回顧剛剛過(guò)去的2023年，如果要問(wèn)什么東西最火的話(huà)，大模型肯定是其中最靚的仔，就在最近用GPT引爆全球大模型賽道的OPEN AI再度給市場(chǎng)一記重拳，甚至連馬斯克都不得不愿賭服輸，這就是全新的視頻生成大模型，這個(gè)全新的大模型到底有多猛？我們該如何看待這件事？

一、視頻生成大模型再放大招？

據每日經(jīng)濟新聞的報道，據OpenAI官網(wǎng)，OpenAI首個(gè)視頻生成模型Sora發(fā)布，完美繼承DALL·E 3的畫(huà)質(zhì)和遵循指令能力，能生成長(cháng)達1分鐘的高清視頻。

AI想象中的龍年春節，紅旗招展人山人海。有緊跟舞龍隊伍抬頭好奇觀(guān)望的兒童，還有不少人掏出手機邊跟邊拍，海量人物角色各有各的行為。一位時(shí)髦女士漫步在東京街頭，周?chē)菧嘏W爍的霓虹燈和動(dòng)感的城市標志。

一名年約三十的宇航員戴著(zhù)紅色針織摩托頭盔展開(kāi)冒險之旅，電影預告片呈現其穿梭于藍天白云與鹽湖沙漠之間的精彩瞬間，獨特的電影風(fēng)格、采用35毫米膠片拍攝，色彩鮮艷。

OpenAI表示，公司正在教授人工智能理解和模擬運動(dòng)中的物理世界，目標是訓練出能夠幫助人們解決需要與現實(shí)世界互動(dòng)的問(wèn)題的模型。在此，隆重推出文本到視頻模型——Sora。Sora可以生成長(cháng)達一分鐘的視頻，同時(shí)保證視覺(jué)質(zhì)量和符合用戶(hù)提示的要求。

Sora模型能夠生成包含多個(gè)角色、特定類(lèi)型運動(dòng)和主體及背景精確細節的復雜場(chǎng)景。該模型不僅能理解用戶(hù)在提示中所要求的內容，還能理解這些事物在現實(shí)世界中的存在方式。

對于這款全新的產(chǎn)品，世界知名企業(yè)家馬斯克也不吝贊美之詞，馬斯克回應稱(chēng)：“gg人類(lèi)（gg humans）。”據媒體引申，gg是網(wǎng)絡(luò )游戲用語(yǔ)“goodgames”的縮寫(xiě)，主要用于游戲結束后，輸贏(yíng)雙方都可以用。但現在多由失敗方發(fā)出，表示認賭服輸、心服口服的意思。在馬斯克帖子的評論區里，還有用戶(hù)附和道：“gg好萊塢”。

360集團創(chuàng )始人、董事長(cháng)周鴻祎在微博發(fā)文談文生視頻模型Sora。周鴻祎認為，Sora意味著(zhù)AGI實(shí)現將從10年縮短到1年。他分析說(shuō)，OpenAI訓練這個(gè)模型應該會(huì )閱讀大量視頻，大模型加上Diffusion技術(shù)需要對這個(gè)世界進(jìn)行進(jìn)一步了解，學(xué)習樣本就會(huì )以視頻和攝像頭捕捉到的畫(huà)面為主。一旦人工智能接上攝像頭，把所有的電影都看一遍，把YouTube上和TikTok的視頻都看一遍，對世界的理解將遠遠超過(guò)文字學(xué)習，一幅圖勝過(guò)千言萬(wàn)語(yǔ)，而視頻傳遞的信息量又遠遠超過(guò)一幅圖，這就離AGI真的就不遠了，不是10年20年的問(wèn)題，可能一兩年很快就可以實(shí)現。

二、Sora到底有多猛？

隨著(zhù)科技的飛速發(fā)展，人工智能（AI）已經(jīng)成為了當今世界最為熱門(mén)的話(huà)題之一。其中，OpenAI的ChatGPT和Sora等模型的出現，更是顛覆了我們的認知，Sora的出現到底意味著(zhù)什么？當馬斯克都要認輸的時(shí)候我們到底該怎么看？

首先，Sora的出現無(wú)疑是另一大里程碑。ChatGPT作為OpenAI研發(fā)的里程碑式語(yǔ)言模型，其強大的自然語(yǔ)言處理能力和對上下文理解的深度，在推出后迅速引發(fā)了全球范圍內的廣泛關(guān)注和熱議。ChatGPT不僅能夠流暢對話(huà)、解答問(wèn)題，還能生成具有邏輯性和創(chuàng )造性的文本內容，這一突破性進(jìn)展讓人們看到了人工智能在認知智能領(lǐng)域取得的重大飛躍。

緊隨ChatGPT之后，OpenAI又推出了視頻生成模型Sora，該模型更是將AI技術(shù)推到了一個(gè)全新的視覺(jué)維度。Sora憑借其創(chuàng )新的文本到視頻轉換能力，使得AI從理解和生成文本躍升至創(chuàng )作高清視頻內容的新高度。通過(guò)理解用戶(hù)輸入的文字描述，Sora可以自動(dòng)生成包括復雜場(chǎng)景、多角色動(dòng)態(tài)交互在內的長(cháng)達一分鐘的流暢高清視頻，這標志著(zhù)OpenAI在跨模態(tài)學(xué)習與生成方面取得了重大突破。

其次，Sora的最大突破還是在于理解人類(lèi)語(yǔ)言并且通感成為視頻。Sora模型的核心優(yōu)勢體現在它能夠理解人類(lèi)語(yǔ)言輸入，并基于這種理解進(jìn)行視頻內容的創(chuàng )造性生成。通過(guò)深度學(xué)習和跨模態(tài)技術(shù)，Sora能夠將文本描述中的抽象概念、情境、甚至是情感色彩映射到視覺(jué)表達上，生成與描述相匹配且具有一定連貫性的視頻片段。

盡管目前生成的視頻可能在細節處理、物理真實(shí)感或者復雜交互場(chǎng)景等方面還存在不完善之處，但其突破性在于首次實(shí)現了從文本到高質(zhì)量視頻內容的有效轉化，這為內容創(chuàng )作者提供了一種全新的工具，大大提升了創(chuàng )意表達的效率和可能性。此外，Sora的應用價(jià)值也體現在教育、娛樂(lè )、廣告設計等眾多領(lǐng)域中，它有可能重塑這些行業(yè)的生產(chǎn)方式，并為未來(lái)更加智能化的內容創(chuàng )作打下堅實(shí)基礎。

第三，視頻的變革可能遠超過(guò)文字的變革，而且速度會(huì )更快。在當前的互聯(lián)網(wǎng)時(shí)代，視頻已經(jīng)成為人們獲取信息、娛樂(lè )休閑的主要方式之一。每天都有大量的視頻內容被上傳到網(wǎng)絡(luò )上，涵蓋了新聞、教育、娛樂(lè )、廣告等各個(gè)領(lǐng)域。這些豐富的視頻資源為大模型的學(xué)習提供了寶貴的素材。

通過(guò)對這些視頻進(jìn)行深度學(xué)習和分析，大模型可以不斷地提取和總結視頻中的視覺(jué)元素、場(chǎng)景轉換、敘事結構等規律，從而提高自身的生成能力。同時(shí)，大模型還可以利用這些視頻資源進(jìn)行自我迭代和優(yōu)化，不斷提升自身的性能和效率。

隨著(zhù)Sora等大模型的快速普及和應用，我們可以預見(jiàn)一場(chǎng)行業(yè)變革正在醞釀之中。對于內容創(chuàng )作者來(lái)說(shuō)，大模型將極大地提高他們的創(chuàng )作效率和質(zhì)量，降低創(chuàng )作成本。他們只需輸入簡(jiǎn)短的文字描述或創(chuàng )意想法，就可以快速生成符合要求的視頻內容，大大節省了時(shí)間和精力。

對于廣告公司、影視制作公司等企業(yè)來(lái)說(shuō)，大模型將為他們帶來(lái)更多的商業(yè)機會(huì )和創(chuàng )新空間。他們可以利用大模型快速生成廣告宣傳片、宣傳片等視頻內容，提高品牌曝光度和用戶(hù)黏性。同時(shí)，大模型還可以幫助他們實(shí)現個(gè)性化定制服務(wù)，滿(mǎn)足客戶(hù)的個(gè)性化需求。

第四，人類(lèi)到底該怎么辦？隨著(zhù)人工智能技術(shù)的不斷發(fā)展和普及，嚴防死守來(lái)防止其應用已經(jīng)變得不再現實(shí)。從長(cháng)遠來(lái)看，更好的策略是積極地去理解和利用人工智能，而不是試圖阻止它的發(fā)展。

一方面，人工智能在很多領(lǐng)域已經(jīng)展現出了巨大的潛力和價(jià)值。例如，在醫療領(lǐng)域，人工智能可以幫助醫生進(jìn)行疾病診斷和治療方案制定；在交通領(lǐng)域，人工智能可以提高交通流量和安全性；在金融領(lǐng)域，人工智能可以幫助進(jìn)行風(fēng)險評估和投資決策等。因此，通過(guò)積極利用人工智能，人類(lèi)可以創(chuàng )造更多的價(jià)值，提高生活質(zhì)量。

另一方面，理解和利用人工智能也需要人類(lèi)不斷地進(jìn)行探索和創(chuàng )新。隨著(zhù)人工智能技術(shù)的不斷發(fā)展，新的應用場(chǎng)景和商業(yè)模式也將不斷涌現。通過(guò)不斷學(xué)習和實(shí)踐，人類(lèi)可以更好地掌握人工智能的技術(shù)和應用，推動(dòng)其與社會(huì )、經(jīng)濟、文化等各個(gè)領(lǐng)域的深度融合。

因此，與其盲目地抗拒人工智能，不如積極地去理解和利用它。通過(guò)不斷學(xué)習和創(chuàng )新，人類(lèi)可以更好地掌握人工智能的技術(shù)和應用，推動(dòng)其與社會(huì )各個(gè)領(lǐng)域的深度融合，這樣才是人工智能時(shí)代真正的生存之道。