2024年，Sora為AI視頻賽道打響了“發(fā)令槍”。

珠玉在前，國內(nèi)誰能最先做出“國產(chǎn)版Sora”，又或者另辟蹊徑，走出AI視頻的新路子？到底是會(huì)被全盤碾壓，還是各自找到合適的生態(tài)位？Sora的陰影之下，國內(nèi)大廠同類產(chǎn)品還會(huì)有生存余地嗎？

縱觀國內(nèi)大廠，尚未出現(xiàn)產(chǎn)品能與Sora匹敵的跡象。但應(yīng)用并非軌道，而是曠野。

近日，阿里巴巴集團(tuán)智能計(jì)算研究所推出了EMO（Emote Portrait Alive）——一款由音頻驅(qū)動(dòng)的肖像—視頻生成框架。在這個(gè)應(yīng)用中，奧黛麗·赫本開始“唱歌”，蒙娜麗莎會(huì)“說話”了。

而在Sora發(fā)布以前，字節(jié)跳動(dòng)曾低調(diào)推出了視頻模型Boximator，但堅(jiān)決否認(rèn)這是“中文版Sora”；再往前看，百度也曾推出過“度加”創(chuàng)作工具，以AI輔助人工進(jìn)行視頻制作。

另一方面，Sora也托起了國內(nèi)相關(guān)概念股，如萬興科技、因賽集團(tuán)等，在Sora發(fā)布后，相關(guān)股票迎來了明顯上漲，這些公司的著力點(diǎn)落在泛娛樂、泛營銷等領(lǐng)域。

國內(nèi)針對(duì)Sora評(píng)論最為活躍的企業(yè)家是360創(chuàng)始人周鴻祎，他認(rèn)為，Sora的誕生意味著AGI（通用人工智能）實(shí)現(xiàn)可能從十年縮短至一兩年，國內(nèi)相似AI產(chǎn)品的差距還在繼續(xù)拉大。

一位深度跟蹤AI產(chǎn)業(yè)的投資人看法，或許帶來了新的思考方向。他認(rèn)為：“其他公司不要跟巨頭在同一條道上競(jìng)速，肯定是跑不過的，要尋找更多可能性?！?/p>

從“動(dòng)起來”到“會(huì)說話”

Sora問世之后，公眾試圖從國內(nèi)大廠的產(chǎn)品中尋找“宛宛類卿”的身影。字節(jié)跳動(dòng)發(fā)布的一款視頻模型技術(shù)，就曾被冠上“中文版Sora”的名頭。

但字節(jié)跳動(dòng)隨后就做出了回應(yīng)，稱Boximator是視頻生成領(lǐng)域控制對(duì)象運(yùn)動(dòng)的技術(shù)方法研究項(xiàng)目，目前還無法作為完善的產(chǎn)品落地，“而且距離國外領(lǐng)先的視頻生成模型，在畫面質(zhì)量、保真率、視頻時(shí)長(zhǎng)等方面還有很大差距。”

具體來看，Boximator可以通過文本控制生成視頻中人物或物體的動(dòng)作，但并非直接根據(jù)輸入的文本生成視頻，而是按照文字提示將靜態(tài)圖片動(dòng)態(tài)化。

如果說字節(jié)的Boximator使目標(biāo)主題的“運(yùn)動(dòng)”更加合理流暢，那么阿里的EMO就是讓圖片學(xué)會(huì)“說話”。

在arXiv的官網(wǎng)上可以看到，距離Sora推出后兩周不到，阿里團(tuán)隊(duì)即發(fā)布了肖像-視頻大模型EMO的論文。研究所表示，此項(xiàng)研究解決了人物說話時(shí)頭部視頻生成的真實(shí)感和表現(xiàn)力不足的問題。EMO重點(diǎn)關(guān)注音頻線索和面部運(yùn)動(dòng)之間的動(dòng)態(tài)和細(xì)微關(guān)系，利用直接的音頻到視頻的合成方法，繞過中間的3D模型或面部地標(biāo)的需要，可以確保無縫的幀轉(zhuǎn)換，使該人物形象能在整個(gè)視頻中完整一致，從而產(chǎn)生極具表現(xiàn)力和逼真的動(dòng)畫。

據(jù)不完全統(tǒng)計(jì)，截至目前，國內(nèi)已有超15家企業(yè)推出了視頻生成工具，以字節(jié)、阿里為代表的大廠和以愛詩科技、生數(shù)科技為代表的創(chuàng)企們，推出的視頻生成工具在語義理解、運(yùn)動(dòng)流暢度、成像質(zhì)量等方面各有千秋。

Sora的推出可謂是“一石激起千層浪”，從“更好地動(dòng)起來”到“會(huì)說話唱歌”，國內(nèi)大廠和各家創(chuàng)企后續(xù) “應(yīng)戰(zhàn)”難度無疑被大幅拉升。

大廠的“危機(jī)”

擁有抖音的字節(jié)跳動(dòng)，在文生視頻大模型訓(xùn)練上有天然的數(shù)據(jù)優(yōu)勢(shì)。但與此同時(shí)，Sora的出現(xiàn)，正在給字節(jié)跳動(dòng)帶來巨大的“未知”，無論是抖音還是剪映，在短視頻領(lǐng)域都無法忽視Sora所帶來的顛覆性影響。

驚艷的官宣之后，Sora新視頻還在TikTok上持續(xù)推出，且TikTok是獨(dú)家放送渠道。逼真的動(dòng)畫效果，讓網(wǎng)友驚呼“根本想象不到剛剛滑過去的視頻是AI生成的”。

不可否認(rèn)，Sora對(duì)短視頻行業(yè)產(chǎn)生的沖擊，不只包括為短視頻平臺(tái)提供更加豐富的供給，也包括增加短視頻平臺(tái)治理難度，識(shí)別深度偽造、版權(quán)糾紛的難度將被加大。

而在視頻AI輔助工具方面，Sora將拉低普通人創(chuàng)作視頻的門檻。當(dāng)更多人傾向于選擇門檻更低，但效果更好的平臺(tái)時(shí)，目前市面上的AI視頻工具可能會(huì)被淘汰，比如，剪映、快影的用戶，將可能被搶走。

字節(jié)對(duì)AI事業(yè)是有焦慮的。今年1月30日，字節(jié)跳動(dòng)CEO梁汝波在公司年度全員會(huì)直言，公司直到2023年才開始討論GPT，而業(yè)內(nèi)做得比較好的大模型創(chuàng)業(yè)公司都是在2018年至2021年創(chuàng)立的，并多次強(qiáng)調(diào)“危機(jī)感”。

字節(jié)跳動(dòng)從去年開始布局AI，2023年11月成立專注于AI創(chuàng)新業(yè)務(wù)的新部門Flow。據(jù)悉，F(xiàn)low部門技術(shù)負(fù)責(zé)人為字節(jié)跳動(dòng)技術(shù)副總裁洪定坤。而字節(jié)跳動(dòng)創(chuàng)始人張一鳴親自牽頭，將去年一年的時(shí)間幾乎全都花在了AI上，從其精力分配上也可以看到字節(jié)跳動(dòng)對(duì)AI業(yè)務(wù)的重視程度。

巧合的是，在Sora問世一周前，字節(jié)跳動(dòng)宣布了一項(xiàng)人事變動(dòng)：原抖音集團(tuán)CEO張楠辭去集團(tuán)CEO一職，未來將把精力聚焦在剪映的發(fā)展上。從抖音轉(zhuǎn)到剪映，字節(jié)不愿錯(cuò)過AI視頻的關(guān)鍵風(fēng)口。據(jù)悉，張楠正親自帶隊(duì)尋求在AI輔助創(chuàng)作上有所突破，并計(jì)劃推出一個(gè)AI生成和視頻的產(chǎn)品，但字節(jié)對(duì)此未做更多披露。

張一鳴在2023年公開信中提到，字節(jié)跳動(dòng)無法錯(cuò)過AGI（通用人工智能），并表示AGI可以解決字節(jié)跳動(dòng)的第二曲線增長(zhǎng)困境。字節(jié)在GPT的賽道上已經(jīng)稍顯落后，這次在AI文生視頻領(lǐng)域能否抓住機(jī)遇、“釜底抽薪”實(shí)現(xiàn)自身短視頻業(yè)務(wù)的創(chuàng)新和再次增長(zhǎng)，仍需觀望。

阿里近期也是動(dòng)作不斷，短短4個(gè)月內(nèi)連發(fā)6個(gè)新項(xiàng)目，持續(xù)探索AI視頻領(lǐng)域。2023年11月，開源了依據(jù)圖像和文字生成高質(zhì)量視頻的I2VGen-XL，同月發(fā)布了能讓圖中角色跳舞的AnimateAnyone；2023年12月9日發(fā)布了能夠讓圖中角色在任意地點(diǎn)跳舞的DreaMoving，同月與清華大學(xué)、華中科技大學(xué)等聯(lián)合發(fā)布了生成富有表現(xiàn)力頭像的DreamTalk，此外還發(fā)布了使用無文本視頻學(xué)習(xí)的TF-T2V；今年1月，阿里發(fā)布了使用3D模型替換視頻角色的Motionshop。其中，DreamTalk可以被視為EMO的前身。

阿里的模型和Sora相比，更加注重視頻生成模型在具體行業(yè)的應(yīng)用，其重點(diǎn)關(guān)注人物神態(tài)、跳舞等運(yùn)動(dòng)的細(xì)節(jié)，在影視、游戲等領(lǐng)域有廣泛的應(yīng)用前景。但正因此，涉及肖像侵權(quán)、被使用在不法路徑的風(fēng)險(xiǎn)也會(huì)加大。

除字節(jié)和阿里外，百度在AI視頻領(lǐng)域也有自己的規(guī)劃部署。去年百度推出過文生視頻工具“度加剪輯”，主要功能包括AI文案、AI提詞、智能字幕，快速剪輯、AI數(shù)字人等，主要是以AI輔助視頻剪輯，為創(chuàng)作者提供便利，在導(dǎo)入素材后提高視頻剪輯效率和觀賞度，并不能直接根據(jù)文本生成視頻。

和度加剪輯相搭配，百度還推出了“度加創(chuàng)作工具”，和剪映的“圖文成片”類似，可以自己直接通過AI生成文案，或者自己撰寫文章，度加提供“AI潤(rùn)色”和“AI擴(kuò)寫”功能，語言較流暢，多采用“三段論”結(jié)構(gòu)。之后平臺(tái)會(huì)直接識(shí)別文字、提供可選擇的視頻素材，以靜態(tài)圖片變換為主。在百度搜索引擎的加持下，AI匹配的素材較豐富。但據(jù)部分使用者體驗(yàn)，度加在素材和文案的貼合度上還需提高。

點(diǎn)擊“一鍵成片”之后會(huì)自動(dòng)生成視頻。在視頻編輯頁面，度加會(huì)智能推薦新的素材，同時(shí)素材庫有視頻片段可以替換，比較便捷。視頻生成之后，只能發(fā)布于百家號(hào)。

對(duì)于Sora此次的“來勢(shì)洶洶”，類似于其他大廠，百度未公開發(fā)聲。

不過，百度聯(lián)合創(chuàng)始人兼首席執(zhí)行官李彥宏近日在財(cái)報(bào)電話會(huì)上曾對(duì)AI領(lǐng)域話題有過回應(yīng)，他表示，包括文本、音頻和視頻類的多模態(tài)大模型，是未來基礎(chǔ)模型開發(fā)的重要方向，也是AGI的必經(jīng)之路，百度已經(jīng)在這一領(lǐng)域進(jìn)行了投資，并將在未來持續(xù)投入。

“大語言模型的市場(chǎng)是巨大的，而且現(xiàn)在還處于非常早期的階段，即便是最強(qiáng)大的語言模型，對(duì)許多應(yīng)用程序來說，依然不夠好，還有很大的創(chuàng)新空間。”李彥宏說，百度致力于讓更多企業(yè)更容易地獲得大模型服務(wù)，以解決各種場(chǎng)景中的現(xiàn)實(shí)問題。

他還特別強(qiáng)調(diào)了自動(dòng)駕駛是視覺大模型重要的應(yīng)用領(lǐng)域，百度一直在訓(xùn)練自動(dòng)駕駛系統(tǒng)的視頻生成模型，從而產(chǎn)生更智能、適應(yīng)性更強(qiáng)、更安全的自動(dòng)駕駛技術(shù)。

21世紀(jì)經(jīng)濟(jì)報(bào)道記者注意到，百度在AI領(lǐng)域的業(yè)務(wù)動(dòng)作，更注重AI工具與實(shí)際應(yīng)用的結(jié)合，關(guān)注AI工具的實(shí)際落地，“希望AI技術(shù)是人人可用的”。

Sora的發(fā)布，無疑給國內(nèi)大廠造成了不小的壓力，但換個(gè)角度想，或許也為各公司提供了一個(gè)行之有效的解題方向。

“我們可能也高估了Sora的泛化能力，到底怎么落到應(yīng)用中去，還不明確?！币晃籄I視頻創(chuàng)業(yè)人士認(rèn)為，國內(nèi)大廠在AI工具的應(yīng)用上，還有作業(yè)空間。

概念股“乘風(fēng)而起”

隨“Sora風(fēng)”而動(dòng)的，還有搭上了Sora概念的A股上市公司。

近來，包括萬興科技、博匯科技、易點(diǎn)天下、數(shù)碼視訊、漢王科技、當(dāng)虹科技、東方國信等10 余家A 股上市公司，都曾披露過公司涉足視頻生成模型領(lǐng)域的業(yè)務(wù)情況。

華策影視透露，公司的技術(shù)儲(chǔ)備已可實(shí)現(xiàn)4秒時(shí)長(zhǎng)的文生視頻，自研的編劇助手、劇本評(píng)估、視頻檢索、AI劇照等功能已在內(nèi)部應(yīng)用或內(nèi)測(cè)。與Sora目前60s的文生視頻時(shí)長(zhǎng)相比，華策影視現(xiàn)有技術(shù)還存在差距。

連拉三個(gè)漲停板的因賽集團(tuán)向投資者給出了“公司對(duì)于Sora的看法”等問題的答復(fù)。因賽集團(tuán)表示，公司自研的Insight GPT屬于營銷行業(yè)應(yīng)用層垂類模型，與Sora這類底層通用大模型并不屬于直接競(jìng)爭(zhēng)關(guān)系，反而可以結(jié)合Sora等通用大模型豐富自身視頻素材庫以及提升視頻生成效率和品質(zhì)，對(duì)于Sora的出現(xiàn)持樂觀態(tài)度。

但也有多家上市公司公告澄清，并無Sora相關(guān)業(yè)務(wù)布局。睿能科技、國脈文化、華揚(yáng)聯(lián)眾、維海德等多家公司均發(fā)布股票交易異常波動(dòng)公告。其中，睿能科技稱，公司核心技術(shù)和產(chǎn)品不涉及SRAM芯片、Sora等熱點(diǎn)概念；國脈文化、華揚(yáng)聯(lián)眾表示，公司主營業(yè)務(wù)中暫未涉及Sora業(yè)務(wù)；維海德稱，公司不涉及文生視頻技術(shù)和產(chǎn)品，近期也沒有從事AI大模型業(yè)務(wù)的布局。

另有上市公司因涉嫌蹭“Sora概念”被交易所問詢。中科金財(cái)借與微軟的合作，聲稱“可率先申請(qǐng)并獲得Sora API訂閱資格”，并由此收獲了漲停板。對(duì)此，深交所要求該公司說明是否存在蹭熱點(diǎn)概念股炒作股價(jià)的情況。中科金財(cái)回復(fù)稱，公司與微軟中國的合作系非獨(dú)家合作，未來能否快速發(fā)展并取得預(yù)期的收入存在較大不確定性。

截至3月8日，涉及Sora概念的公司，多在Sora發(fā)布的一周內(nèi)收獲了不錯(cuò)的股價(jià)漲幅，并在后續(xù)有所回調(diào)。值得注意的是，今年的“Sora概念股”所涉上市公司，部分也在去年因ChatGPT有過一輪股價(jià)上漲，并在去年年中回落。

今年開年，“大模型技術(shù)提振二級(jí)市場(chǎng)表現(xiàn)”的場(chǎng)景重現(xiàn)，不知后續(xù)是否會(huì)重演相關(guān)概念股股價(jià)下跌情形。有從業(yè)人士感慨，如果相關(guān)公司在技術(shù)上沒有實(shí)質(zhì)性突破，股價(jià)漲跌也只是一陣“風(fēng)”。

IDC中國研究總監(jiān)盧言霞認(rèn)為，Sora在文生視頻領(lǐng)域真正邁出了第一步，真正做到生成式AI驅(qū)動(dòng)生成短視頻。接下來也將刺激其他科技巨頭加快在該領(lǐng)域的技術(shù)攻關(guān)力度以及產(chǎn)品發(fā)布速度。要全面打開生成式AI的想象力，還是要依托多模態(tài)大模型。Sora的發(fā)布，以及后續(xù)科技巨頭的跟進(jìn)，有望對(duì)AI產(chǎn)業(yè)帶來再一輪爆發(fā)式的增長(zhǎng)。

AI視頻賽道是極具未來意義的，AI對(duì)行業(yè)的顛覆性意義正在時(shí)間推進(jìn)中被驗(yàn)證。

不過，產(chǎn)業(yè)鏈足夠長(zhǎng)，上下游的機(jī)會(huì)也依然廣。

前述投資人士表示：“AI視頻領(lǐng)域還有很多產(chǎn)業(yè)機(jī)會(huì)，視頻的后處理也有一番天地。比如剪映，隨著前面生產(chǎn)的AI內(nèi)容產(chǎn)生量變，剪輯工具的作用也會(huì)變得重要起來?！?/p>

如周鴻祎所言，Sora的成功證明了技術(shù)方向的正確性，OpenAI走對(duì)了方向，一旦方向感確定，國內(nèi)公司會(huì)快速迎頭趕上。

“但是做AI大模型，極其燒錢?！绷碛蠥I創(chuàng)業(yè)者向21世紀(jì)經(jīng)濟(jì)報(bào)道記者感慨：“資金和算力，在制約著國內(nèi)公司的腳步?！?/p>