“面對Sora帶來的挑戰，不妨讓子彈再飛一會兒。”兩個多月前，OpenAI又一記深水炸彈，以文生視頻大模型Sora引爆全球，當時談及國內外文生視頻大模型的差距，伽利略資本合伙人鄭譞作出了這樣一句評價。兩個多月后，“預言”應驗。先是生數科技聯合清華大學發布了視頻大模型Vidu，一度被外界形容為中國首個Sora級視頻大模型，近日，亦有媒體報道稱，智譜AI也正研發對標Sora的國產文生視頻模型，最快年內發布。隨著企業競相入局，國內文生視頻大模型明顯進入加速階段。但就像鄭譞說的，Sora的出現并非技術上的突破，而在工程方面，國產大模型的差距其實并沒有多遠，“從本質上講，場景或許是比工程突破更值得思考的一件事”。
Sora之后
近日，有媒體報道稱，智譜AI正在研發對標Sora的高質量文生視頻模型，預計最快年內發布。對此，北京商報記者聯系了智譜AI，對方表示該消息非官方信源消息，沒有其他信息可以提供。
公開資料顯示，智譜AI由清華大學計算機系技術成果轉化而來，也是國內最早研發大模型的企業之一。今年1月，智譜AI發布新一代基座大模型GLM-4，智譜AI CEO張鵬曾介紹稱，GLM-4的整體性能相比上一代大幅提升，逼近GPT-4。
在此之前，國產文生視頻大模型已經掀起過一波浪潮。4月27日的2024中關村(4.440, 0.11, 2.54%)論壇年會上，清華大學聯合生數科技正式發布中國首個長時長、高一致性、高動態性視頻大模型Vidu，引發熱議。
據介紹，Vidu是自Sora發布之后全球率先取得重大突破的視頻大模型，性能全面對標國際頂尖水平。
“Vidu是全棧自主創新的最新成果，在多個維度上實現了技術突破，包括可以模擬真實物理世界、具有想象力、可以理解多鏡頭語言而不再是簡單的鏡頭推拉、可以一鍵生成長達16秒的視頻、人物場景時間保持高度一致性、可以理解中國元素。”當時，清華大學教授、生數科技首席科學家朱軍介紹稱。
對于外界最關心的，Vidu和Sora的對比，朱軍也在現場做了展示，比如Sora在視頻生成過程中丟掉了“旋轉”這一關鍵詞，但Vidu則能較好地抓住這一內容，實現視頻視角的絲滑“旋轉”。
不過也有分析認為，Vidu的16秒與Sora的一分鐘仍存在算力和工程方面的巨大差距，對此，有業內人士對北京商報記者提到，Vidu的架構本身足夠支持更長時間的視頻生成，生數科技也介紹稱，Vidu正在加速迭代提升中。
值得一提的是，智譜AI與生數科技均出自“清華一脈”。此外光年之外、月之暗面、百川智能、面壁智能等均有清華學子的影子。有媒體引用業內人士的分析稱，清華系大模型公司的格局是以智譜AI為中心，布局人工智能上下游。今年3月，生數科技宣布完成新一輪數億元融資，智譜AI就是跟投者之一。
產品化才是關鍵
事實上，自Sora發布之后，國內文生視頻領域便已開始升溫。例如Sora發布的2月，清華大學便公布了一項文生視頻專利。同月，中國首部文生視頻AI動畫片《千秋詩頌》播出。而在Vidu發布的第二天，國內首個音視頻多媒體大模型萬興“天幕”正式公測。
據Gartner研究預測，到2030年，90%的數字內容都將是AI生成。預計2032年，全球AIGC市場規模將由2022年的108億美元增加至1181億美元。
經濟學家、新金融專家余豐慧對北京商報記者分析稱，文生視頻的成功構建意味著AI模型能夠處理更高維度、更復雜的數據，并進行創造性表達，這表明模型正朝著理解和創造世界的不同層面演進，這與AGI所追求的認知和決策能力更加接近。
“Sora這樣的文生視頻技術一旦成熟，理論上有可能顛覆傳媒業、影視制作、游戲開發、虛擬現實、廣告創意、教育等多個行業。它能夠在短時間內根據用戶需求自動生成高質量視頻內容，大大降低創作成本，提高生產效率。”余豐慧補充稱。
在接受北京商報記者采訪時，鄭譞提到，文生視頻可以簡單類比成分鏡腳本，利用文本信息生成關鍵幀，以幀與幀的畫面聯合形成連續視頻。在這個過程中，更多屬于工程上的創新，而非技術層面的顛覆性突破，這也意味著國內外大模型的差距不會太長，整體時間差距可以保持在半年之內。
也是因此，比起工程上的突破，鄭譞更關注的其實是應用場景。據他觀察，AI短片在行業內的“單子”還非常小，更像是實驗性質的嘗試，比之成熟的商業制作“大片”還有很大差距，“基本可以忽略不計”。
更缺的是推理算力
企業競相入局文生視頻大模型，也引發出了另一個關鍵問題——算力。早在Sora發布后不久，360集團創始人周鴻祎就曾公開提到，Sora的技術路線如果被開源，國內將能很快趕上，但在追趕Sora時，算力有可能成為門檻。
中信證券(19.210, 0.20, 1.05%)曾簡單估算，一個60幀的視頻（約6—8秒）需要約6萬個Patches，如果去噪步數是20的話，相當于要生成120萬個Tokens。同時考慮到擴散模型在實際使用時往往需要多次生成的特點，實際計算量會遠超120萬個Tokens。
天使投資人、資深人工智能專家郭濤對北京商報記者分析稱，大模型的訓練需要處理大量的數據和復雜的計算。如果沒有足夠的算力，訓練這樣的模型將非常困難。其次，目前全球的算力資源是有限的，而且大部分集中在一些大型科技公司手中，這就使得其他公司或者研究機構在獲取足夠的算力資源方面面臨挑戰。
不久前，月之暗面的Kimi智能助手走紅成為“小爆款”，因使用人數激增，Kimi App和小程序一度出現無法正常使用的情況。當時中信建投(22.730, 0.40, 1.79%)層發布研報稱，隨著Kimi用戶數持續提升，已經出現短暫算力支持不足的情況，考慮后續模型訓練和推理需求，預期算力需求會進一步提升，帶動算力需求落地。
“推理算力很可能會是創投圈的下一個機會。”鄭譞總結說。
