文|數(shù)智前線 趙艷秋

編輯|?；?/p>

在春節(jié)開工后這一周，國內(nèi)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(nèi)還處于拆盲盒階段。不得不承認，Sora是算法組合、數(shù)據(jù)選擇、訓練策略、算力優(yōu)化等多種能力的結合，雖然這些技術可能不是OpenAI的原創(chuàng)，但OpenAI對它們的深刻洞察，以及精巧的系統(tǒng)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(tǒng)工程面前，國內(nèi)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(jié)、百度、阿里、騰訊、華為、浪潮等企業(yè)未對外發(fā)聲。一些相關大廠的研發(fā)團隊則在“拆盲盒”，信息也絕對保密，“Sora將影響今年公司產(chǎn)品的研發(fā)計劃?！?/p>

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(nèi)網(wǎng)上，核心研發(fā)團隊之外的“吃瓜群眾”，在零星發(fā)帖討論，“談不上討論熱度”，甚至有國內(nèi)人工智能大廠內(nèi)網(wǎng)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(yè)界的一些緊迫感。Sora發(fā)布第二天，2月17日，阿里摩搭社區(qū)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(jié)后剛開工，浪潮相關業(yè)務已對Sora給出分析報告。不少大廠相關業(yè)務線紛紛布置調(diào)研匯報作業(yè)，其中有些企業(yè)將在本周做出Sora分析調(diào)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(jù)更少。

從各大廠內(nèi)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(fā)文分析，從OpenAI的動作，包括發(fā)布Sora、ChatGPT、DALLE以及一直強調(diào)的agent看，今年下半年OpenAI可能發(fā)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(nèi)AI超級有利，原因是在全球短視頻市場上，字節(jié)、騰訊、快手占前三，而Sora原理基礎大家也都知道，以國內(nèi)現(xiàn)有的GPU算力，推測“快的話一年”，國內(nèi)將有類似產(chǎn)品推出。

02 OpenAI不靠蠻力

業(yè)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(chuàng)。

“Sora 在算法組織和數(shù)據(jù)訓練策略上下了很大功夫，充分挖掘了算法和數(shù)據(jù)的潛力，學到更深層知識?！痹浦暥麻L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(xù)刷新了業(yè)界的認知。這體現(xiàn)了OpenAI對算法和數(shù)據(jù)潛力的深刻洞察，以及精巧的系統(tǒng)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(shù)可能是30億”。

一些人士認為30億參數(shù)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(jié)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(shù)太大，算力會不夠。

不過，也有一些行業(yè)人士認為“不止30億”。

“30億參數(shù)，我認為是有誤導性的?！币晃欢桃曨l人工智能資深人士告訴數(shù)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）?！倍赟ora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?qū)⒑喍痰挠脩籼崾巨D(zhuǎn)換為更長的詳細描述，用來提高視頻的整體質(zhì)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?！斑@不符合它一貫的做法，他們都是‘大力出奇跡’?！敝锌粕钪荂TO宋健對數(shù)智前線說，實際上，理論上已指明了道路，有不少企業(yè)也去嘗試了，目前來看，真正意義上能執(zhí)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(tǒng)工程，單純靜態(tài)的推測參數(shù)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(yè)界搞不定長視頻。

“OpenAI 最終是否采用了更大規(guī)模的參數(shù)，根據(jù)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?！绷杭叶髡f，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(guī)模的無監(jiān)督學習，是可以通過小樣本甚至零樣本學習，擊敗有監(jiān)督學習，這是 OpenAI 對規(guī)模效應的堅定信念。“這次Sora通過算法組合和數(shù)據(jù)設計，學到更多符合物理規(guī)律的‘知識’，符合 OpenAI 這些年來的一貫風格?！?/p>

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?！叭绻悻F(xiàn)在做數(shù)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(jīng)很精確了?！彼谓≌f，“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(xiàn)在大家對算力的推測非?；靵y?！币晃挥ミ_人士告訴數(shù)智前線。由于OpenAI這次公布的信息非常少，業(yè)界很難評估。

“視覺模型或多模態(tài)模型跟大語言模型算力的評估方式不太一樣?！币晃蝗斯ぶ悄芩懔Y深人士告訴數(shù)智前線，即便Sora可能只有幾十億參數(shù)，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(shù)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(shù)量級，也就是數(shù)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(shù)據(jù)曾顯示，Stable Diffusion的推理算力消耗，與Llama 70b（700億）參數(shù)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?！币晃蝗斯ぶ悄軐＜腋嬖V數(shù)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(fā)展，今年國內(nèi)算力總體仍會非常緊張。有算力基礎設施企業(yè)人士稱，在人工智能算力上，北美幾家巨頭的算力，現(xiàn)在已是國內(nèi)總算力的十幾倍，甚至還要更多。

但在某些局部上，國內(nèi)算力已經(jīng)出現(xiàn)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(yè)，放棄開發(fā)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(zhàn)，還沒有大量的推理應用落地，這些會導致一些企業(yè)出現(xiàn)幾十臺或幾百臺的空閑。

宋健也發(fā)現(xiàn)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。