Sora的突破，再次證明AI是一個大型系統工程。OpenAI靠的不是蠻力，國內人工智能圈還需要方方面面的補足。

　　文|趙艷秋

　　在春節開工后這一周，國內人工智能圈以及與Sora技術相關的大廠，對OpenAI公布Sora后的反應，與媒體上的熱烈程度形成鮮明反差。

　　OpenAI越來越閉源，幾乎沒有任何具體信息，國內還處于拆盲盒階段。不得不承認，Sora是算法組合、數據選擇、訓練策略、算力優化等多種能力的結合，雖然這些技術可能不是OpenAI的原創，但OpenAI對它們的深刻洞察，以及精巧的系統構思設計能力，才做出“顛覆性”突破，而非簡單的蠻力。

　　在這樣的大系統工程面前，國內人工智能圈還需要方方面面的補足。

　　01

　　大廠的反應

　　這一周，字節、百度、阿里、騰訊、華為、浪潮等企業未對外發聲。一些相關大廠的研發團隊則在“拆盲盒”，信息也絕對保密，“Sora將影響今年公司產品的研發計劃。”

　　值得關注的是，對Sora的積極關注度和洞察程度，在大廠的中高層，總體不像去年ChatGPT推出后那么緊迫和深入。

　　在各大廠內網上，核心研發團隊之外的“吃瓜群眾”，在零星發帖討論，“談不上討論熱度”，甚至有國內人工智能大廠內網是“零貼”。這種狀況與媒體上的熱搜新聞，甚至對中美AI差距加大的哀嚎，大相徑庭。

　　不過，一些較快的動作，也能窺見業界的一些緊迫感。Sora發布第二天，2月17日，阿里摩搭社區推出對Sora技術路徑的分析，文章很熱;2月18日，百度的度學堂推出Sora系列解讀課程;春節后剛開工，浪潮相關業務已對Sora給出分析報告。不少大廠相關業務線紛紛布置調研匯報作業，其中有些企業將在本周做出Sora分析調研。

　　由于OpenAI透露的信息很少，與ChatGPT推出后，對技術的一些具體分析不同，對Sora的分析猜測成分更多，具體依據更少。

　　從各大廠內部的員工討論看，大家集中在幾個方向：Sora的技術機理，包括Sora能不能成為真實世界的模擬器;算力;商用方向和時間。目前，技術機理還有不少”謎團“;對算力消耗的推測也較混亂;在Sora商用時間上，預測從一個月到半年不等，普遍認為速度會很快。

　　有大廠員工發文分析，從OpenAI的動作，包括發布Sora、ChatGPT、DALLE以及一直強調的agent看，今年下半年OpenAI可能發布的GPT5，將是第一版真正意義的Agent。有了這個Agent，比如未來要做一個App，GPT5可自動生成代碼、圖片、視頻、打包部署，包括申請、配置域名，最終生成可訪問的App。這些推測也預示著，每位員工未來的工作方式正在被重塑。

　　雖然大廠論壇鮮有對技術差距的哀嚎，但員工在交流中都有抱怨和無奈。不過，也有人士認為，Sora反而對國內AI超級有利，原因是在全球短視頻市場上，字節、騰訊、快手占前三，而Sora原理基礎大家也都知道，以國內現有的GPU算力，推測“快的話一年”，國內將有類似產品推出。

　　02

　　OpenAI不靠蠻力

　　業界都關注到，Sora 的驚艷效果得益于新的算法組合和訓練策略。然而，類似ChatGPT，單純從具體算法來說，都不是 OpenAI的原創。

　　“Sora 在算法組織和數據訓練策略上下了很大功夫，充分挖掘了算法和數據的潛力，學到更深層知識。”云知聲董事長梁家恩說，通過架構設計和訓練策略，而非單純算法改進，OpenAI 繼續刷新了業界的認知。這體現了OpenAI對算法和數據潛力的深刻洞察，以及精巧的系統構思設計能力，而非簡單使用“蠻力”，才能做出這種“顛覆性”的突破。

　　在Sora官宣后，紐約大學謝賽寧對其進行了技術推測。由于謝賽寧與Sora團隊關系較近，他的推測影響很廣，尤其是他猜測“Sora參數可能是30億”。

　　一些人士認為30億參數有一定道理。一位資深人士分析，Sora生成的視頻效果驚艷，但細節問題較多，應該是OpenAI拿出來先秀肌肉的，OpenAI會進一步擴展模型;另一位資深人士則從算力角度直觀分析，視頻是三維的，單位處理需要的算力非常大，如果Sora參數太大，算力會不夠。

　　不過，也有一些行業人士認為“不止30億”。

　　“30億參數，我認為是有誤導性的。”一位短視頻人工智能資深人士告訴數智前線，“Sora背后依賴了OpenAI最強大的語言模型來生成Caption(字幕、說明文字)。”而在Sora提供的技術報告中，簡要描述了，他們針對視頻如何設計自動化技術，生成文本描述，或將簡短的用戶提示轉換為更長的詳細描述，用來提高視頻的整體質量。

　　而從OpenAI一直在摸索人工智能邊界的風格來看，一些人士也認為，30億太小了。“這不符合它一貫的做法，他們都是‘大力出奇跡’。”中科深智CTO宋健對數智前線說，實際上，理論上已指明了道路，有不少企業也去嘗試了，目前來看，真正意義上能執行下去的只有Sora。

　　一位浪潮人士稱，Sora的突破再次證明了AI是一個系統工程，單純靜態的推測參數可能沒有意義。

　　在視頻生成上，過去大家的困難在于，很難保持視頻的連貫性或一致性，因為中間有很多反常識的東西，如光影不對、空間變形，所以業界搞不定長視頻。

　　“OpenAI 最終是否采用了更大規模的參數，根據目前公開信息還無法判斷，但我估計以他們風格肯定會嘗試的。”梁家恩說，此前，OpenAI 從 GPT2 做到 GPT3 時，就是堅信只要算法架構合理，通過超大規模的無監督學習，是可以通過小樣本甚至零樣本學習，擊敗有監督學習，這是 OpenAI 對規模效應的堅定信念。“這次Sora通過算法組合和數據設計，學到更多符合物理規律的‘知識’，符合 OpenAI 這些年來的一貫風格。”

　　不過，Sora尚不能稱為一個合格的物理世界的模擬器。在它生成的視頻中，存在大量錯誤。OpenAI自己也在技術報告中提出，這是一個有希望的方向。

　　人們對Sora的需求不同。“如果你現在做數字孿生，還不如直接用物理引擎作為底層來構建，就像英偉達的Omniverse，雖然不完全是物理的，但已經很精確了。”宋健說，“但對于視覺藝術來講，講的是視覺感受力，反物理也沒關系，只要視覺上給大家足夠好的沖擊力就可以。”

　　03

　　算力猜想

　　“現在大家對算力的推測非�；靵y。”一位英偉達人士告訴數智前線。由于OpenAI這次公布的信息非常少，業界很難評估。

　　“視覺模型或多模態模型跟大語言模型算力的評估方式不太一樣。”一位人工智能算力資深人士告訴數智前線，即便Sora可能只有幾十億參數，其算力與幾百億或上千億的大語言模型估計差不多。

　　他進一步分析，可以參考文生圖模型Stable Diffusion，參數大概只有10億，但訓練算力用了幾十臺服務器，花了將近一個月時間。他估計Sora的訓練算力可能比前者至少大一個數量級，也就是數百臺服務器，而后面OpenAI肯定會進一步去做scaling，把Sora模型做的更大。

　　另一方面，這種模型的推理算力也比大語言要大很多，有數據曾顯示，Stable Diffusion的推理算力消耗，與Llama 70b(700億)參數模型差不多。也就是說，推理算力上，一個10億的文生圖模型，與千億量級的大語言模型差不多。而Sora這種視頻生成模型的推理算力，肯定比圖片生成模型還要大很多。

　　“文本是一維的，視頻是三維的，視頻的單位計算量大很多。”一位人工智能專家告訴數智前線，他認為需要大幾千卡才有機會。

　　由于Sora推動的文生視頻方向的發展，今年國內算力總體仍會非常緊張。有算力基礎設施企業人士稱，在人工智能算力上，北美幾家巨頭的算力，現在已是國內總算力的十幾倍，甚至還要更多。

　　但在某些局部上，國內算力已經出現了閑置。這包含了幾種情況，比如一些去年上半年開始訓練大模型的企業，放棄開發大模型或改為使用開源模型;去年大語言模型的落地應用遭遇挑戰，還沒有大量的推理應用落地，這些會導致一些企業出現幾十臺或幾百臺的空閑。

　　宋健也發現了局部算力閑置的問題。他觀察，尤其是2023年11月份左右開始，算力的租賃變得容易，而且價格可能是原來的2/3甚至1/2。