理性分析Sora影响关注OpenAI高速创新的源动能

理性分析Sora影响关注OpenAI高速创新的源动能中国移动研究院战略与产业研究所20243月摘要Sora模型带来文生视频重大突破，其技术水平与OpenAISora为短中期内该模型对内容产业难有颠覆性影响。比起Sora本身，OpenAI持续引领技术潮流的源动能更值得关注。除了海量数据和巨大算力的投入外，强大的工程创新能力和OpenAI一方面持续跟踪关注文生视频技术的最新动态和研发进展OpenAIOpenAI实践经验，双向发力强化前沿领域工程创新，加速产业技术发展；构建人才合作培养生态，为新生力量提供引领未来科技探索的成长平台。一、 预计短中期内，Sora难以颠覆内容产业SoraSora（Patch），然后进行训练、处理、输出等工作，Patch之SoraTokenChatGPT。综合业界目前的测算结GPT-4APITokenSora1（折合人民币百元至千元量级）。对比国内纯人工拍摄视频约100-500元/条[1]的成本，SoraB有限。同时，高昂的成本也使得SoraChatGPT“通过低推理成本、高适应性迅速在C依托海量用户输入数据迭代优化模型”的成功路径。Sora技术尚不成熟，也非视频生成技术的“唯一解”。一是理解和再现物理规律的能力不足。Sora模型出现了相关性与因果律矛盾（例如，吹蜡烛但蜡烛火苗纹丝不动）局部合理与整体荒谬矛盾（例如，跑步机与跑步者的方向相反）、临界状态缺失（例如，果汁泼溅视频中，缺失果汁从杯中流洒出来的过程）等问题，在构建一个广义的、符合现实世界运行逻辑的“世界模型”方面仍有很大的提升空间。二是生成视频的一致性不佳。Sora视频的“画风”不同，使得用户难以将多个视频片段剪辑拼接成连贯长视频。与此同时，近期无论是MetaV-JEPAEMOSora的底层架构，同样展现了独特的技术特点和在部分领域对SoraEMO且在表情和头部姿势上更富有表现力的肖像视频。综上，预计短中期内，Sora2020AI制药模型AlphaFold将彻底改变制药产业。然而，历经四年发展，AI的应用仍主要集中在临床前研究的某些环节，更为关键的临床试验阶段以及药物靶点选择、适应症确定和患者人群筛选等方面，AI的作用依然十分有限。与制药产业相似，内容产业的产业链条长且复杂，个别环节的技术突破并不Sora术的问题，短中期内也只会影响到素材采集、影视制作等少数环节，在涉及世界观构建、故事设定、角色形象设计等的核心领域，内容产业仍然依赖于现行模式和人的创意输入。二、 OpenAI超常的技术迭代速度比Sora本更值得关注SoraAI的海量投入外，OpenAI强大的工程创新能力和大胆的人才培养政策同样值得关注，具体来看：一方面，OpenAI博采众长，以强大的工程创新能力引领技术发展。相较谷歌等竞争对手，OpenAI层技术攻关（ChatGPT、Sora来自外界），基于深度研发成果追踪与大量技术组合试验，对已OpenAI成果的源动能。OpenAIAI础技术的敏锐洞察，持续高强度研究大量学术论文并深入理解技术原理与优劣势。依托海量知识储备，OpenAI得以确立核心技术路线，并保持对抉择正确性的充分信任（例如，OpenAIGPT的技术路线更具发展前景，在其AIGPT）。围绕核心技术路线，OpenAI沿技术，通过巧妙融合模型、注重优质标注、训练足量数据、突破常规编码等方式，以大量试验迭代优化性能。同时，OpenAI还强调跨学科的知识与经验融合，汇聚多领域专家，使产品更好与用户价值观、评价标准“对齐”，显著提升产品的被认可度。此外，OpenAI打破技术攻关与产品化的壁垒，加速成果产出速度。OpenAI整合研究人员、产品经理、设计师、软件工程师并组建跨部门的项目团队（ChatGPT），自始至终保持紧密合作、共同探讨项目布局与发展（而非按照产品生命周期，各部门串行工作），以市场需求与用户试用反馈指引研究人员的技术优化方向，以最新研发成果启迪产品人员的开发思路。另一方面，OpenAI小团队作战、多路径探索，充分激发青年人才的创新创造活力。SoraOpenAI命了具备文生视频核心知识的两名应届博士毕业生来领导团队，给予年轻人充分的信任和自主权，允许其延续在学校的研发课题、基于自己前期提出的扩散Transformer（DiT）构建文生视频模型。OpenAIGPT的资源投入，为众多年轻精英提供将实验室技术理论转化为创新实践的宝贵机会，并包容可能的失败。这种“知人OpenAI其长远发展筑牢根基。三、 策略建议不可否认的是，SoraAI能力的飞跃，相关技术的最新动态和研发进展，特别是在娱乐、广告、教育等领域引发的行业变革以及对商业模式的重塑，需要我们持续聚焦关注。另一方面，OpenAIAI双向发力强化前沿领域工程创新，加速产业技术发展。一方面，强化对外界基础研究成果的跟踪，对前沿技术“跟进、汇聚、融合、再造”。通过追踪全球前沿领域最新成果动态，全面把握技术发展趋势，融合业界最新基础研究，探索可提高性能的技术组合。同步关注脑科学与认知科学、新型计算技术、新能源新材料等领域创新进展，以交叉学科新理论突破启迪AI技术变革，以交叉学科新应用需求指引AI创新方向，以市场为导向，以体系化工程思路促进交叉学科的碰撞、交流与融合，形成创新策源地。另一方面，学习OpenAI的研发、产品一体化创新模式，提高工程创新速度。通过在企业内部设立小型工作室等方式，组建跨部门的一体化项目团队，促进多方项目成员全程紧密合作，强化外部市场需求、己方已有技术能力、用户试用反馈等信息的共享，加速产品迭代升级。构建人才合作培养生态，为新生力量提供引领未来科技探索的成长平台。一方面，与高校联合培养兼具技术创新和工程师能力的复合型人才队伍，加快前沿技术理论到技术落地之间的创新转化，打通从科研到产业落地之前的“最后一公里”。另一方面，充分激发新人科创潜能，为他们提供引领探索前沿技术的机会与平台。参考科技部部35AI业界提出的创新方向。在此过程中，提高对探索失败的容忍度，进一步优化科研经费、科研人员管理以及绩效考核等方面的体制机制，营造宽松、包容的创新氛围。[参考