Sora 之后,视频生成模型的中国牌局
Sora,自 2 月 16 日 OpenAI 发布后一直被吐槽是“技术期货”,终于在 12 月 10 日,正式版 Sora 露面了,可以生成最高 1080p 分辨率、最长 20 秒的视频。
OpenAI CEO 奥特曼称,Sora 正式版是视频生成领域的 GPT-1 时刻。
但国内 AI 企业,并没有像跟进 GPT 时期一样,在视频生成领域也与 OpenAI 保持同步,而是呈现出更复杂的态度。
有人选择跟进,比如 Sora 问世之后,互联网公司如阿里、字节跳动、快手、腾讯等,AI 公司如智谱 AI、MiniMax、爱诗科技、生数科技等,都陆续发布了视频生成模型,不少都表示达到或超越了预览版 Sora。
也有人选择不跟进,包括互联网公司中的百度,李彦宏曾明确表示,“无论 Sora 多么火爆百度都不去做”。AI 公司如百川智能,也明确表示不会做类 Sora 模型,月之暗面、商汤科技、零一万物虽然都有文生视频模型,但都不作为重点。
视频生成赛道,不再延续 GPT 时代的发展模式,即 OpenAI 打出一张王牌,国内科技企业抢着要跟。Sora 之后,国内 AI 牌局开始有了自己的节奏,也呈现出更为复杂的局势。
有能力做通用基础大模型的国内科技公司,在技术路线、商业前景等判断上,开始出现明显分野。我们就从国内企业跟进 Sora 的选择与否,聊聊视频生成的中国牌局。
首先我们要明确一下,国内对标 Sora 模型的科技公司,到底在做什么?
简单来说,Sora 视频生成模型的核心技术路线是 Diffusion+Transformer 相结合,通过文本(自然语言)、图片、视频作为提示词 prompts 进行视频生成。
对标 Sora 的模型,至少要具备几个特点:
1.通用性,不针对某一类风格、行业、角色等,任意内容的视频都可以生成。
2.高质量,画质精度高(达到 1080p)、视频时间长(最长达一分钟)、画面一致性强(理解物理规律)。
面对 Sora,国内科技企业不像 ChatGPT 推出时那样毫无准备。但到底跟 or 不跟,却不再像 ChatGPT 那样高度一致,而是分化成了三类:
第一类,明确跟进。
互联网公司阵营中,以视频为核心业务的字节跳动、快手等,以及综合科技公司腾讯,数字基建成熟,技术人才资源充沛,内部有视频产品基因,几乎第一时间选择了跟进。字节跳动推出了即梦 Dreamnia,快手也发布了可灵大模型。腾讯以混元大模型作为核心,发布并开源了混元多模态生成模型,被认为是腾讯版 Sora。
大模型初创企业中,智谱 AI 的行动最为敏捷,今年 7 月发布了 AI 视频生成工具清影,支持用户通过文本/图片,生成 10 秒、4K、60 帧视频。MiniMax 的海螺 AI 也在十月增加了视频生成能力,支持文本提示词生成 6 秒视频片段。
第二类,坚决不跟。
与第一类企业的态度截然相反,互联网公司和大模型创企中也有坚决不跟 Sora 的。比如 Sora 问世之后,百川智能的王小川就表示,团队有人提出要做 Sora,但他明确表态称不会跟进这个方向。
同样想法的还有百度李彦宏,尽管百度已经在视频生成领域取得了一定的成果,但他不做 Sora 的态度也非常坚决,原因是 Sora 的商业化可能要五年甚至十年,目前百度更聚焦在大语言模型、多模态大模型,没有类 Sora 的产品化尝试。
第三类,浅尝辄止。
除此之外,还有大量国内企业对于 Sora,出于 FOMO“恐惧错过”心理有所布局,但并不重点投入,处于一种浅尝辄止的状态。
比如阿里系中的阿里妈妈团队发布了 tomoVideo,试水电商营销的视频生成场景;“大模型六小虎”中,月之暗面也推出了视频生成模型,但仍聚焦在 kimi 产品上;零一万物入局 B 端业务,而视频生成模型面向的影视制作行业正处于调整期,类 Sora 产品也很难成为核心增长点。
总结一下,如果说全球大模型是一场“斗地主”,那么游戏规则不再是 OpenAI 打出一张王炸,国内科技公司纷纷跟上,而是各自按照自己手里的牌面、业务重要性和优先级,来确定 Sora 的出牌策略。
为什么到了 Sora,大模型行业的游戏规则就变了?
国内科技企业的表现说明,对于 Sora 存在非共识,整体还是比较混乱、规则模糊的阶段。迷雾中的领域,游戏规则自然只能自行探索。
如今视频生成领域的现状,笼罩着三重迷雾。
技术迷雾:OpenAl 认为 Sora 是世界模拟器、通往 AGl 的一条有前途的途径,这一技术路线目前存在不少争议。
比如李飞飞、lecun 等人认为,Sora 不能实现 AGI。李飞飞提出,Sora 仍是二维图像,只有三维空间智能才能实现 AGI。Sora 预览版展示的“日本女性走过霓虹闪烁东京街头”的生成视频,就无法把摄像机放在女子背后,说明 Sora 并没有真的理解三维世界。学术大神 Lecun 也点名不看好 Sora,说它根本不是真正的世界模型,并且仍会面临 GPT4 的巨大瓶颈。
确实,即使是正式版 Sora,生成的手部细节不准确,动态过程中的一致性等问题,依然存在。
而国内公司坚定不跟进 Sora 的原因之一,也是对这一技术路线保留意见。比如百川智能的王小川就认为,Sora 只是阶段性产物,技术高度、突破性以及应用价值均不及 GPT。总之,实现 AGI、模拟物理世界的技术路线的开放性,决定了 Sora 并非唯一解。
商业迷雾:视频生成模型的商用前景、投资回报比,在短期内都不明朗,成为劝退国内企业的另一重阻碍。
预览版和正式版 Sora,都延续了 OpenAI 的“暴力美学”,OpenAI 研究科学家 Noam Brown 表示,Sora 是 scale 力量最直观的展示,也就是通过堆算力、对数据、对参数量的方式,来尝试让大模型涌现出理解物理世界的能力。这种方法成本高、资源投入大。是否跟进 Sora,就取决于各家对模型的商用预期和投资回报比。
如果视频生成模型面向 ToB 收费,通过 API 或 SaaS 服务,都需要基础模型厂商投入大量人力去优化业务流程、开发交互页面,而影视行业正处于调整周期,AI 影视制作业务的增长有限。这就在无形中增加了 AI 企业的机会成本,因为同样的人力、物力、算力,投入到金融 AI、教育 AI、大型政企等领域,显然收效更大。所以,百度、零一万物等公司,都将视频生成领域作为边缘业务,并不重点投入。
而 ToC 场景中,一方面个人付费意愿不高,视频生成并不是大众日常使用的高频场景,而且生成成本和订阅费一般都比文本模型高,加上 Sora 模型都没能解决幻觉、一致性难题,未必能创造实际价值,所以 C 端付费规模十分有限。另一方面,模型完全免费,把视频生成模型产品作为企业的流量入口,这一商业模式只适合将视频作为核心业务的企业。
比如快手、字节跳动,本身就有核心的视频业务,可以快速实现模型的规模化。面向 C 端用户或 B 端生产力工具,这类企业能够快速将视频生成能力与现有产品进行集成与整合,模型研发的边际成本是会随着规模商用而下降的。
整体来看,对国内绝大多数基础模厂,视频生成领域都是一个相对边缘、投资回报比不高的业务。
第三重迷雾,就是市场格局的竞争迷雾。
虽然视频生成模型现在商业前景不明,但有没有可能以后会爆发,企业悄悄投入然后惊艳所有人?这种押注边缘赛道“捡大漏”的商业神话,在大模型身上恐怕很难发生。
当前,大模型的产品化、商业化前景普遍比较模糊,通用模型厂商都需要尽快从一大堆不甚明朗的产品中,选出一个更高成功概率和更大市场潜力的选项,重点投入。而在所有产品中,视频生成模型是一个尤为沉重且具有挑战性的项目。这种情况下,肯定要优先考虑成功率更高的产品,降低视频生成模型的业务优先级。
换一个角度,即便企业将视频生成模型的优先级放到最高,恐怕也很难建立起竞争优势。因为当前大模型的市场竞争情况跟 GPT 时期不太一样,如今各家在基础训练设施、核心架构设计与技术储备等方面都有了一定积累,复现 Sora 并上线类 Sora 应用的技术壁垒,其实没有 ChatGPT 时期那么难了。这也意味着,即使企业先发布了视频生成模型,也未必能长期保持竞争优势和市场垄断地位,这种竞争态势也削弱了 Sora 的商业想象空间。
技术迷雾、商业迷雾、竞争迷雾,仍然笼罩在视频生成领域,导致 Sora 这一场牌局有着太多的不确定,和太多可能。哪种理解是对的,哪条路线是最终赢家,目前都言之过早,各家只能按照自己的游戏规则玩下去。
大模型技术必须继续发展下去,但从 Sora 开始,国内科技企业不再紧跟着 OpenAI 亦步亦趋,开始有了自己的节奏感。
具体表现在,对于 Sora 这样一鸣惊人的新东西,国内企业在大模型产品化、商业化上都有了自己的理解与思考,开始自己定义玩法,跟进 Sora 展现的是实力,不跟进 Sora 展现的是心态与战略定力。
此外,不一味跟进产品,但 OpenAI 的叙事能力仍然值得学习。
无论是 2 月用 Sora 抢走谷歌风头,还是近期 Sora 正式上线,OpenAI 总能一次次带动节奏、设置议题、吸引关注,这对于资本密集型 AI 企业是非常重要的能力。
可以不跟进 Sora,但不能遗漏关键技术。
以百度为例,虽然没有推出 Sora 产品的计划,但自身也没有缺席关键技术,比如自研了多模态可控生图技术,能够在保持实体特征不变的情况下,实现图像的高泛化生成,而可控性的提升,恰恰是视频生成下一阶段核心中的核心。此外,百度也没有完全无视视频生成领域,目前投资了视频生成初创公司生数科技、AI 视频短剧公司井英科技等。
聚焦主赛道,以自身核心业务、商业优先级等多元因素来确定追赶 Sora 的轻重缓急。大模型的牌局,国内企业正在找到自己的节奏感。
版权声明: 本文为 InfoQ 作者【脑极体】的原创文章。
原文链接:【http://xie.infoq.cn/article/5ff33b1f902761033ffb8ba04】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论