OpenAI近日发布首款文生视频模型——Sora模型，完美继承DALL·E 3的画质和遵循指令能力其支持用户输入文本描述，生成一段长达1分钟的高清流畅视频。
这是一个很有创意的实验室作品，与阿凡达等影视片后期制作相比，Sora借助于大模型自然语言理解技术，通过文本提示创建，跳过一部分人工的编辑，未来更有利于从文字剧本的想法和故事直接生成影视制作。
这个技术本身，其实就是一个集成创新，从上世纪90年代的虚拟现实到基于真实场景的动漫、影视后期制作，演员在各类真实场景或者虚拟场景的融入，Sora的一路走来是一个循序渐进的过程，本质上还没有颠覆性理论和革命性技术。
Sora目前是一个成功的概念性的验证性实验，相对于之前通用大模型和大视频模型（Large Video model），未来的实用性和应用场景更加聚焦，不仅仅是各类影视制作，各类会议和单位宣传片的制作，以及直播带货等有很多应用前景。
但是，Sora目前还是一个实验室的作品，未来更多的考验，不仅仅是音视频素材库是否够用，比如能否提供咬了一口的苹果。更多问题在其正式进入商业应用后，面临着音视频素材库的知识产权、数据交易等实际问题，目前的音视频素材，通过计算机图形学自动生成的也有一些，但是，从Sora的研究目标看，城市、乡村的实际背景场景，还是离不开真实的人工拍摄的音视频素材，无论是直接采用，还是在已有人工拍摄的音视频基础上加工，进入商业化后，知识产权、数据交易等实际问题无法避免。
这些是互联网、人工智能企业的工程师比较容易忽视的。
此外，Sora如果推出下一个商用化版本，根据应用场景需求，比如直播带货，以现有的技术AI虚拟人可以轻松融入，因此，视频的真伪和内容安全问题也是商业化过程需要考虑的。
“Sora只是小试牛刀，它展现的不仅仅是一个视频制作的能力，而是大模型对真实世界有了理解和模拟之后，会带来新的成果和突破。”
360创始人周鸿祎发布微博提到自己对Sora的看法，周鸿祎认为，Sora的诞生意味着AGI（通用人工智能）实现可能从10年缩短至一两年。
周鸿祎认为，科技竞争最终比拼的是让人才密度和深厚积累，“很多人说Sora的效果吊打Pika和Runway。这很正常，和创业者团队比，OpenAl这种有核心技术的公司实力还是非常强劲的。有人认为有了AI以后创业公司只需要做个体户就行，实际今天再次证明这种想法是非常可笑的。”
此外，AI不一定那么快颠覆所有行业，但它能激发更多人的创作力。周鸿祎表示，很多人担心Sora对影视工业的打击，在他看来，机器能生产一个好视频，但视频的主题、脚本和分镜头策划、台词的配合，都需要人的创意，至少需要人给提示词。一个视频或者电影是由无数个60秒组成的。今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具。
谈到Sora最大的优势，周鸿祎表示，以往文生视频软件都是在2D平面上对图形元素进行操作，可以把视频看成是多个真实图片的组合，并没有真正掌握这个世界的知识。但Sora产生的视频里，它能像人一样理解坦克是有巨大冲击力的，坦克能撞毁汽车，而不会出现汽车撞毁坦克这样的情况，“这次OpenAI利用它的大语言模型优势，让Sora实现了对现实世界的理解和对世界的模拟两层能力，这样产生的视频才是真实的，才能跳出2D的范围模拟真实的物理世界。”
周鸿祎提到，有了大模型技术作为基础，再加上人类知识的引导，可以创造各个领域的超级工具，例如在生物医学、蛋白质、基因研究，包括物理、化学、数学的学科研究上，大模型都会发挥作用。
“一旦人工智能接上摄像头，把所有的电影都看一遍，把YouTube上和TikTok的视频都看一遍，对世界的理解将远远超过文字学习，一幅图胜过千言万语，这就离AGI真的就不远了，不是10年20年的问题，可能一两年很快就可以实现。”周鸿祎感慨。
他还提到，尽管国内大模型发展水平表面看已经接近GPT-3.5，但实际上跟4.0比还有一年半的差距。OpenAl手里应该还有一些秘密武器，无论是GPT-5，还是机器自我学习自动产生内容，“奥特曼（OpenAI CEO）是个营销大师，知道怎样掌握节奏，他们手里的武器并没有全拿出来。这样看来中国跟美国的AI差距可能还在加大。”
