科技圈當(dāng)下最火話題，非Sora莫屬。Sora的影響力也早已沖出硅谷、輻射全球，在大洋彼岸的中國掀起滔天巨浪。

在二級市場，Sora概念股連日走高，勢頭比起當(dāng)初的ChatGPT概念股有過之而無不及，比如2月20日，A股、港股Sora概念股板塊就有超過60只個股飄紅，其中5家企業(yè)股價暴漲40%以上。

在科技互聯(lián)網(wǎng)圈，爭奪中文版Sora首發(fā)權(quán)，成為巨頭的新目標。不過和當(dāng)初的中文版ChatGPT首發(fā)爭奪戰(zhàn)相比，中文版Sora的研發(fā)難度也更大，大廠們大多面露難色。此前被盛傳將推出首個中文版Sora的字節(jié)跳動，就在20日辟謠，稱相關(guān)產(chǎn)品的效果距離Sora還有很大差距。

在Sora橫空出世前，國內(nèi)“千模大戰(zhàn)”早已陷入膠著狀態(tài)，未曾想，風(fēng)口突變，從圖文生成轉(zhuǎn)向視頻生成，“千模大戰(zhàn)”也將進入全新階段。

在上一階段稍稍落后的字節(jié)跳動在視頻業(yè)務(wù)上有先天優(yōu)勢，自然不會錯過這個彎道超車的機會，這不僅事關(guān)大廠的面子，更是為了捍衛(wèi)其核心業(yè)務(wù)——抖音CEO張楠突然辭職專攻剪映，也被視作是字節(jié)重視AIGC的動作。

（圖片來自openAI官網(wǎng)）

雖然沒有中文版Sora，但字節(jié)一直在死磕AI

在文本生成式大模型領(lǐng)域，字節(jié)的起步時間無疑是比百度、阿里巴巴等大廠要晚，這也讓字節(jié)的高層十分懊惱。CEO梁汝波就在內(nèi)部講話中直言，很難相信技術(shù)團隊直到2023年才討論GPT，要知道業(yè)內(nèi)做得比較好的大模型企業(yè)都是在2018-2021年起步的。

好在，知恥而后勇，還有亡羊補牢的機會。

一開始，字節(jié)希望以量取勝，在去年下半年扎堆上線了十多款A(yù)I產(chǎn)品。

這當(dāng)中，既有大廠標配的基礎(chǔ)大模型“云雀”，也有在C端最流行的AI對話類應(yīng)用，如“豆包”、“話爐”和“抖音小晴”，還有輔助創(chuàng)作的AI工具，如劇情創(chuàng)作平臺“BagelBell”、電商內(nèi)容創(chuàng)作應(yīng)用“即創(chuàng)”等。由字節(jié)技術(shù)副總裁洪定坤率領(lǐng)的新部門Flow，則在背后為這一系列AI產(chǎn)品保駕護航。

（圖片來自豆包官網(wǎng)）

據(jù)悉，字節(jié)還在內(nèi)部開放了大量活水崗位，希望調(diào)集全公司最優(yōu)秀的技術(shù)、產(chǎn)品人才集中精力搞AI。除了前面提到的洪定坤外，原飛書產(chǎn)品副總裁齊俊元、抖音社交負責(zé)人陸游、字節(jié)跳動產(chǎn)品與戰(zhàn)略副總裁朱駿等高管也先后馳援。甚至在國外，字節(jié)跳動也組織了50多人的研發(fā)團隊，負責(zé)推進“Cici”項目。

然而，字節(jié)在文本生成大模型這條賽道確實是落后了，即便后期不斷加大投入，恐怕也很難抹平差距。明白這個道理后，再結(jié)合自身的業(yè)務(wù)狀況，字節(jié)開始發(fā)力圖像、視頻生成領(lǐng)域，試圖確立差異化優(yōu)勢。而在春節(jié)前后，內(nèi)部的一系列人事變動、團隊重組，則是其為視頻生成大模型奮力一搏的最佳證明。

2月9日，張楠宣布辭去抖音集團CEO一職，原因是要把精力集中到剪映的發(fā)展上。眾所周知，張楠是字節(jié)內(nèi)部最有權(quán)勢的高管之一，很多人將其視為僅次于集團CEO梁汝波的二把手。其掌管的抖音集團，則是字節(jié)最重要的業(yè)務(wù)，此次自降身份掌管剪映，在內(nèi)部、外界都引發(fā)了不少爭議。

如今再看，作為一款視頻剪輯及輔助創(chuàng)作工具，剪映是字節(jié)業(yè)務(wù)版圖里和視頻生成大模型契合度最高的一環(huán)，是承載AI視頻創(chuàng)作業(yè)務(wù)的最佳抓手。像張楠這種級別的核心高管主動接管剪映，恰好說明字節(jié)對該項目的重視。

有消息指出，張楠去年已經(jīng)把大部分精力花在剪映身上，抖音的各項業(yè)務(wù)分別交給韓尚佑（抖音集團新任CEO）、魏雯雯（抖音電商總裁）、蒲燕子（抖音本地生活負責(zé)人）等高管接手。

去年11月，剪映就悄悄內(nèi)測了一項名為“Dreamina”的AI輔助工具，用戶只需要輸入文字，即可生成創(chuàng)意圖像。算上研發(fā)周期，該項目的立項至少在去年二季度前。如果上述消息屬實，張楠帶領(lǐng)的團隊應(yīng)該在更早的時候就接手了字節(jié)的AI產(chǎn)品研發(fā)工作。

張楠正式官宣辭任集團CEO之后，也有消息稱其帶領(lǐng)的團隊將推出一個全新的AI視頻生成軟件。如今，這款備受期待的產(chǎn)品——“Boximator”，終于浮出水面，這也是字節(jié)沖擊中文版Sora的王牌。

Sora攪動一池春水，大模型改造短視頻行業(yè)

據(jù)悉，字節(jié)內(nèi)部對“Boximator”的定位為創(chuàng)新性視頻生成大模型，將通過控制對象運動的方式，精確控制視頻人物、物體的運動。該模型采集的訓(xùn)練數(shù)據(jù)來自webVid-10M數(shù)據(jù)集，并在PixelDance和ModelScope兩個視頻生成模型中進行訓(xùn)練。

然而，正如字節(jié)日前的回應(yīng)那般，視頻生成大模型的研發(fā)難度比想象中更大。根據(jù)字節(jié)方面的說法，“Boximator” 保真率、畫面質(zhì)量、視頻時長等方面距離Sora還有很大差距，暫時不具備落地的條件，預(yù)計還要2-3個月才能開放測試。

但2-3個月，可以發(fā)生很多事情——Sora可能已經(jīng)迭代到更先進的版本，和尚未落地的競品拉開更大差距；其他競爭對手也可能迎頭趕上，搶在字節(jié)之前推出同類產(chǎn)品。

對于這些可能性，字節(jié)跳動心里肯定有數(shù)，而且比誰都著急。原因很簡單：比起文本生成大模型，視頻生成大模型和字節(jié)跳動的短視頻、直播等核心業(yè)務(wù)關(guān)聯(lián)更緊密，影響也更大。

如果說搜索是第一個被ChatGPT顛覆的行業(yè)，那么長/短視頻肯定是最有可能被Sora顛覆的行業(yè)。正如當(dāng)初谷歌、百度、360等巨頭傾力投入文本生成大模型研發(fā)那樣，字節(jié)在視頻生成大模型這一戰(zhàn)中也不容有失。因為隨著視頻生成大模型在日后逐漸普及，短視頻內(nèi)容生產(chǎn)、營銷、變現(xiàn)等一系列邏輯都可能發(fā)生變化。

以內(nèi)容生產(chǎn)為例，制作方對真人演員、編劇、剪輯人員的需求很有可能會減少，傳統(tǒng)的制作流程也會被大幅簡化、制作時長將被壓縮。這帶來的直接后果，不止是生產(chǎn)內(nèi)容數(shù)量呈幾何級增長、成本明顯減少，也必將導(dǎo)致更殘酷的競爭，加速優(yōu)勝劣汰。

在Sora走紅之后，有關(guān)剪映會不會被取代的問題已經(jīng)迅速成為焦點話題。留給剪映的路只要一條，那就是主動擁抱AI，向Sora看齊。要是能成功抱上AI這條大腿，剪映的用戶體量可以再上一個臺階，商業(yè)化潛力也將大大提升。

舉個最簡單的例子，現(xiàn)在的剪映只提供基礎(chǔ)服務(wù)，收費模式很難推廣。但如果能像Sora那樣，提高內(nèi)容創(chuàng)作者的效率、降低成本，收費也就更有底氣。Stability AI、Runway等獨角獸的估值大幅飆升，就證明了這條路線的可行性。

當(dāng)然，因Sora而焦慮的大廠絕不止字節(jié)跳動一家。短視頻行業(yè)的另一個巨頭快手，還有愛奇藝、騰訊視頻、優(yōu)酷、嗶哩嗶哩為首的流媒體平臺，也必須啃下視頻生成大模型這塊硬骨頭。

可能是Sora的沖擊太大，還需要時間消化，也可能是吸取之前的教訓(xùn)，先埋頭干實事不著急到臺前造勢，上述大廠大多尚未表態(tài)是否及何時推出類Sora應(yīng)用。截止發(fā)稿時，只有芒果超媒表態(tài)將探索文生視頻等AI技術(shù)在傳媒領(lǐng)域的落地。但明眼人都看得出，這些大廠沒有一個會缺席這場全新的“千模大戰(zhàn)”。

有危機感，就會有動力。大廠們集體沖刺，到底誰能率先撞線？

沖刺中文版Sora，哪家中國大廠先撞線？

要猜測誰能率先研發(fā)出中文版Sora，或者說類Sora視頻生成大模型，得先看一下這類產(chǎn)品的研發(fā)難點。

從openAI公布的報告來看，Sora并沒有應(yīng)用什么全新研發(fā)成果，核心技術(shù)都是早已公開的。這當(dāng)中，視頻壓縮網(wǎng)絡(luò)、擴散模型、視覺補丁（類似于本文生成大模型的文本標記）、圖像及視頻編輯是最關(guān)鍵的幾個環(huán)節(jié)。本質(zhì)上講，Sora仍是一個基于Transformer架構(gòu)的擴散模型，和ChatGPT有很多相似之處。

當(dāng)中的技術(shù)原理和繁瑣的訓(xùn)練流程，這里不再一一展開?？梢源_定的是，大廠們都具備開發(fā)中文版Sora的基礎(chǔ)，起跑線不會有太大差距。除了考驗財力之外，和之前的中文版ChatGPT之爭一樣，數(shù)據(jù)樣本、算力、測試條件，將很大程度上左右最終賽果。

這當(dāng)中，數(shù)據(jù)樣本關(guān)系著大模型的效果，訓(xùn)練數(shù)據(jù)越豐富、越完整，視頻大模型就能越接近物理世界的真實情況。算力則是訓(xùn)練效率的決定性因素，是跑贏競爭對手的關(guān)鍵。測試環(huán)節(jié)更多是決定了產(chǎn)品落地效果，以及穩(wěn)定性。

硅谷巨頭的選擇出奇一致，都在拼算力。openAI CEO阿爾特曼表示，計劃籌集8萬億美元投資AI芯片，徹底解決AI大模型訓(xùn)練的算力問題。微軟、Meta、谷歌等大廠在瘋狂囤積英偉達H100的同時，還在抓緊時間自研芯片。這些原本為文本生成大模型準備的殺招，現(xiàn)在能完美應(yīng)用到視頻大模型身上。

國信證券在最新一份研報中指出，相較于ChatGPT等文本生成類大模型，Sora訓(xùn)練數(shù)據(jù)量明顯高出一個級別，對算力的要求自然也更苛刻了。根據(jù)該研報援引的數(shù)據(jù)，以全球最大視頻分享網(wǎng)站YouTube為數(shù)據(jù)源，一年的增量視頻大約為157.68億秒，即便是采用英偉達最先進的H100，單次訓(xùn)練也需要一個月，GPU消耗量為156.98萬張。

眾所周知，H100長期處于供不應(yīng)求狀態(tài)。加上不可抗力影響，國內(nèi)的大廠們在算力這一塊大概率會落后于硅谷巨頭，唯有在其他環(huán)節(jié)努力縮短差距。相較之下，字節(jié)在訓(xùn)練數(shù)據(jù)源這一塊就比其他大廠更有優(yōu)勢。

要知道，Sora對比其早前的PixelDance、Stable Video Diffusion等未成形視頻大模型有顯著提升，數(shù)據(jù)量是很關(guān)鍵的一點。抖音和TikTok是國內(nèi)和海外市場用戶、創(chuàng)作者規(guī)模最大的短視頻應(yīng)用，擁有最多的短視頻內(nèi)容，可用于訓(xùn)練大模型。更不用說，字節(jié)旗下還有今日頭條、西瓜視頻等內(nèi)容庫，完全不愁數(shù)據(jù)源。不過其他大廠也不會落后太多，而且肯定會想方設(shè)法抹平差距。

這幾天的觀察下來，和當(dāng)初同樣出道即紅遍全球的ChatGPT不同，業(yè)界人士對Sora的態(tài)度除了贊嘆、敬佩，還帶著更深的恐懼。這不僅是因為Sora的視覺沖擊力比ChatGPT更強，還因為前者對相應(yīng)產(chǎn)業(yè)的改變路徑是相當(dāng)清晰的——這也決定了大廠會傾注更多的資源，務(wù)求盡快打贏這場硬仗。

總而言之，“千模大戰(zhàn)”已經(jīng)進入新的階段。假以時日，我們肯定能看到很多中文版Sora。只不過對大廠來說，既然不可能成為“唯一”，就只有爭下“第一”才有意義。