互联网公司阵营中,以视频为核心业务的字节跳动、快手等,以及综合科技公司腾讯,数字基建成熟,技术人才资源充沛,内部有视频产品基因,几乎第一时间选择了跟进。字节跳动推出了即梦Dreamnia,快手也发布了可灵大模型。腾讯以混元大模型作为核心,发布并开源了混元多模态生成模型,被认为是腾讯版Sora。
大模型初创企业中,智谱AI的行动最为敏捷,今年7月发布了AI视频生成工具清影,支持用户通过文本/图片,生成10秒、4K、60帧视频。MiniMax的海螺AI也在十月增加了视频生成能力,支持文本提示词生成6秒视频片段。
第二类,坚决不跟。
与第一类企业的态度截然相反,互联网公司和大模型创企中也有坚决不跟Sora的。比如Sora问世之后,百川智能的王小川就表示,团队有人提出要做Sora,但他明确表态称不会跟进这个方向。
同样想法的还有百度李彦宏,尽管百度已经在视频生成领域取得了一定的成果,但他不做Sora的态度也非常坚决,原因是Sora的商业化可能要五年甚至十年,目前百度更聚焦在大语言模型、多模态大模型,没有类Sora的产品化尝试。
第三类,浅尝辄止。
除此之外,还有大量国内企业对于Sora,出于FOMO“恐惧错过”心理有所布局,但并不重点投入,处于一种浅尝辄止的状态。
比如阿里系中的阿里妈妈团队发布了tomoVideo,试水电商营销的视频生成场景;“大模型六小虎”中,月之暗面也推出了视频生成模型,但仍聚焦在kimi产品上;零一万物入局B端业务,而视频生成模型面向的影视制作行业正处于调整期,类Sora产品也很难成为核心增长点。
总结一下,如果说全球大模型是一场“斗地主”,那么游戏规则不再是OpenAI打出一张王炸,国内科技公司纷纷跟上,而是各自按照自己手里的牌面、业务重要性和优先级,来确定Sora的出牌策略。
为什么到了Sora,大模型行业的游戏规则就变了?
国内科技企业的表现说明,对于Sora存在非共识,整体还是比较混乱、规则模糊的阶段。迷雾中的领域,游戏规则自然只能自行探索。
如今视频生成领域的现状,笼罩着三重迷雾。
技术迷雾:OpenAl认为Sora是世界模拟器、通往AGl的一条有前途的途径,这一技术路线目前存在不少争议。
比如李飞飞、lecun等人认为,Sora不能实现AGI。李飞飞提出,Sora仍是二维图像,只有三维空间智能才能实现AGI。Sora预览版展示的“日本女性走过霓虹闪烁东京街头”的生成视频,就无法把摄像机放在女子背后,说明Sora并没有真的理解三维世界。学术大神Lecun也点名不看好Sora,说它根本不是真正的世界模型,并且仍会面临GPT4的巨大瓶颈。
确实,即使是正式版Sora,生成的手部细节不准确,动态过程中的一致性等问题,依然存在。
而国内公司坚定不跟进Sora的原因之一,也是对这一技术路线保留意见。比如百川智能的王小川就认为,Sora只是阶段性产物,技术高度、突破性以及应用价值均不及GPT。总之,实现AGI、模拟物理世界的技术路线的开放性,决定了Sora并非唯一解。
商业迷雾:视频生成模型的商用前景、投资回报比,在短期内都不明朗,成为劝退国内企业的另一重阻碍。
预览版和正式版Sora,都延续了OpenAI的“暴力美学”,OpenAI 研究科学家 Noam Brown 表示,Sora是scale力量最直观的展示,也就是通过堆算力、对数据、对参数量的方式,来尝试让大模型涌现出理解物理世界的能力。这种方法成本高、资源投入大。是否跟进Sora,就取决于各家对模型的商用预期和投资回报比。
如果视频生成模型面向ToB收费,通过API或SaaS服务,都需要基础模型厂商投入大量人力去优化业务流程、开发交互页面,而影视行业正处于调整周期,AI影视制作业务的增长有限。这就在无形中增加了AI企业的机会成本,因为同样的人力、物力、算力,投入到金融AI、教育AI、大型政企等领域,显然收效更大。所以,百度、零一万物等公司,都将视频生成领域作为边缘业务,并不重点投入。