南都｜一览科技罗江春：Sora掀开内容产业AI革命新篇章

在OpenAI出具的技术报告中,将Sora称为“世界模拟器”。OpenAI认为，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，怎么理解这个说法？

金小刚：Sora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。

罗江春：这个事情我可能有点不同的观点，我一直在做视频，在视频行业待了20多年。首先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，它并没有超出Video这个领域。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。从这个角度来说，我觉得Sora的技术还是挺令人震撼的，我很期待能用它的产品。

司马华鹏：我认为Sora呈现的视频应该是达到了“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以望其项背的，当然也是我们奋起直追的目标。

在视频生成模型领域，国内也有多家企业布局。怎么看待国内企业和国际头部企业的差距？

罗江春：其实一览从成立之初就一直在尝试将AI技术跟视频相结合，2018年我们提到一个概念叫RGC（Robot Generated Content），其实跟今天的AIGC（Artificial Intelligence Generated Content）是一个意思，唯一的差别在于2018年我们在做RGC的时候底层是没有大模型的，那时候脚本我们得自己写。文生视频要怎么实现呢？一定要还原三个最关键的环节，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。而这些应该是可以在Sora整个模型里完成的，它肯定不是用的图片，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。

回过头来回答主持人这个问题，其实目前从技术上说国内外的差距是在拉大的。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。

司马华鹏：在正视差距的同时，我们也要有追赶的信心。事实上，我们硅基智能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六年，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，只要有一线的机会我们都会去做。我们也都在各自领域找到了一些弯道超车的赛道在做。

随着以Sora为代表的视频生成模型的成熟、广泛应用，未来有哪些行业会受到深刻的影响？

罗江春：这个我想用克莱顿·克里斯坦森的《创新者的窘境》理论，就是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。在内容产业，图文肯定会最先被颠覆，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。这对于影视剧公司来说肯定会面临很大的挑战，挑战的分水岭在哪里呢？就是第一部AI电影，而且是爆款。

现在这个趋势其实已经很明显了。已经有很多创作者在使用一览科技的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：影视企业必然会受到冲击，传统的内容平台也会被颠覆。另外，能源和芯片行业肯定也会受到巨大影响，因为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。

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。目前在前端的算法上，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。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。

罗江春：我回应一下司马总说的芯片这个事，其实我是很悲观的，为什么呢？就是我们能追上它的效果，但是当追上的时候，它已经虹吸了很多的内容创作者、资金、算力在它的平台上，只可能在局部的demo可能做的差不多，但是实际的Production这个level上我们其实是越差越远的，而且是越追越难。更何况OpenAI手上到底还有多少张牌，我们其实尚未可知。

哪些工作可能会因为视频生成模型的出现而消失？又可能会出现哪些新职业？

金小刚：这类工具对于普通公众来说会带来巨大的信息和能力的不对称性，如果用于诈骗，将带来不可估量的影响，所以在科技探索的同时，在监管上需要跟上。从教育的角度来思考，我们的教育不能满足于对于已有知识的背诵与综合，要着眼于好奇心的培养，激发学生对于未知的探索。教育不是去培养一个跟ChatGPT竞争的人，而是培养打造ChatGPT的人，根本上来说要培养创新者。

罗江春：可能每个行业都会受到冲击，但速度有所区别。设计师我想还是依然会存在的，因为他有审美，AI会让他的效率提升，我们现在在绘图产品上加了很多功能，包括怎么扩展、擦除、局部修改，都是为了设计师去做的。导演可能也还是需要的，因为他有很多镜头、转场的技巧，基本的审美。但是可能不需要在某个方面特别专业的人才，因为越专业的工作，越能用程序描述清楚的东西，硅基超越碳基是越有机会的。如果是一些要发挥创造力、想象力的工作，这些职业改变应该会慢一点。

司马华鹏：AI对于所有的产业而言，都能带来非常大的进步。今天有非常多的科学发现，都已经开始借助AI在做了。科学发展到这个阶段，有一些焦虑和忧虑很正常，当然我们也要奋起直追。

稿件整理自南方都市报报道

原标题：Sora制造AI焦虑？或引发内容行业变革，算力、芯片之争

采写：南都、N视频记者 汪陈晨 林文琪