国内大厂集体“屏蔽”Sora

在AI的长河里,从不缺一鸣惊人、一夜成名的技术。上图,便是从Sora的示范视频上截取的,无论是略显蓬松的猫毛,还是主人被吵醒紧蹙的眉毛,与真实世界里的画面,别无两样。

半个月前,Open AI发布了首个文生视频模型Sora,再次让AI界沸腾——其是第一个能够根据人类指令生成长达一分钟视频的模型,上一个讨论度这么高的产品,还是ChatGPT。

从ChatGPT到Sora,这16个月里,AI界的战火已从千模大战的战场上,蔓延到各个细分应用之中。

对于普通人来说,就是原先你可以问诸如文心一言、讯飞星火等通用大模型各种问题,生成各种文字、图片答案,现在可以通过文字描述,生成还原度极高的视频。

更令人惊讶的是,以往的视频模型是多个真实图片的组合,并不具备理解力,而Sora是“听懂”人话后,进行视频的建构。

国内大厂集体“屏蔽”Sora

(图源:OpenAI)

我们能看到,在OpenAI Sora 官方介绍页里,纸飞机有了自我意识,自由翱翔。这或许就是 OpenAI 终极的目标,也将是无数AI大厂的愿景。

现下,Sora已然敲响战鼓,百度、字节等以AI为标签的大厂们是否会紧跟脚步,以及能不能造出类似模型,是摆在李彦宏、张一鸣们面前的问题。但目前大厂们都在静默之中,等待着属于自己的质变。

当然,一旦造出来,类Sora模型变现路径倒是要比ChatGPT“现实”不少。

其可以是抖音、好看视频等视频平台的高效创作工具,也可以制作简单的特效,给近日爆火的微短剧提供更多题材。更进一步的猜测是,影视作品中大部分特效成本、人力成本都可以省去。

不过,对于国内以大模型创业的企业来说,又增加了一道坎——还没把ChatGPT消化掉,又来了个新课题。跟,没有更多的精力,不跟,没有热度有可能凉得更快。

一、Sora到底牛在哪里?

一系列文章、视频展现效果显示,Sora的出世意味着细分应用文生视频模型迎来了iPhone时刻。

事实上,文生视频并不是新鲜事儿,去年年底,全球AI企业陆陆续续发布了自己的文生视频模型。去年11月份,Meta发布了视频生成模型 Emu Video。从官方示例中可以看出,其局限于较为简单的动作。

国内大厂集体“屏蔽”Sora

(图源:机器之心)

紧接着,Stability.ai也发布了开源视频生成模型 Stable Video Diffusion (SVD),并且也在官方论文中大方承认自己的不足——生成的视频相对缺少动态性。

也就是说,生成有高度一致性且有丰富动态性的视频,让视频内容真正地动起来,是去年年底视频生成领域中的最大挑战

在Sora发布以前表现最好的,莫过于PixelDance。从展示的结果来看,在基础模式下(用户只需要提供一张指导图片 文本描述),人物动作、脸部表情、相机视角控制、特效动作,Pixeldance都可以很好地完成。

国内大厂集体“屏蔽”Sora

(图源:机器之心)

国内大厂也同样是去年年底开始布局。

字节跳动于去年11月18日推出了文生视频模型PixelDance,可生成有高度一致性且有丰富动态性的视频。阿里紧随其后也上线了Animate Anyone模型,一张人物照片,再配合骨骼动画引导,就能生成动画视频。

23年末,百度发布了文生视频工具“度加剪辑”,据称可以一键获取最新热点、ai生成文案、一键生成视频。同时一大批“应ChatGPT而生”的AI创业公司也在去年年底参与进来,共同探索AI大模型应用。

而时间来到2024年2月中旬,OpenAI的Sora还是凭借更逼真、流畅的效果,遥遥领先。

为何 Sora 可以一骑绝尘?红衣大叔周鸿祎给出了答案,大概的意思是,在这之前我们做视频、做图用的都是Diffusion,我们可以把视频看成是多个真实图片的组合,它并没有真正掌握这个世界的知识。

但 Sora 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的情况。OpenAl 利用它的大语言模型优势,把 LLM 和 Diffusion 结合起来训练,让 Sora 实现了对现实世界的理解和对世界的模拟两层能力。

自Transformer架构引领通用大模型浪潮后,LLM Diffusion这一新兴研究框架或许又会有大批量的追随者。

开源后跟不跟,不开源搞不搞,成为每个AI厂商面前的难题。

二、谁都能玩得起吗?

事实上,要不要跟随Sora这个问题,或许并不再取决于个人/公司意愿,而是一些硬性条件 软实力。例如,公司还有足够的芯片吗?

去年,据偲睿洞察测算,ChatGPT光是访问阶段就要耗去3万多个A100,这俨然已是巨头们的游戏。按照去年一份流传出的交流纪要显示,大厂们手握着丰厚的资源——阿里云AI专家提到,阿里云在云上有上万片的A100,整体能够达到10万片,集团体量应该是阿里云的5倍。腾讯云利用H800加速卡打造的大模型算力集群,集群规模达到了数千台服务器。

国内大厂集体“屏蔽”Sora

尽管Sora只是一个视频模型,但对算力的渴求也不小。目前,训练端由于暂无明确算法架构和训练详细数据。据民生证券测算,一个月内训练完Youtube全部新增视频需要约231片A100。考虑到模型都是经过多次训练得到,算力需求仍有较大程度提高的可能性。而推理端的需求量更是惊人,假设Sora模型参数为30亿,则对应1846万个A100需求

紧接着,第二个致命的问题是,公司有高质量的数据集吗?现阶段,谷歌、OpenAI等国际大厂们,都在争抢高质量的文本数据集。

根据第一批大模型弄潮儿的经验,若是没有备足充足的弹药,很有可能会草草离场。

据智东西不完全统计,2023年11月-2024年1月,有4家AI大模型创企宣布关停。在这之中,其中有大厂独立出来的团队,有明星产品创始人新成立的公司,也有已经走过十余年的“老牌”企业。有的缺钱、有的缺精准定位,想要玩AI,空有一腔热血远远不够。

事实上,更致命的问题是,公司有AI天才吗?

周鸿祎表示,科技竞争最终比拼的是人才密度和深厚积累。这里的人才密度,绝不是说规模——毕竟OpenAI的Sora团队只有13个人,应届博士带队,00后参与。

我们不得不佩服OpenAI的勇气,将“选贤举能”发挥得淋漓尽致,除了未知的潜能,年轻人还有一个最大的优势——能熬。据谢赛宁透露,Sora是Bill他们在OpenAI的呕心沥血之作,“虽然不知道细节,但他们每天基本不睡觉高强度工作了一年”。

国内大厂集体“屏蔽”Sora

从以上部分团队成员背景可以看出,其门槛极高——大部分都是名校博士毕业 实习/工作经验,有本科学生,不过也要有着创业经历、多段工作经历。无论是OpenAI公司,还是人才本人,都积累了无数个量变,为质变做准备。

或许,包括OpenAI在内的AI公司们,都在等哪个“无名小卒”(要么是MIT、清北级别的学生,要么3-5年创业、大厂经历,要么是二者的结合)悟得了AI的真理,一战成名,成为AI大神。

ChatGPT和Sora告诉我们的是,A100、高质量数据、AI天才,是新时代的稀缺物资,国内大厂尚有欠缺,从零开始的大模型创业公司们怕是跟不上热度,也跟不上速度。

三、微短剧,或许是现下大厂高性价比变现方式

在AI各类资源都很有限的情况下,All in AI的大厂们在跟随之前,必然会考虑投资回报比,也就是Sora能够极大地改变哪些行业的模式?同时还和大厂已有业务密切相关?

答案,非短视频行业莫属。

对于定位于热点话题视频的创作者们,Sora可谓是极大地提高了工作效率。毕竟热点话题比拼的是时效,大家很难有二创的空间,只要学会了,便能快速拉开差距。目前在国内,已经有电商服务机构向带货主播推出“AI根据热梗自动撰写视频脚本”的服务。

而对于一些深度话题,创作者们则可以与AI分工合作。

创作者产出事件/产品的差异化内容、确认文章大纲;而AI负责重复劳动的部分,例如展现产品的特性,给文字自动加背景视频,无需创作者去各大网站搜罗。也就是说,创作者们能够靠着AI省去不少事,出现更多的“灵光一现”,吸引更多的用户停留。

在这之中,最大的受益人便是平台。于是,我们也就不难理解为何2月7日,抖音集团CEO张楠辞去集团CEO一职,把精力聚焦在剪映的发展上。据了解过去一年,张楠已经把绝大多数精力倾斜到剪映相关业务上,并亲自带队在AI辅助创作上寻求突破,即将推出一个AI生图和视频的产品。

视频平台快手必然会在这个方向努力:在去年的那一波卷大模型的浪潮中,快手宣布已组建大模型研发团队,推进在搜索、AIGC 辅助生成图文视频方面的应用。

百度,也正在跟上节奏。尽管好看视频在百度的存在感并不高,但每年都在实打实地推进该业务:2020年下半年开始,百度开始一系列大手笔运作。百度先后投资MCN机构牧云文化、引入宋健(内容生态平台总经理,年前已离职),以及在11月17日宣布斥资36亿美元并购YY中国。

2024年微短剧爆火,百度也在不断加码该市场。据光子星球报道,百度将在上半年完成与微短剧适配的基础设施建设,包括创作者生态、分发逻辑、用户运营等,并尝试跑通变现路径。

微短剧,或许是百度等类Sora视频模型的“用武之地”。

相比于大型的影视大作,微短剧的特效制作、内容创作各方面门槛都较低,与此同时,类Sora模型能给近日爆火的微短剧提供更多题材范围,例如科幻等。若是人物细节逼真,演员的片酬都可能为零,如果分摊成本极低的话,视频内容行业将很快被洗牌。

百度们亟需推出中国Sora,除了因为新业务的需要,还需考虑到站位的问题。作为上一个千模大战的发起者,百度再次迎来证明自己的时刻。

2024年的春天,来得很晚,无论是真实的天气,还是AI行业。

去年冬天,研究部门能拿着以往AI积累,赶上大模型的浪潮,市场部门也能借此开大会、与友商们一起打响千模大战。

今年冬天,研究员们还在加班加点想着怎么把通用大模型落实到千行万业时,文生视频这一细分领域又出现一个劲敌。

永远在黑暗中前行,永远有人走得更快,国内AI大厂们的黎明,忽近忽远。

不过,离黎明更近的Sora,也需加强常识学习——在完整看完头图的原视频之后发现,女孩的胳膊与手并不在同一个维度。

作者:Renee,编辑:孙越

来源公众号:偲睿洞察(ID:siruidongcha),陪伴中国产业升级与迭代。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部