OpenAI Sora画的饼，AI行业集体给它圆了......吗？

本文由 松果财经 撰写/授权提供，转载请注明原出处。

文章来源于：松果财经

作者：在辉

AI 文生视频领域，几乎只剩 Sora 还是个期货了。

最近两个月，国内外的 AI-generated Video 应用持续爆发，中国的快手、字节、智谱 AI、生数科技、爱诗科技，海外的谷歌、Luma、Runway，格局如八仙过海。

虽然不同平台水平差异依旧存在，但整体可用性已经大大提高，而且风格化特征也比较全面。唯一的缺憾是，在融入工作流方面，AI 视频工具们的水平还是差了一点。Sora 画的饼，要交给这些后来者去圆了。        

业界民间都把视频视为 AI 应用落地的重点领域。英伟达 CEO 黄仁勋在 7 月 30 日的全球顶级计算机图形学会议 SIGGRAPH 2024 上邀请了 Meta 的 CEO 扎克伯格进行对话，双方都认可视频能力会是 AI 大模型的进化方向。

出身于英伟达研究小组的 Luma AI 首席科学家宋佳铭，在与 a16z 合伙人 Anjney Midha 对谈时说，视频关联着 3D 世界，从学习角度看，视频数据使模型更好地理解和推理 3D 世界。所以，实时高质量的视频生成，最终会推动具身AI的发展。

视频就是这样一座“桥”，而现在大量的 AI 公司正在试图抢先通过它，尤其是 OpenAI 让 Sora 变成了外界用不到的期货，给了其他平台进一步发展的空间。

（整理自公开信息）

（图源：天眼查）

超长战线背后是这些公司的试探。一部分是关于商业模式，另一部分是关于技术应用前景。

可灵、即梦、Vidu 等都推出了会员订阅模式，在 C 端进行应用普及化尝试。爱诗科技创始人王长虎此前在接受财新采访时表示：“爱诗目前的策略以 2C（面向消费者）为主，广泛收集国内外用户反馈，以更好地基于用户体验迭代底层模型。”至于更远的应用，现在来谈则为时尚早，主要是因为 C 端的收费模式无法承担成本。

Luma AI 采取了 To C 的产品形态，不过它原本专注于 3D 领域，进入视频生成领域是为了探索 3D 生成与重建的更多可能性，以视频驱动 3D 发展。这在产业领域有更多的应用前景，例如批量制造电影需要的三维素材等。

最重要的是，Luma AI 的期望不是售卖技术或者素材，而是建立类似 TikTok 这样的平台，也就是一个基于 3D 的生态系统。王长虎也在和极客公园创始人张鹏对话时表示，爱诗科技也瞄准的是“AIGC 时代的平台性机会”，但平台的形态暂时无法预测，因为AI产业不会以复制现在已有的平台的方式成长。

不仅如此，目前让 AI-generated Video 进入完整工作流的应用已经在成形。开源视频编辑工具 Clapper 最近热度上升，它的特色就是集合各类 AI 技术，用 prompt 的方式调动 AI Agent 生成和迭代故事，直接跳过了手工编辑文件的过程。

（图源：机器之心）

由此可见，AI-generated Video 的进化速度远比我们想象得要快。目前，行业的重点无疑在于生成速度和生成效率两个方面。但是，大模型并不提供完全确定的商业模式方向，这更多取决于团队的选择。而在这个过程中，除了商业化之外，AI 公司还要思考怎么避免陷入合规困境、成本困境。所以，把文生视频变得成熟并不容易，现在仅仅相当于 ChatGPT 刚刚问世的阶段。

a16z 之前就发表过观点，巨头在从科研成果到商业产品的转化中需要更关注法律安全、版权等问题，所以往往效率会慢。我们不去考虑 Sora 是不是因为这个原因始终不露面，单看行业都要面对的相关问题，逻辑其实是一样的。

1.商业化的“落差”，目前的 AI-generated Video 很难满足甲方们的需求

彭博社曾报道，OpenAI 一直试图向好莱坞推荐 Sora，但并不成功。用Sora制作的第一则商业化广告是 6 月公开的玩具反斗城广告。然而，这则视频不但用了一些旧素材，公开新闻稿也没有说完全由 AI 生成。

导演 Nik Kleverov 还在一条已经删除的动态里表示，制作这些镜头的创意机构 Native Foreign 提供了大约十几个工作人员参与工作，Sora 支持了 80% 到 85% 的流程。这对需要高效低成本的 AI-generated Video 来说算不上什么好消息。

2.训练成本、高质量数据集难以满足

视频的本质可以视为一系列图像，图像有很多公开的数据集，但是视频没有。OpenAI 遇到过违规使用 YouTube 视频进行训练的指控，英伟达最近被媒体曝光从 Netflix 和 YouTube 收集了大量数据，用来训练自己的 Cosmos 项目，用于支持其 AI 产品往现实世界发展。它每天可以下载相当于 80 年的视频内容。

这体现了两个关键点：一是黄仁勋和 Luma 的观点类似，AI 视频的发展确实对 AI 进入 3D 世界意义重大，英伟达也是这样做的：文本——图像——视频——三维模型——现实世界。二是视频数据集是个大问题，除了版权问题，这些视频数据还缺乏标签，斯坦福大学教授 Stefano Ermon 说，现阶段缺乏筛选和过滤好视频的方法，而且筛选后还要考虑它们的标签和描述。

3.AI 资产泡沫的问题，AI 必须为用户解决重要复杂的问题才能有价值，但现在它的发展成效，远远不能和互联网等技术当年初生时的情况相比

Benchmark 合伙人 Michael Eisenberg 在最近的一期访谈中，引用了其好友 Atreides Management 创始人 Gavin Baker 关于大模型发展的观点：“基础模型是历史上贬值最快的资产。”

他所举的例子来自 Seeking Alpha 的创始人，类似金融领域这种每分钟都会进行业务和数据更新的高频领域，训练出来的模型只能完成写报告之类的常规工作，但无法应对数据的高速刷新，满足金融预测未来的需求。

而且，其他技术的发展是确定性的，互联网发展早期虽然泡沫巨大，但已经体现了应用路径；而 AI 浑身都是不确定性。互联网发展的边际成本几乎约等于 0（或者说其中不少都分担给了运营商和用户），然而 AI 成长的边际成本涉及大量固定资产，现在都由创业者自己承担，而且越投入边际改善效应越弱。大量的早期投入，很可能是一个陷阱。

技术革命之后必须伴随产业革命，产业革命则需要现象级产品的引领。AI 更需要的是一个成功的场景。目前看来，AI-generated Video 还没有拿到这类成果的起色。

Perplexity 的创始人 Arin 对此提供了另外一个观点，那就是基础模型的价值本质映射着背后团队的价值，即 Sora 之于 OpenAI，文心大模型之于百度。不是 Sora 能革了视频的命，只是外界相信由 OpenAI 领导的 Sora 具备这样的可能性而已。当 Sora 没能提供符合我们预期的突破时，谁能在这个领域担起大任呢？

由此出发，关键或许在于谁能先把 AI-generated Video 真正融入到某一个商业系统的工作流中去，就像 Clapper 对视频制作的探索一样。而这就是一个更大的问题了，因为它涉及到和其他领域的融合——气象、城市、影视、汽车、制造业。也许 Sora 会在今年的某天拿出一个更具体的成果，也许是其他的创业公司颠覆了我们对 AI 视频的认知。

扫码关注公众号

获取更多技术资讯