商業頭條No.13|Sora沖擊波

界面新聞記者 | 肖芳 李京亞界面新聞編輯 | 劉方遠OpenAI發布Sora的當天，綠洲資本董事總經理胡哲人正在老家陪家人過春節假期。看到新聞之后，他第一時間到OpenAI官網查看了Sora的資料。“看得越多，感受到的沖擊和震撼就越大。”過去一年，胡哲人幾乎把AIGC領域文生圖、文生視頻的項目看了個遍，對Runway、Pika等海外公司的動態盯得也比較緊。但看到Sora的視頻演示片段，他還是有一種完全意想不到的感覺。很多AI投資人的反應和他類似。在ChatGPT出現之后，他們就一直在討論文生視頻的技術以及商用價值。但按他們的評估，距離技術成熟達到商用水平至少需要兩年，沒人預料到進展這么快。“視頻demo片段會不會是假的？”包括胡哲人在內的多位投資人看完Sora發布的新聞之后，都產生了類似的懷疑。理由是OpenAI公司前段時間遭遇了創始人被驅逐等諸多風波，現在為了抬高估值繼續融資，它急需放出一個吸引眼球的東西。胡哲人的懷疑則來自于OpenAI并沒有把Sora開放，絕大部分人都無法使用，只能看他們放出的演示。作為每年在國內看大量項目的投資人，直覺告訴他，這個東西沒有像ChatGPT一樣成為一個人人可用的產品，只能說明它還不成熟。他立刻和自己在上海交大的直系師弟進行了溝通，對方是非常知名的人工智能科學家。經過雙方交流，再結合OpenAI官網產品信息介紹和技術報告，胡哲人基本可以確認OpenAI的Sora不是忽悠。他仍然想得到更確切的信息，最終輾轉找到了在美國的朋友得到了Sora的內測機會。“我現在比較確認Sora是有真材實料的，而不是一個只為了宣傳的純市場行為。”怎么會這么快？在Google發布Gemini 1.5的當天，OpenAI放出了Sora，徹底打壓了前者的熱度。在正式發布之后，OpenAI相關團隊成員便不斷在社交平臺X上放出Sora的演示。它能根據用戶的文字提示，生成一段從細節精度、多樣性到對物理規律的理解上都令人驚嘆的視頻。這些內容被集合推送至OpenAI的TikTok賬號上，短短5天內便獲得了51.3萬次贊，粉絲數也漲至10.6萬。除了演示視頻，OpenAI還放出了兩份文件，一份是上線聲明，一份是技術報告。不過，自去年多模態大模型GPT-4問世之后，OpenAI官方釋出的報告愈發精簡，不再把細節公之于眾。比如這次就只字未提與模型架構、數據規模、訓練成本等相關的重點議題。外界只能結合報告，并通過已有的視頻做各種技術推演。在深入這一領域的研究者看來，Sora在關鍵指標上碾壓了目前市面上最好的文生視頻產品們。制圖：何苗研究員LiJun Yu目前在參與Google的VideoPoet項目，它是Google唯一有望和Sora形成競爭的產品。他在播客節目OnBoard!上表示，VideoPoet在生成視頻時長和分辨率這兩點都不及Sora, “我們的時長在2秒到5秒之間，很難一下子做到60秒。”這是極大的差距。一個視頻從幾秒到一分鐘，不是單純時間長度的升級，而是數據量、數據復雜度以及構建視頻空間連貫性、一致性這些信息的指數級增加。目前，業界普遍猜測Sora的成功延續了OpenAI的Scaling law法則，即通過海量的數據，大量的算力，再加上大參數模型，最終“大力出奇跡”。出門問問創始人李志飛認為，Sora很可能是訓練時將OpenAI的大語言模型LLM作為起點，然后再加入視頻的模態繼續訓練。“Sora團隊只有13人，肯定是大規模復用了大語言模型的東西。”云啟資本合伙人陳昱表示，其在2021年底天使輪投資了多模態基礎模型公司MiniMax。OpenAI似乎短期內不會向大眾開放Sora。除了在社交平臺上與CEO Sam Altman互動，外界并不能直接參與到Sora內測中去。OpenAI自己解釋稱，技術仍存在一些缺陷，包括一些空間問題。不過，這并不妨礙它成為現在世界上最強的文生視頻產品。OpenAI的技術報告也在標題上赫然指出，Sora這種視頻生成模型是「世界的模擬器」。“是不是又要換方向了？”同樣經歷了Sora帶來的震撼之后，一批應用層AI創業者開始坐不住了。“是不是又要換方向了？”一位文生視頻公司的創始人向界面新聞表達了他的挫敗感。目前，國內有100多家專門做AI文生圖和AI文生視頻的公司。去年下半年，Runway一些源代碼釋出，國內還出現了一批專門使用Runway做文生視頻的公司。因為ChatGPT的走紅帶火了整個AIGC賽道，投資機構也非常傾向于投資文生圖和文生視頻類公司，因為這類公司的產品和服務能夠很快出來，做出來的產品也比較酷炫。制圖：何苗“就像炒股，文生視頻是非常火爆的題材，去年下半年新入場的初創算是追到了高點，沒想到突然又出來Sora，可能有一批你聽都沒有聽過的公司直接就要消失了。”波形智能首席產品官萬磊表示。萬磊太熟悉這種感覺了，從去年年初創業以來，他看到了一批又一批AI創業公司因為GPT版本的升級迭代而死掉。他自己也是典型案例：最開始，萬磊做了一個AI英語口語培訓應用，主打的是用戶可以選擇不同性格的英語老師來對話練習，分析自己的語法問題。當時這是一個非常新鮮的創意，幾乎沒有人能模仿。但當GPT-3.5出來之后，大批競爭對手涌現，OpenAI的升級讓訓練難度大幅降低。而GPT-4發布之后，這個產品徹底喪失了競爭力，用戶可以直接和GPT語音對話，人物角色訓練只需要短短幾句話就能完成。同樣，去年上半年還涌現一批AI輔助視頻創作的公司，但并不像Sora這么智能，還需要素材庫的輔助。在嘉程資本創始合伙人李黎看來，Sora把視頻素材庫類的公司全部都顛覆掉了，這個方向的公司，她所在的機構也不會再投。但經歷了去年一波又一波的技術迭代之后，很多AI創業者和投資人對新技術帶來的創業公司倒閉潮已見怪不怪。在他們看來，AI創業就是在這種技術爆炸過程中摩擦成長的。“Sora的出現對國內的AI創業者也不是壞事。如果你對自己的創業項目還有期待的話，看到Sora之后就可以立刻停掉換方向了。”一位投資人表示，“這其實是救了很多公司，尤其是一些排位比較靠后的AI視頻類公司。”“融不到10億美金，可以洗洗睡了”在Sora發布之后，國內的基礎大模型公司開始了新一輪公關戰。月之暗面率先開戰，于2月19日宣布完成了最新一輪10億美元融資。而另一家公司，在還沒有完成新一輪10億美元融資之際，已經先向媒體放風公布了即將完成融資的消息。如果說應用層公司對Sora的反應是悲喜交加，那國內做基礎大模型的公司更像是遭遇了一次生死存亡的警告。Sora的出現再次驗證了大數據大算力的“暴力美學”，這會逼迫追趕者繼續去堆算力，但堆算力就意味著要燒更多的錢。“基礎大模型的創業公司，如果融不到10億美金，可以暫時洗洗睡了。”陳昱表示。這是一場持久戰，10億美金只是擠上牌桌的資格。要訓練一個等效于GPT-4的模型需要5000-10000張H系列的GPU卡，而每張卡的價格高達3萬美元，再加其他配套設備成本，投入可達數億美元。而這還不包括推理需要的算力和人力成本，未來的模型升級所花費的資金還要上一個數量級。業界普遍認為，在國內眾多基礎大模型創業公司中，留下的不會超過5家。當下正是各家公司打融資心理戰的時候，多一家公司公布融資信息，就意味著又有幾家將被擠下牌桌，需要盡早放棄基礎大模型的研發。制圖：何苗除了創業公司，互聯網大廠的情況也并不樂觀。在Sora發布之后，大廠中只有字節跳動公布正在研發一款名為Boximator的創新性視頻生成模型。但字節跳動官方給出的回應稱：Boximator是視頻生成領域控制對象運動的技術方法研究項目，目前還無法作為完善的產品落地，距離國外領先的視頻生成模型在畫面質量、保真率、視頻時長等方面還有很大差距。“這些互聯網大廠內部肯定在做，也一定有還沒放出來的。但我相信，這些大廠沒放出來，只能是因為效果還不盡如人意。”一位行業人士告訴界面新聞。而在另一位多模態大模型公司開發者看來，在用戶端爆火過的模特換裝和科目三舞蹈，根本不是真正意義上的文生視頻。模特換裝是通過改描述詞，修改視頻元素得成。而科目三舞蹈只是把模版視頻里的動作骨骼提取出來，再加到用戶上傳的自己那張照片上，只能算是動作提取。“基礎大模型核心還是要靠人才。”一位初創AI公司創始人對界面新聞表示。他在一家頭部互聯網大公司任職多年，熟知大廠內部的情況。他表示，一些大廠內的創業激情已經很少了，組織關系非常固化，年輕人想提一個意見很難。“而大模型真正需要的是年輕人拼了命去干，才能干成的。”事實上，新一輪搶人戰也在打響。最新消息顯示，資深人工智能專家，Google VideoPoet項目研究負責人蔣路被挖去了TikTok，這體現出字節不想置身事外的態度。多位字節內部人士告訴記者，去年6月字節內部決定不投資任何大模型公司，把所有精力都專注在自建模型上，但此后其全盤AI工作進展一直不順。人才會是算力之外的另一卡點，也是新的變數。昆侖萬維董事長兼CEO方漢日前稱，目前看，國內大模型公司最稀缺的是核心算法人才，但樂觀的是，供需情況會迅速得到緩解。“還是先追上GPT-4吧”既然Sora生成視頻的能力被公認是一項可用的強力資產，那國內有什么方法可以迎頭趕上？“我們現在根本還扯不到多模態的事情上去。”某互聯網大廠一位技術專家告訴記者，Sora問世幾天來，他們內部也很焦慮。“都還不知道接下來要怎么辦。”目前互聯網大廠中，只有字節、騰訊、百度披露了視頻生成相關的工作, 但水花不大。在頭部大模型初創公司中，也只有智譜在文生視頻方面有所布局。事實上，有沒有視頻生成模型也許不那么重要。“ChatGPT之前大家也都有聊天機器人啊……關鍵是能不能到達那個水準。”某大廠模型業務負責人有些無奈，據其透露，這家大廠暫不打算開展文生視頻方面的工作。初創方面則是另一番局面。去年下半年，國內AIGC領域融資向文生圖與視頻方向靠攏，一批外界很少聽聞的公司悄然成立之后又迅速走向消亡。文生視頻領域剩下的幾家佼佼者，包括清華大學計算機系教授朱軍的生數科技，原字節跳動視覺技術負責人王長虎創辦的愛詩科技，以及前京東副總裁梅濤創辦的HiDream。但目前這幾家的產品和 Sora 對比，已被全面碾壓。前亞馬遜首席科學家，著名深度學習專家李沐建議業界過一陣再來談Sora，他認同大量媒體的評價，即Sora的工作有點像視頻生成界GPT-2到GPT-3的時刻，模型本身跟前作變化不大，但使用了幾百倍算力，“目前報告關鍵問題有所缺失，相信學界和開源界會很快跟進。”現下，國內基礎模型層公司的當務之急并不是努力趕上Sora，而是努力趕上GPT-4。去年年中，有創業者專門詳細測試對比了所有國內主流大模型產品與GPT-4，得到的結論是“有很大進步空間”。科大訊飛董事長劉慶峰則公開表示，國產大模型在復雜知識推理、小樣本快速學習、超長文本處理、跨模態統一理解上跟GPT-4還有差距。“GPT-4放前面，Sora放后面，國內還是先把GPT-4搞好吧。”近日，與陳昱接觸的國內大模型創業者們目前也沒有特別焦慮，因為大家都沉浸在努力做GPT-4的進程之中，“我知道幾家包括大廠內部都在訓練，都沒有訓練完。”據他判斷，第二季度會是國內版“GPT-4”真正出爐的節點。萬磊感受到，去年大家普遍都在“卷技術”。這位大廠出身的90后創業者說，如果不做真正技術上的突破，大家對于“國外AI教父是奧特曼，國內是李一舟”的吐槽便會成為現實，這是他最擔憂的事情。“焦慮是沒有用的，不解決問題。”嘉程資本創始合伙人李黎稱，創業者必須仔細看清楚當前所處的位置，做好能做的事情。還有新機會嗎？當然，面對Sora其他人不是完全沒有機會。在Sora模型發布的當天，Meta推出了一款全新開源視頻預測模型V-JEPA。開源大語言模型在過去一年經歷了如火如荼的發展，其中的佼佼者與GPT-4之間的差距已經越來越小。硅谷風投機構Fusion Fund創始人張璐表示，開源領域有很大的競爭空間。她看好開源平臺層面上有新的語言模型能對標GPT-4，當然也會有新的多模態模型能追上Sora。技術的顛覆是更具想象力的一條道路。現在業界基本達成共識，Sora所做的是把擴散模型Diffusion和Transformer骨架結合在一起，加上大量的數據和算力最終產生了我們看到的結果。但這種方式也許不是文生視頻的最優解。圖靈獎獲得者、Meta首席科學家楊立昆就曾多次批判OpenAI的技術路線。Sora出現贏得所有人的驚嘆之后，他也表示這些視頻并不代表模型理解了物理世界。Amino Capital合伙人徐霄羽表示，Pika未來的技術路線也很值得觀察。這家初創公司目前正在自建模型。在對Sora技術路線的質疑聲中，老生常談“作為AI大模型主流架構的Transformer也許并非唯一解”被重新提上日程。硅谷投資人們一直認為，如果能出現其他超越Transformer的新模型，那OpenAI就不會獨占鰲頭。面對Sora的橫空出世，Runway CEO第一時間在X上發推稱，“game on（競爭開始了）” ，表態要和OpenAI正面競爭。國內技術派創業者也沒有示弱。“我們看到Sora也很激動，正在加班加點迎頭追趕。”王長虎創辦的愛詩科技仍保持樂觀，這家公司和Sora完全處在同一賽道之上。更多應用層的創業者則在思考如何能利用上Sora的能力來幫助自己。“Sora出來之后，我們非常興奮，做一個真的有血有肉的電影完全沒問題了。”萬磊第一時間意識到了公司的新機會，并立刻在合伙人群里分享自己看法。他參與創辦的新公司波形智能的主要業務是基于自研模型生成小說、劇本內容。去年，波形智能討論過將業務從劇本創作拓展至成品的短劇生成一條龍服務，但這個方向最終卡在了文生視頻的質量上，當時市面上的接口基本都無法達到滿意的效果。現在，也許新的機會就要來了。“現在我們的戰略可以重新調整了。”他說。