩請聯系我們刪除！
上一篇：工信部等十二部門聯合印發《工業互聯網標識解析體系“貫通”行動計劃（2024—2026年）》
下一篇：中央財經委員會：多措并舉助力有效降低全社會物流成本
