浙江大学计算机科学与技术学院副教授金小刚。
英国谢菲尔德大学博士彭煦潭。
一览科技创始人兼CEO罗江春。
硅基智能创始人、董事长、CEO司马华鹏。
在文生视频的浪潮下，Sora在制造AI焦虑吗？会带来哪些行业竞争？
在此基础上，南方都市报“上岗了！AI”课题组2月24日邀请到硅基智能创始人、董事长、CEO司马华鹏，一览科技创始人兼CEO罗江春，浙江大学计算机科学与技术学院副教授金小刚，以及英国谢菲尔德大学博士彭煦潭参加线上沙龙，探讨中外大模型产品的差距是否拉大、国内企业如何布局应对。有专家表示，AI竞争的背后，本质上是显卡的竞争，Sora可能会引发内容行业变革、算力之争、芯片之争。
1
Sora是“世界模拟器”吗
视频行业颠覆者？今年专家各执一词
相较于去年的ChatGPT，Sora带来的震撼和冲击似乎更为剧烈，这主要在于其模拟逼真场景的强大能力，被视为“颠覆性”的存在。OpenAI甚至将Sora称为“世界模拟器”（world simulators），“视频生成模型是构建通用物理世界模拟器的一条有前景的道路，这种能力将成为实现人工通用智能（AGI）的重要里程碑。”OpenAI想强调，Sora不是单纯的视频生成模型，不只是视频行业颠覆者，而是打开了一条通往模拟物理世界的有效路径。
但对于这一观点，有不少AI领域的专家提出了反对意见。首先就是图灵奖获得者、Meta首席AI科学家杨立昆，他在社交媒体上发文称，通过生成像素来对世界进行建模是一种浪费，并且注定会失败，就像基本上被放弃的“综合分析”的想法一样。
杨立昆指出，根据提示生成看起来最真实的视频并不表明系统理解物理世界，生成与世界模型的因果预测有很大不同。真实视频的合理连续空间要小得多，生成其中的代表性块是一项更加困难的任务，特别是在以动作为条件时。此外，生成这些延续不仅成本高昂，而且完全没有意义。
Sora对精确推理场景未必有效
Sora到底算不算“世界模拟器”？在南都的线上沙龙中，与会专家也各执一词，进行了激烈的观点交锋。金小刚认同杨立昆的观点，认为并不足以称之为“世界模拟器”，“Sora本质上是一个用数据喂出来的产品，用自回归的方式获得的统计意义上的结果，是‘大数据、大模型、大算力’的暴力计算得出的。这样的大模型不可能真正理解真实的世界。因为统计归纳方法本身是有很大缺点的。真实世界的复杂性远远高于模型的复杂性，用现有的知识归纳出来的东西，是远远不足以对付复杂世界的。所以这个‘世界模型’的说法显然是有问题的。”
金小刚认为，“对于打造通用系统，从研究的角度需要鼓励探索，但是不要放大了说这一个系统可以解决所有问题。目前这样的系统，并不能理解真实世界，在一些对精度、可信度要求不高的场景无疑是有价值的，因为作为建模工具获得了效率的提升，这样的场景如游戏、电影视频中的场景打造，但在一些需要精确推理的场景未必有效。”
输出差还不能真正当成物理引擎
专注自然语言处理研究的彭煦潭博士从另一个角度解释了这一观点。彭煦潭向南都记者解释称，论文和技术报告比较大的区别在于，论文更偏学术，而技术报告类似商业白皮书，在用词、陈述上可能存在噱头。
“所谓的‘世界模拟器’，可以理解为物理引擎。它在解决‘已知的已知’和‘已知的未知’这两个类型的问题上，处理是非常精准和可靠的，因为这些东西有预定义。从目前Sora生成的视频可以看到，它在生成一些特定场景时，会出现非常差的输出。因为输入分布与之前训练过程当中见过的分布有比较大的差异，正好打到了它的盲区。但是其实这样的事情对于真正的可靠的物理引擎来说，是不会出现的。所以大家也不能依赖它，把它真正当成一个物理引擎，或者世界模拟器来用。它还是有很多的缺陷的。”彭煦潭进一步解释称。
呈现视频已达“世界模型”程度
从AI视频行业创业者的角度，罗江春则是提出了不同的看法。他认为，Sora提出的“世界模拟器”核心指的是如何在视频场景里模拟真实的世界，而Sora展现出的技术已经解决了其他同行仍在困扰的问题，“其他大模型生成视频，是通过一秒钟24张图片连贯播放做到的，但是Sora发布的视频有镜头概念。我认为它的核心是建了一个虚拟的视频素材的世界模型，然后用这里面的东西去推导，比如高速的转弯，小狗往前跑怎么转换场景，它模拟的狗的眼睛也好，人的眼睛也好，视觉摄像头也好，怎么来进行事物的转换。”
对于Sora体现的技术，罗江春指出，文生视频一定要还原最关键的三个环节，分别是脚本、素材和剪辑。脚本包括创意、情节和场景，这些都需要通过大模型描述清楚，而且要拆成镜头；接着通过这些镜头，进行画图、建模，形成素材；第三步则是根据素材库进行后期剪辑、特效，“这都是在Sora整个模型里完成的，它肯定没有使用图片，肯定有镜头才会看起来这么真实，这后面实际上算力的使用是很庞大的”。
司马华鹏也认为，Sora呈现的视频达到了“世界模型”的程度，“从各个角度来看，它的一致性，它的仿真，对物理、流体力学等定律的遵守，包括镜头的切换等都是非常好的。所以它一定是一个世界模型，而且这个世界模型是目前所有的公司和组织都难望其项背的，当然也是我们奋起直追的目标。”
2
国内企业如何应对
OpenAI领跑全球 国内企业寻求细分赛道弯道超车
在AI视频领域，罗江春也认为国内和国际头部企业的差距在加大，“之前ChatGPT刚出来的时候很多国内公司说很快就能赶上3.5，结果OpenAI很快就推出了4.0、GPTs，再到现在的Sora。就感觉好像人家研究一天，我们又搞了一年，速度完全跟不上。关键还得有天才的团队、天才的idea以及有大量的资金投入，实实在在去做才会有一个像样的东西出来。我是学AI出身的，1997-2000年在美国莱斯大学计算机系读Artificial Intelligence。我觉得面对（国内外）差距越拉越大，我们得奋起直追，需要不计成本、不计代价，要不然的话又会像芯片一样被人卡住。”
对于国内外的差距，彭煦潭认为，并不是国内企业和国外企业存在差距，而是世界上全部的其他企业都和OpenAI存在差距，“去年硅谷有很多人以大模型为框架做创业，包括多模态的或者纯视觉的大模型，但大家的性能其实相对于OpenAI来说都有很大的差距”。彭煦潭指出，差距主要在于技术和资源，OpenAI在资源上同时拥有最好的数据和最强的算力，这都是其他企业很难拥有的优势。
司马华鹏则认为，在正视差距的同时，也要有追赶的信心，“我们在海外的团队也在追踪这件事，大家都在不断地探索这块的原理和对应的实现方法。如果国内大厂、很多创业公司都参与的话，我觉得在半年里也应该会有一些能达到他们大概七八成的产品出来。”
硅基智能在数字人领域深耕了6年，司马华鹏表示在这一细分赛道上硅基智能已经领先很多国外同行，“我们肯定要正视差距，但有一线的机会我们都会做。我们也都在各自领域找到了一些弯道超车的赛道在做”。
3
会引发哪些竞争
会引发内容行业变革、算力之争、芯片之争
随着Sora的爆火，其可能对行业、对内容创作者带来的影响也引发关注。罗江春引用了克莱顿·克里斯坦森的《创新者的窘境》理论，“一个革命性的新技术出现的时候，先被取代的是不被注意的低端产品。”
影视企业必然会受到冲击
罗江春认为，先被颠覆的是图文行业，随后是短视频、短剧，接下来则是影视行业。“我相信很快就会有AI驱动的影视剧公司出现了。一到三年之内，出现一个纯AI的爆款电影，这是有可能的。没有明星，没有导演，就是一帮人想了一个idea，拍摄方式完全就颠覆了。”
罗江春透露，现在有很多创作者，使用一览科技的AIGC全域工作流，生产大量的图文，“很多时候你在头条上看到的文章，都不知道是人写的还是AI写的，很难判断。然后侵蚀到短视频、短剧、影视剧。我觉得它会从低端到高端，逐渐重塑整个产业。”
司马华鹏也认为，影视企业必然会受到冲击，传统的内容平台也会被颠覆，“如果生成一个优质视频的成本降到了几毛钱，那这些平台上的人怎么办？”
能源、芯片行业将受到巨大影响
除了对应的内容产业外，司马华鹏还指出，能源和芯片行业都会受到巨大影响，Sora可能会吞噬掉世界上九成以上的显卡，“这是很可怕的，大家表面上看到冲击的是这些视频生成所影响的产业，但如果它生成的视频大规模地充斥世界，它背后所能够聚拢的显卡资源会越来越多。今天在所有的创业公司里，训练大模型对应的显卡的资源已经是非常的不均衡分布了。”
据了解，此前，有媒体报道称，OpenAI创始人山姆·奥特曼(Sam Altman)正从中东地区筹集总计高达7万亿美元的资金，以支持OpenAI的一项半导体计划，并与英伟达展开竞争。山姆·奥特曼并未就这一爆料回应，但他在近日公开表示，“我们认为世界需要在AI计算（芯片）领域投入大量资金。”
对此，司马华鹏认为，“我们最终会因为没有芯片可用，没有这样的算力可用（而输掉竞争）。AI竞争的背后，本质上是显卡的竞争，算力的竞争，芯片的竞争。”司马华鹏强调称，在前端的算法上，国内企业可能半年到一年就能追上，但在算力上的追赶则是很难的，“当你达到同等的效果的时候，对方的市场规模，以及对方在市场上的品牌认知、用户量都锁死之后，再追上是非常难的了。”
有媒体曾报道称，OpenAI现在每天生成大约1000亿个单词，而地球上所有人每天总共产生大约100万亿个单词，也就是说OpenAI生成的单词数量占据地球总数的千分之一。“这家公司每天生产的单词数超过了人类大部分的组织个体和企业，当它生产的视频也达到这样的量的时候，这个冲击是非常大的。可能全世界的电量及算力的部分百分比，都被它占据了。”司马华鹏指出。
对于算力之争，罗江春表示，国内已经有企业在显卡上布局，在算力上也可能有所突破。但罗江春也对OpenAI目前吸引的大量资源表达了忧虑，“它已经虹吸了很多内容创作者、资金、算力在这个平台上。要追赶的话，只可能demo跟它差不多，但是实际产品的水平会越差越远。很多时候我们在做AI、做大模型的时候，不知道哪条路是对的。最可怕的是时间，当它（OpenAI）吸引了太多能量的时候，再追赶就很难。”
A10-15版
统筹：甄芹 马宁宁 田爱丽
执行/采写：南都、N视频记者 汪陈晨 林文琪
南都记者 吕虹 实习生 陈奕帆
直播统筹：N视频记者 陈蓓蕾
整合：陈欣 图片由受访者提供 综合科技日报、新闻联播微信公众号、新京报
