IT时报记者贾天荣
　　Sora，已经成为人工智能界的开年王炸。
　　2月16日，OpenAI发布Sora大模型，仅需通过文本即可自动生成视频，这也是继文本模型ChatGPT和图片模型Dall-E之后，又一极具颠覆性的大模型产品。
　　文本生成视频并非始于Sora。据不完全统计，截至去年年底，全球范围已涌现了包括Runway、Pika、Stable Video Diffusion在内的超过20款同类产品。但Sora的登场无疑带来了一场革命性冲击，其展现出来的卓越性能近乎达到对同类产品的“碾压”级别。
　　Sora所展示的颠覆性体现在多个维度，可以直接输出的视频长达60秒，并且视频内含复杂精细的背景环境、动态多变的运镜、多样化的角色表现以及一镜到底或切换多机位的无缝对接，从人物微妙的表情变化至动物生动的姿态模拟，都足以以假乱真。
　　在OpenAI发布的视频中，一名时尚女性走过喧闹繁华的东京街头，背景建筑、街道以及人像的逼真程度，都保持了高度一致性，哪怕是各种镜头的蒙太奇，都没有出现明显的失真。
　　有人评价，由Sora生成的视频，无论是光影色彩的转变，还是镜头移动，甚至细微到纹理结构变化，都呈现出较高质感。它还能模拟现实世界的物理规律，像“一杯咖啡中，两艘海盗船展开了激烈的战斗”这段视频，不仅呈现了咖啡的流体动力学和逼真的光影渲染，还运用了光线追踪和移轴摄影技术等，技能强大。
　　OpenAI强调，“Sora是能够理解和模拟现实世界模型的基础，我们相信这一功能将成为实现通用人工智能（AGI）的重要里程碑。”
　　Sora的横空出世引发了关于中美AI差距是否进一步加大的热议。360公司周鸿祎指出，尽管国内大模型发展水平接近GPT-3.5，但与4.0相比仍存在一年半左右的差距。
　　周鸿祎认为，OpenAI可能还握有未公开的秘密武器，“中国跟美国的AI差距可能还在加大。”
　　与此同时，不少业内人士表示，中美AI发展的根本差距或许不在于技术本身。
OpenAI
数据是“秘密武器”游戏引擎或是关键
　　《IT时报》记者注意到，根据OpenAI发布的技术报告，Sora强大能力背后的主要功臣与两点有关：其一是使用了基于Transformer的扩散模型（Diffusion Model）；其二是将不同类型视觉数据转化为统一格式——像素块（patch），从而能获取利用数量庞大、质量过硬且算力性价比高的数据。
　　技术报告中，OpenAI并没有披露训练来源和具体细节，业内人士认为，数据很可能是Sora成功的最关键因素之一。
　　“我觉得最核心的一点是OpenAI有足够的数据。”Logenic AI联合创始人李博杰向《IT时报》记者表示，OpenAI之所以能够在生成模型领域取得突破，主要原因在于，其数据质量和数量上的显著优势。
　　浙江大学百人计划研究员、博士生导师赵俊博在接受澎湃新闻采访时也表示，对于Sora采用了怎样的数据进行训练，圈内依然众说纷纭，推测可能是运用了游戏引擎生成的大规模数据：“可能是游戏引擎里面吐出来这种数据，但它这个数据到底怎么收集、如何生产加工，最后如何喂到Sora里面进行管线化的预训练，我们确实不知道。”
　　OpenAI曾发布两个20秒长的Sora版《我的世界》演示视频，研究人员向Sora提供包含“Minecraft”（《我的世界》游戏）一词的提示后，Sora可以渲染出与《我的世界》游戏极其相似的HUD、高保真度渲染世界及游戏动态，同时还能控制玩家角色。
　　值得一提的是，去年8月，OpenAI官宣了有史以来第一次收购，收购对象为制作开源版《我的世界》的初创公司Global illumination。李博杰猜测，从Sora版《我的世界》演示成果来看，OpenAI对Global illumination收购或许为Sora的数据积累做了一定贡献。
　　另外，在算力方面，虽然OpenAI训练Sora模型使用的GPU卡数量并非无法企及，但其他公司在具备足够硬件资源的情况下，仍然难以复制OpenAI的成功，主要瓶颈还是在于如何获取和处理大规模高质量的视频数据。
　　《IT时报》记者注意到，收购Global illumination的同时，OpenAI宣布以创新方法来训练AI模型，有望省去标注大量资料的训练过程。 下转05版