AI文生視頻領(lǐng)域，幾乎只剩Sora還是個(gè)期貨了。

最近兩個(gè)月，國(guó)內(nèi)外的AI-generated Video應(yīng)用持續(xù)爆發(fā)，中國(guó)的快手、字節(jié)、智譜AI、生數(shù)科技、愛(ài)詩(shī)科技，海外的谷歌、Luma、Runway，格局如八仙過(guò)海。

雖然不同平臺(tái)水平差異依舊存在，但整體可用性已經(jīng)大大提高，而且風(fēng)格化特征也比較全面。唯一的缺憾是，在融入工作流方面，AI視頻工具們的水平還是差了一點(diǎn)。Sora畫的餅，要交給這些后來(lái)者去圓了。

放棄期貨，文生視頻應(yīng)用爆發(fā)

業(yè)界民間都把視頻視為AI應(yīng)用落地的重點(diǎn)領(lǐng)域。英偉達(dá)CEO黃仁勛在7月30日的全球頂級(jí)計(jì)算機(jī)圖形學(xué)會(huì)議SIGGRAPH 2024上邀請(qǐng)了Meta的CEO扎克伯格進(jìn)行對(duì)話，雙方都認(rèn)可視頻能力會(huì)是AI大模型的進(jìn)化方向。

出身于英偉達(dá)研究小組的Luma AI首席科學(xué)家宋佳銘，在與a16z合伙人Anjney Midha對(duì)談時(shí)說(shuō)，視頻關(guān)聯(lián)著3D世界，從學(xué)習(xí)角度看，視頻數(shù)據(jù)使模型更好地理解和推理3D世界。所以，實(shí)時(shí)高質(zhì)量的視頻生成，最終會(huì)推動(dòng)具身AI的發(fā)展。

視頻就是這樣一座“橋”，而現(xiàn)在大量的AI公司正在試圖搶先通過(guò)它，尤其是OpenAI讓Sora變成了外界用不到的期貨，給了其他平臺(tái)進(jìn)一步發(fā)展的空間。

（整理自公開(kāi)信息）

（圖源：天眼查）

超長(zhǎng)戰(zhàn)線背后是這些公司的試探。一部分是關(guān)于商業(yè)模式，另一部分是關(guān)于技術(shù)應(yīng)用前景。

可靈、即夢(mèng)、Vidu等都推出了會(huì)員訂閱模式，在C端進(jìn)行應(yīng)用普及化嘗試。愛(ài)詩(shī)科技創(chuàng)始人王長(zhǎng)虎此前在接受財(cái)新采訪時(shí)表示：“愛(ài)詩(shī)目前的策略以2C（面向消費(fèi)者）為主，廣泛收集國(guó)內(nèi)外用戶反饋，以更好地基于用戶體驗(yàn)迭代底層模型。”至于更遠(yuǎn)的應(yīng)用，現(xiàn)在來(lái)談則為時(shí)尚早，主要是因?yàn)镃端的收費(fèi)模式無(wú)法承擔(dān)成本。

Luma AI采取了To C的產(chǎn)品形態(tài)，不過(guò)它原本專注于3D領(lǐng)域，進(jìn)入視頻生成領(lǐng)域是為了探索3D生成與重建的更多可能性，以視頻驅(qū)動(dòng)3D發(fā)展。這在產(chǎn)業(yè)領(lǐng)域有更多的應(yīng)用前景，例如批量制造電影需要的三維素材等。

最重要的是，Luma AI的期望不是售賣技術(shù)或者素材，而是建立類似TikTok這樣的平臺(tái)，也就是一個(gè)基于3D的生態(tài)系統(tǒng)。王長(zhǎng)虎也在和極客公園創(chuàng)始人張鵬對(duì)話時(shí)表示，愛(ài)詩(shī)科技也瞄準(zhǔn)的是“AIGC時(shí)代的平臺(tái)性機(jī)會(huì)”，但平臺(tái)的形態(tài)暫時(shí)無(wú)法預(yù)測(cè)，因?yàn)锳I產(chǎn)業(yè)不會(huì)以復(fù)制現(xiàn)在已有的平臺(tái)的方式成長(zhǎng)。

不僅如此，目前讓AI-generated Video進(jìn)入完整工作流的應(yīng)用已經(jīng)在成形。開(kāi)源視頻編輯工具Clapper最近熱度上升，它的特色就是集合各類AI技術(shù)，用prompt的方式調(diào)動(dòng)AI Agent生成和迭代故事，直接跳過(guò)了手工編輯文件的過(guò)程。

（圖源：機(jī)器之心）

由此可見(jiàn)，AI-generated Video的進(jìn)化速度遠(yuǎn)比我們想象得要快。目前，行業(yè)的重點(diǎn)無(wú)疑在于生成速度和生成效率兩個(gè)方面。但是，大模型并不提供完全確定的商業(yè)模式方向，這更多取決于團(tuán)隊(duì)的選擇。而在這個(gè)過(guò)程中，除了商業(yè)化之外，AI公司還要思考怎么避免陷入合規(guī)困境、成本困境。所以，把文生視頻變得成熟并不容易，現(xiàn)在僅僅相當(dāng)于ChatGPT剛剛問(wèn)世的階段。

AI-generated Video的“硬傷”和突破口

a16z之前就發(fā)表過(guò)觀點(diǎn)，巨頭在從科研成果到商業(yè)產(chǎn)品的轉(zhuǎn)化中需要更關(guān)注法律安全、版權(quán)等問(wèn)題，所以往往效率會(huì)慢。我們不去考慮Sora是不是因?yàn)檫@個(gè)原因始終不露面，單看行業(yè)都要面對(duì)的相關(guān)問(wèn)題，邏輯其實(shí)是一樣的。

1.商業(yè)化的“落差”，目前的AI-generated Video很難滿足甲方們的需求

彭博社曾報(bào)道，OpenAI一直試圖向好萊塢推薦Sora，但并不成功。用Sora制作的第一則商業(yè)化廣告是6月公開(kāi)的玩具反斗城廣告。然而，這則視頻不但用了一些舊素材，公開(kāi)新聞稿也沒(méi)有說(shuō)完全由AI生成。

導(dǎo)演Nik Kleverov還在一條已經(jīng)刪除的動(dòng)態(tài)里表示，制作這些鏡頭的創(chuàng)意機(jī)構(gòu)Native Foreign提供了大約十幾個(gè)工作人員參與工作，Sora支持了80%到85%的流程。這對(duì)需要高效低成本的AI-generated Video來(lái)說(shuō)算不上什么好消息。

2.訓(xùn)練成本、高質(zhì)量數(shù)據(jù)集難以滿足

視頻的本質(zhì)可以視為一系列圖像，圖像有很多公開(kāi)的數(shù)據(jù)集，但是視頻沒(méi)有。OpenAI遇到過(guò)違規(guī)使用YouTube視頻進(jìn)行訓(xùn)練的指控，英偉達(dá)最近被媒體曝光從Netflix和YouTube收集了大量數(shù)據(jù)，用來(lái)訓(xùn)練自己的Cosmos項(xiàng)目，用于支持其AI產(chǎn)品往現(xiàn)實(shí)世界發(fā)展。它每天可以下載相當(dāng)于80年的視頻內(nèi)容。

這體現(xiàn)了兩個(gè)關(guān)鍵點(diǎn)：一是黃仁勛和Luma的觀點(diǎn)類似，AI視頻的發(fā)展確實(shí)對(duì)AI進(jìn)入3D世界意義重大，英偉達(dá)也是這樣做的：文本——圖像——視頻——三維模型——現(xiàn)實(shí)世界。二是視頻數(shù)據(jù)集是個(gè)大問(wèn)題，除了版權(quán)問(wèn)題，這些視頻數(shù)據(jù)還缺乏標(biāo)簽，斯坦福大學(xué)教授Stefano Ermon說(shuō)，現(xiàn)階段缺乏篩選和過(guò)濾好視頻的方法，而且篩選后還要考慮它們的標(biāo)簽和描述。

3.AI資產(chǎn)泡沫的問(wèn)題，AI必須為用戶解決重要復(fù)雜的問(wèn)題才能有價(jià)值，但現(xiàn)在它的發(fā)展成效，遠(yuǎn)遠(yuǎn)不能和互聯(lián)網(wǎng)等技術(shù)當(dāng)年初生時(shí)的情況相比

Benchmark合伙人Michael Eisenberg在最近的一期訪談中，引用了其好友Atreides Management創(chuàng)始人Gavin Baker關(guān)于大模型發(fā)展的觀點(diǎn)：“基礎(chǔ)模型是歷史上貶值最快的資產(chǎn)。”

他所舉的例子來(lái)自Seeking Alpha的創(chuàng)始人，類似金融領(lǐng)域這種每分鐘都會(huì)進(jìn)行業(yè)務(wù)和數(shù)據(jù)更新的高頻領(lǐng)域，訓(xùn)練出來(lái)的模型只能完成寫報(bào)告之類的常規(guī)工作，但無(wú)法應(yīng)對(duì)數(shù)據(jù)的高速刷新，滿足金融預(yù)測(cè)未來(lái)的需求。

而且，其他技術(shù)的發(fā)展是確定性的，互聯(lián)網(wǎng)發(fā)展早期雖然泡沫巨大，但已經(jīng)體現(xiàn)了應(yīng)用路徑；而AI渾身都是不確定性。互聯(lián)網(wǎng)發(fā)展的邊際成本幾乎約等于0（或者說(shuō)其中不少都分擔(dān)給了運(yùn)營(yíng)商和用戶），然而AI成長(zhǎng)的邊際成本涉及大量固定資產(chǎn)，現(xiàn)在都由創(chuàng)業(yè)者自己承擔(dān)，而且越投入邊際改善效應(yīng)越弱。大量的早期投入，很可能是一個(gè)陷阱。

技術(shù)革命之后必須伴隨產(chǎn)業(yè)革命，產(chǎn)業(yè)革命則需要現(xiàn)象級(jí)產(chǎn)品的引領(lǐng)。AI更需要的是一個(gè)成功的場(chǎng)景。目前看來(lái)，AI-generated Video還沒(méi)有拿到這類成果的起色。

Perplexity的創(chuàng)始人Arin對(duì)此提供了另外一個(gè)觀點(diǎn)，那就是基礎(chǔ)模型的價(jià)值本質(zhì)映射著背后團(tuán)隊(duì)的價(jià)值，即Sora之于OpenAI，文心大模型之于百度。不是Sora能革了視頻的命，只是外界相信由OpenAI領(lǐng)導(dǎo)的Sora具備這樣的可能性而已。當(dāng)Sora沒(méi)能提供符合我們預(yù)期的突破時(shí)，誰(shuí)能在這個(gè)領(lǐng)域擔(dān)起大任呢？

由此出發(fā)，關(guān)鍵或許在于誰(shuí)能先把AI-generated Video真正融入到某一個(gè)商業(yè)系統(tǒng)的工作流中去，就像Clapper對(duì)視頻制作的探索一樣。而這就是一個(gè)更大的問(wèn)題了，因?yàn)樗�涉及到和其他領(lǐng)域的融合——氣象、城市、影視、汽車、制造業(yè)。也許Sora會(huì)在今年的某天拿出一個(gè)更具體的成果，也許是其他的創(chuàng)業(yè)公司顛覆了我們對(duì)AI視頻的認(rèn)知。

來(lái)源：松果財(cái)經(jīng)

       原文標(biāo)題 : OpenAI Sora畫的餅，AI行業(yè)集體給它圓了......嗎？