技术狂潮？颠覆认知？全网热议的Sora到底是什么？

Sora的诞生是一个历史性的里程碑，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。

什么是SORA？

Sora是一个AI视频模型，使用者用文字描述需求，Sora就能生成一个以假乱真的AI原创视频。

在Open AI官网给出的案例中，提示词如下：

A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.

翻译成中文即：

一个时髦的女人走在东京的街道上，街道上充满了温暖发光的霓虹灯和生动的城市标志。她穿着一件黑色的皮夹克，一件红色的长裙，一双黑色的靴子，还带着一个黑色的钱包。她戴着太阳镜，涂着红色的口红。她自信而随意地走着。街道是潮湿和反光的，创造了一个五颜六色的灯的镜面效果。许多行人走来走去。

在Sora根据以上文字生成的1分钟视频中，人物脸上的雀斑和瑕疵，路面积水中倒影随镜头的移动，以及人物的步态、动作，都如此自然，颠覆了大众以往对AI生成视频的认知。

目前官网上已经更新了48个视频demo，在这些demo中，Sora不仅能准确呈现细节，还能理解物体在物理世界中的存在，并生成具有丰富情感的角色。很多大受震撼的网友纷纷留言表示：现实，不存在了。

相比原有技术，Sora有哪些提升？

1.   将视频时长从当前的5-15秒提升到了1分钟，完全可以应对短视频创作需求。并且从OpenAI发表的文章看，如果有需要，进行超过1分钟的创作也没有问题。

2.   能够生成多机位镜头，并且各个视角具有角色和视觉风格的一致性。

3.   不仅可以用文字生成视频，还支持视频到视频的编辑，或将图片转换成动态视频，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。

4.   Sora是扩散模型，更是扩散+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。

为什么只有Open AI做出来了？

OpenAI 有 GPT 和 DALL·E 的成功经验，在以往的技术范式之上，他们实现了新进展：使AI不仅可以理解用户在提示中提出的要求，还能理解它们在物理世界中的存在方式。

简单来说，Sora在视频训练中不仅在学习里面的画面、像素点，还在学习视频里那个世界的“物理规律”。

比如，你咬一口食物，食物就会出现一个咬痕，这就是我们所处世界的一个“物理规律”。如果咬完之后食物毫无变化，那就不符合“物理规律”。

在视频学习时，大部分的视频软件只处理食物和嘴在一起的“具体画面”，而不理解“物理规律”，但Sora记住的不只是画面，还有“咬就会有痕”这一“物理规律”。以后生成视频时，一旦有“咬”这个动作，Sora就知道下面该出现咬痕了。

类似的细节叠加，让Sora生成的视频更加接近真实。

Sora会颠覆影视行业吗？

虽然Sora重新定义了AI视频创作，但现在的Sora还只是个baby，对于Sora当前存在的弱点，OpenAI也不避讳，指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。

Sora的生成案例中也有不少离谱的作品，包括开头女郎漫步东京街头的视频中，人物动作也存在迈步时左右腿错乱、左腿连续迈步两次等错误。

目前，Sora所生成的视频内容得到影视行业人士的普遍认可。有人表示，Sora视频中的细节、光影、色彩都较精细，导演可用其制作拍摄前期的简单镜头样板。但如果涉及镜头运动角度，与更精细内容调控——如色彩、光影、道具、人物动作等，目前AI还不能达到令人满意的程度。

有纪录片从业者表示，目前Sora还不能直接用于影视作品，因为精细度还不够。但已经足够震撼，完全可以用于前期开发，尤其是概念设计。

一位宣传片从业者表示，Sora 只发布了部分作品，且未开放公测，能不能用来代替剪辑不确定。无论如何，这些工具最后都是为人服务的，人的个人感情复杂性的表达不可替代。

相比颠覆影视行业，以Sora为代表的文字视频模型有更远大的目标——通用人工智能（AGI），即一个通用的“物理世界模拟器”，为真实世界建模。360集团创始人、董事长周鸿祎2月16日在微博发文表示，Sora面世意味着AGI实现将从10年缩短到1年。

Sora的发展能够带动哪些产业？

从应用上来看，短期内，Sora及同类产品可大大提升短视频产品生产力，对于业态更加复杂的长视频和游戏，现阶段或以提供美术灵感支持为主。中长期来看，Sora及同类产品将参与到改变信息生产和分发两大环节的进程中，PGC（专业生产内容）将广泛采用AI工具辅助生产，UGC（用户生产内容）将借助AI工具逐步替代PGC。从相关受益细分行业来看，包括但不限于视频美化、广告营销、短剧、游戏、办公软件等。

从技术支持上看，跨时代文生视频模型所需token（文本处理最小单位）数量相较于文本及图片模型的推理，有望成数量级增长，判断Sora将刺激推理算力需求将持续上升。此外，推理端token增加、算力需求的增长，也对显存及带宽提出更高要求，预计将拉升400G光通信技术在以太网中的应用，并有望推动800G乃至1.6T光通信技术的应用。