拉大中美AI差距的Sora,真能让好莱坞们失业吗?

钛度号
Sora在多个方面重新定义了AI视频生成模型的标准。

图片来源@视觉中国

图片来源@视觉中国

文 | 阿尔法公社,作者 | 许四清(阿尔法公社创始合伙人、CEO,连续创业者)

2月16日凌晨,OpenAI发布了自己的首个AI视频生成模型—Sora。这是一个历史性的里程碑,扩散模型结合OpenAI大获成功的transformer,在视觉领域实现了与大语言模型类似的突破。毫无疑问,视觉生成领域将有一次大的技术和商业革命。

本文将分别讨论:1. Sora是什么,怎么工作的,2. Sora引发的产业机会,3. 是不是大树之下寸草不生,这个领域的创业公司都要"挂"了。

01 Sora是什么,怎么工作的

Sora在多个方面重新定义了AI视频生成模型的标准:

  • a.它将视频时长从当前的5-15秒,直接提升到了1分钟,这个长度完全可以应对短视频的创作需求。从OpenAI发表的文章看,如果需要,超过1分钟毫无任何悬念。
  • b.它可以生成多个镜头,并且各个镜头具有角色和视觉风格的一致性。
  • c.不仅可以用文字prompt生成视频,还支持视频到视频的编辑,当然也可以生成高质量的图片,Sora甚至还可以拼接完全不同的视频,使之合二为一、前后连贯。
  • d.它是扩散模型, 更是扩散模+Transformer的视觉大模型,并且产生了涌现现象,对现实世界有了更深刻的理解和互动能力,具有了世界模型的雏形。

它能生成更真实,一致性更强的多镜头长视频

OpenAI官方公布了数十个示例视频,充分展示了Sora模型的强大能力。

人物的瞳孔、睫毛、皮肤纹理,都逼真到看不出一丝破绽,真实性与以往的AI生成视频是史诗级的提升,AI视频与现实的差距,更难辨认。
1

无人机视角的东京街头景色,让Sora在复杂场景展现,人物动作自然度等方面的优势展露无遗。
1

在山道上穿梭的复古SUV,可以看到真实性很高。
1

Sora 可以在两个输入视频之间逐渐进行转场,在完全不同主题和场景构成的视频之间创建无缝过渡。

扩散模型+Transformer是如何工作的

OpenAI的团队从大语言模型的大规模训练中汲取了灵感,对应大语言模型的文本数据表示tokens,它们将视觉数据分割成数据块 ,首先将视频压缩到较低维的隐式特征,然后分解为时空数据块,这些数据块的作用就相当于token在大语言模型中的作用,用于训练Sora。

讲中文,就是Sora是把图片/视频都token化了。
1

Sora是一个基于扩散模型(Diffusion Model)的视频模型,但是它是一个扩散 Transformer模型,Transformer已经证明了把语言、视觉和图像生成一同实现的强大能力。

它基于DALL·E和GPT模型的研究成果,采用了DALL·E 3的重标注技术,通过GPT的能力,使模型更加准确地遵循用户的文本指令生成视频。

所以,Sora是扩散模型+transformer的视觉大模型。
1

除了能根据文本指令生成视频外,这款模型还能将现有的静态图像转化成视频,精确细致地赋予图像中内容以生动的动画。模型还能扩展现有视频或补全缺失的帧。

Sora的出现,进一步拉大了中美在AI方面的差距。

Sora仍有很大缺陷

但是,尽管Sora在技术和性能表现上有了巨大的提升,它仍有不少的局限性,在理解复杂场景的物理原理、因果关系、空间细节、时间推移上存在弱点。例如它不能很好地表现玻璃碎裂。
1

还有在吹蜡烛之前和吹蜡烛之后,火苗没有丝毫变化。
1

它也搞反了人在跑步机上跑步的方向。
1

OpenAI只是提供了生成的视频展示,随着Sora的发布,同时还引发了人们对滥用视频生成技术的担忧。为此,公司并未向外正式开放Sora的使用,而是精心挑选了一批"受信任"的专业人士做测试。

02 Sora引发的产业机会

首先,这是一个里程碑式的技术进步。

其次,在视频应用的场景中,能展示不等于能实用。如果说实现商业化需要做到100分(60分技术+40分场景),以往人工能做到90分,Sora的出现只解决了那60分,甚至到75分,还是有一段商业化的路径,需要靠人工或技术+商业创新完成。

第一,可控性。无论是商业场景还是创作场景,视频要按照人的意志或客观规律完成动作,这无疑是个巨大的挑战。

举个例子,有人提出物理模型,实际上目前的Sora能精美生成和炫技,但如果要能展示特定场景,比如一个皮球掉到地上反复弹起来,是要一个物理模型支撑的,目前diffusion+transformer还无法解决。

第二,prompt(提示词)的挑战本身仍然是个技术活儿,视觉领域,一般非专业人员很难用好视觉的生成,这既需要训练,更有待技术突破,让外行变内行。

所以,创作要面向实用场景,空间依旧很大。60分或75分之上,都是场景创新的机会。

场景创新的机会,属于懂场景、懂模型的创造者。

对于好莱坞,大家看过《繁花》就知道了。面对王家卫那样的大导演,科技创新的工具,目前最多可以提高实现指定场景的效率。宝总、玲子、爷叔短时间内是机器替代不了的。

我们看到的可能不是AI让电影人失业,而是AI让电影人们创造更好的作品。

03 国内外一批创新公司要挂了吗?

首先,赢家未必通吃。美国的商业生态有个显著特点,就是一流公司做平台,二流公司做全线产品,三流公司搞客户。

OpenAI的Sora,是一个伟大的工程进步,有一点像工业界走在了国家拨款支持科研的前面(整个LLM的出现就是这样,搞得学者们很被动),只是这个突破在工业界而不是学界最先实现,距离商业化还有一段路要走。

领先的公司要在关键领域确保自己的领导地位,突破技术,建立平台,也会做垂类应用,但更重视吸引广大开发者参与,而不是有点突破就摊大饼,把应用都做完。

所以,60分之上,仍有很大空间。这点,看看Salesforce上千家应用就清楚了。

其次,根据OpenAI的论文看,支持60秒视频的路径讲的很清楚,帮助很多创业公司节约了数以千万计的探索成本(向OpenAI致敬!),但同时也给创业者提供了很大的想象空间。

如果只要15秒,如果提高视频主体的高度可控性,如果需要控制主体在视频中的路径,会不会有其它的选择?Diffusion transformer是不是有更好的用法?还是那句话,模型能力决定了一个创业团队的高度,60分之上,模型支撑的应用见分晓。会模型、懂应用的创业公司大有机会。

在美国这个市场里,跟跑的大公司喜欢选择通过兼并收购拉近差距,小团队跑得快,起跑快并进大公司价值高。

国内的兼并收购不那么活跃,大厂喜欢下场什么都做。但是OpenAI跑得这么快,这么大的赛道上机会层出不穷,大厂难免没别的想法,万一别的大厂抢了先呢。

还是那句话,这是一个让狮子和土狼一起奔向光明的大赛场。

当然,视频大模型的背后是训练和推理算力的超线性增长,楚河汉界的两边,需求量分别再次加大,算力、基础设施、工具层需求加大,分别给中美创业者提供了更多新机会。

(本文首发钛媒体App)

参考文献:

  1. OpenAI. Video generation models as world simulators. https://openai.com/research/video-generation-models-as-world-simulators
  2. MIT Technology review. OpenAI teases an amazing new generative video model called Sora. https://www.technologyreview.com/2024/02/15/1088401/openai-amazing-new-generative-ai-video-model-sora/
  3. 本文部分视频和动图来自网络。

许四清个人简介
阿尔法公社 创始合伙人、CEO

阿尔法公社 创始合伙人、CEO

许四清,阿尔法公社创始合伙人、CEO,连续创业者,曾三次创业,2010年作为COO成功带领创业公司在美国NASDAQ上市。曾担任创新工场投资合伙人、奇虎360首席营销官,后加入中经合任董事总经理负责中国的投资和管理工作,2015年创立天使投资机构阿尔法公社。

许四清拥有20年以上IT、互联网及电信行业的工作经验, 曾开创微软公司华南区业务并就任第一任总经理,担任中国网络通信有限公司数据业务总经理、艺龙旅行网首席市场营销官等职务。

许四清获得2020、2022、2023年“福布斯中国最佳创投人top100”称号 ,并获得36氪 “2023最受创业者欢迎投资人”等多个奖项。许四清毕业于中国科学技术大学和中国科学院,分别获得学士和硕士学位,主修近代力学和材料物理。

本文系作者 阿尔法公社 授权钛媒体发表,并经钛媒体编辑,转载请注明出处、作者和本文链接
本内容来源于钛媒体钛度号,文章内容仅供参考、交流、学习,不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现,点击这里投稿 。创业或融资寻求报道,点击这里

敬原创,有钛度,得赞赏

赞赏支持
发表评论
0 / 300

根据《网络安全法》实名制要求,请绑定手机号后发表评论

登录后输入评论内容

快报

更多

19:27

今年一季度全国餐饮收入13445亿元,同比增长10.8%

19:27

两部门:解除德国30月龄以下剔骨牛肉疯牛病禁令

19:26

苏州推出汽车、家电“以旧换新”新政,总补贴1.2亿元

19:24

被出售给浙江国资?滨江集团回应:消息不实

19:21

瑞银将中国2024年GDP增速预期从4.6%上调至4.9%

19:19

摩尔多瓦宪法法院批准就摩加入欧盟进行全民公投

19:18

小米集团今日于港交所斥资约4783万元回购300万股

19:17

刘强东AI数字人直播首秀,京东两大采销直播间观看人次均逾千万

19:12

新余国科:公司被禁止参加军队物资工程服务采购活动

19:10

科技部部长阴和俊会见德国联邦数字和交通部长,就推动中德电动汽车等领域合作进行交流

19:09

新华保险:一季度累计原保险保费收入为571.93亿元

19:08

杭州第三批次8宗涉宅用地167.2亿元成交,滨江集团74亿元拿下两宗地块

19:05

中国核建:截至3月累计实现新签合同414.55亿元

19:04

河南省委宣传部原副部长朱夏炎接受审查调查

19:04

城市房地产融资协调机制首批“白名单”项目审批金额超5000亿元

19:01

对冲基金巨头桥水基金已使用AI工具参与投资,人工智能成为其主要增配方向

18:53

郑州:配售型保障性住房收购项目单套建面和套型比例可适当放宽

18:52

金壮龙会见德国数字化和交通部部长维辛

18:51

豪美新材:一季度净利润5871.33万元,同比增长177.6%

18:50

国家药监局:研究出台针对性举措,加快推动医疗机器人标志性产品上市应用

扫描下载App