AI界一夜变天

Open AI又投下一枚“核弹”。

作者 | 柴旭晨

没有丝毫预热和剧透,Open AI深夜直接丢下核弹炸了街,从业者深感要变天。

2月16日凌晨,Open AI发布了首个“文生视频”模型Sora。官方介绍,Sora能根据文字指令创造出包含丰富细节的逼真场景、角色,且能用多角度镜头,生成一镜到底的60秒长视频。

目前官网上已经更新了48个样片,视频中人物、背景都具有惊人的一致性。并且借助于对语言的深刻理解,Sora创造出的角色能表达丰富的情感。

更令业内惊叹的是,Sora身上似乎开始出现“世界模型”的雏形。通过大量观察训练,它学会了许多关于真实世界的物理规律。

要知道,原先动画影视公司为让动物的数百万根毛发、皮肤纹理、衣物等细节在3D建模中表现得如现实场景般真实,为此专门成立研究部门,且投入了不菲的成本和时间才得以实现。而如今,Sora只需要一行描述、几次提示便能自动完成。

虽然Open AI坦言Sora仍有一些效果上的瑕疵,也因潜在的风险暂未对公众开放。但凭借着极度真实的视觉效果,这一足以“模糊虚实”的王炸级技术,正粗暴地冲击着大众心智。

事实上,文生视频并非Open AI的独门,赛道早已涌入大量玩家。去年下半年开始,谷歌、Meta及部分AI创业公司相继下场试水,国内的字节跳动也于11月推出了文生视频模型Pixel Dance,阿里云的Animate Anyone以及百度文心大模型的类似功能同样在内测。

入局者众多,但各家效果却未达预期,当Runway Gen2、Pika、PixVerse等AI视频工具还在突破数秒内的连贯性时,Sora已经将时长拉至1分钟,大幅度拉高生成视频的可用性。影眸科技CTO张启煊评价道,Sora跟Pika、Runway及同类玩家已拉开代差。

颠覆性的效果,伴随的是颠覆性的思路。360董事长周鸿祎指出,现在所有文生图、视频的模型都是在2D平面上对图形元素进行操作,并未适用物理定律。

而Open AI利用了其大语言模型优势,将LLM和Diffusion结合训练,通过学习视频,理解现实世界的动态变化规律,并模拟、创造出新的视觉内容,由此产生的视频真实感十足。

回溯来看,文生视频能蔚然成风,成为全球新一轮AIGC竞赛的焦点,因为大家都嗅到了短视频在全球直播电商、内容创作等新兴行业的巨大机遇。周鸿祎就认为,Sora可能给广告业、电影预告片、短视频行业带来巨大颠覆,成为激发创作力的工具。

AI从业者更一叶知秋地感受到,Sora在展示视频制作能力外,更多暗含的是大模型逐渐掌握对真实世界的理解及模拟能力后,可能会带来更惊叹的突破和成果。

有强劲大模型的底座、基于对人类语言的解析、对人类知识和世界模型的了解,再叠加其他技术,周鸿祎认为这便可以创造各个领域的超级工具。因为这种“先记忆,再预测”,正是人类理解并与世界交互的方式。

他举例称 ,Sora对物理世界的模拟,就会对智能驾驶领域产生巨大影响。原先智驾“重感知”却“轻认知”,他认为人在驾驶时的很多判断,是基于对这个世界的理解,缺乏这一点很难做出真正的无人驾驶。

行业专家普遍认为,应用层面衍化的终局,便是真正通用人工智能(AGI)时代的到来。

Sora的技术文档就写道,“我们的结果表明,视频生成模型是有希望向构建通用物理世界模拟器迈进的路径”。

“一旦人工智能接上摄像头,把所有电影、视频都看一遍,其对世界的理解将远超文字学习。AGI真的就不远了,不是10-20年的问题,可能一两年就能实现。”周鸿祎如是说道。

“我相信Open AI手里或许还藏着一些秘密武器,无论是GPT-5,还是机器学习自动产生内容。”周鸿祎称,“奥特曼是个营销大师,知道怎样掌握节奏”。

这与Sam Altman要筹集7万亿美元,塑全球AI芯片基础设施的野心形成闭环,因为通往通用人工智能的道路上,需要极为庞大的算力。

近期有投资界人士透露,Open AI正讨论新一轮融资,估值高达千亿美元。作为头羊,有着独霸AI行业、重塑全球AI芯片行业的庞大野心的Open AI,势必要借助资本的助推不断滚雪球。

回溯来看,在这场AI公司、资本交织的游戏中,技术迭代一直是跳跃式的,并不会给大家慢慢来的时间。

未来的世界和AI行业究竟会驶向何方?还难以断言,但眼下的2024,必将又是刺激的一年。

风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。