訂閱
糾錯(cuò)
加入自媒體

Sora陰影之下,焦慮的中國(guó)AI

“跟不上的可能就要被淘汰了。”看到Sora演示視頻后,從業(yè)10多年的動(dòng)畫(huà)制作師黃斌得出了這樣的判斷。

隨著影視業(yè)失業(yè)潮呼聲漸起,Sora的誕生也給中國(guó)AI行業(yè)帶來(lái)了巨大的焦慮。

360集團(tuán)創(chuàng)始人周鴻祎認(rèn)為,Sora模型展現(xiàn)出了超越當(dāng)前中國(guó)同類產(chǎn)品的性能和技術(shù)水平,這不僅體現(xiàn)在Sora可能實(shí)現(xiàn)通用人工智能(AGI)的時(shí)間表上,還體現(xiàn)在其實(shí)際應(yīng)用效果和創(chuàng)新能力上。

更有甚者,網(wǎng)上流傳著“Sora的誕生是牛頓時(shí)刻”的說(shuō)法,認(rèn)為Sora代表了新一輪產(chǎn)業(yè)革命的興起。

事實(shí)上,國(guó)內(nèi)在經(jīng)過(guò)“百模大戰(zhàn)”之后,才剛剛在文本模型上取得顯著成果,達(dá)到或超過(guò)GPT-3.5的水平,并正朝著GPT-4的方向努力追趕。

但Sora的誕生,展示了OpenAI在多模態(tài)模型而非單一文本領(lǐng)域的突破性進(jìn)展,讓國(guó)內(nèi)AI廠商追上甚至超越OpenAI,幾乎成了不可能完成的任務(wù)。

由此不少網(wǎng)友對(duì)中國(guó)AI發(fā)出質(zhì)問(wèn):

為什么Sora沒(méi)有誕生在中國(guó)?中國(guó)跟美國(guó)的AI差距越來(lái)越大,Sora這波國(guó)內(nèi)慢了十年吧?永遠(yuǎn)都是在追趕路上,為啥沒(méi)有原創(chuàng)?

在一句句靈魂版的拷問(wèn)中,中國(guó)AI廠商集體陷入了沉默。

那么,在Sora這樣的多模態(tài)大模型上,中美到底有多大差距?追趕的難點(diǎn)在哪兒?在種種限制之下,中國(guó)是否有自己的優(yōu)勢(shì)?

  中美AI差距幾何?

盡管OpenAI承認(rèn)Sora仍處于開(kāi)發(fā)的早期階段,需要進(jìn)一步完善,但業(yè)界已形成一個(gè)共識(shí)——Sora的推出標(biāo)志著生成人工智能領(lǐng)域的一個(gè)重要里程碑。

這是因?yàn)镾ora不僅僅是一個(gè)文生視頻的工具,更是AGI的一個(gè)關(guān)鍵節(jié)點(diǎn),它驗(yàn)證了一條通向AGI的可行技術(shù)路線。

和之前的GPT-3一樣,Sora再次驗(yàn)證了Scaling Law可以在這個(gè)技術(shù)方向上繼續(xù)發(fā)揮作用實(shí)現(xiàn)涌現(xiàn)。

而這背后,不僅是驚人的資本和算力支持的結(jié)果,更是通過(guò)無(wú)數(shù)工程實(shí)驗(yàn)試錯(cuò)和強(qiáng)大技術(shù)力量支持的結(jié)果。

不少人推斷,OpenAI手里應(yīng)該已經(jīng)有一個(gè)基本完整的多模態(tài)GPT-5,可以根據(jù)需要隨時(shí)釋放其中的某一部分打擊對(duì)手,或者引導(dǎo)輿論。

360集團(tuán)創(chuàng)始人周鴻祎更是直接斷言,Sora的出現(xiàn),意味著AGI(人工通用智能)的實(shí)現(xiàn)將從10年縮短到1年。

事實(shí)上,在Sora面前,無(wú)論是現(xiàn)有的頂級(jí)AI模型如Pika、Runway等,還是在多模態(tài)AI上有投入的國(guó)內(nèi)廠商,基本上都被“吊打”了。

這也側(cè)面反映出中美在AI技術(shù)研發(fā)深度和資源投入上的差距。

首先,門(mén)檻來(lái)自算力。

雖然有學(xué)者認(rèn)為Sora只是一個(gè)大約30億參數(shù)的模型,訓(xùn)練成本并沒(méi)有想象的高,但視頻數(shù)據(jù)本身的處理、標(biāo)注等成本,加上長(zhǎng)視頻在推理階段注定的巨大token數(shù)量和算力消耗,顯然對(duì)任何公司都是難以承受的挑戰(zhàn)。

即便Sora真的只有30億參數(shù),視頻分析對(duì)算力的消耗應(yīng)該也是遠(yuǎn)遠(yuǎn)超過(guò)一個(gè)千億模型的。在國(guó)內(nèi)GPU被卡脖子之后,算力是一個(gè)巨大的挑戰(zhàn)。

其次,是高質(zhì)量的數(shù)據(jù)。

根據(jù)OpenAI發(fā)布的技術(shù)報(bào)告,Sora強(qiáng)大能力歸功于兩點(diǎn):其一是使用了基于Transformer的擴(kuò)散模型(Diffusion Model);其二是將不同類型視覺(jué)數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一格式——像素塊(patch),從而能利用數(shù)量龐大、質(zhì)量過(guò)硬且算力性價(jià)比高的數(shù)據(jù)。

業(yè)內(nèi)人士認(rèn)為,數(shù)據(jù)質(zhì)量和數(shù)量上的顯著優(yōu)勢(shì),很可能是Sora成功的最關(guān)鍵因素之一。

在算力方面,雖然OpenAI訓(xùn)練Sora模型使用的GPU卡數(shù)量并非無(wú)法企及,但其他公司在具備足夠硬件資源的情況下,仍然難以復(fù)制OpenAI的成功,主要瓶頸還是在于如何獲取和處理大規(guī)模高質(zhì)量的視頻數(shù)據(jù)。

2022年,OpenAI曾宣布以創(chuàng)新方法來(lái)訓(xùn)練AI模型,省去標(biāo)注大量資料的訓(xùn)練過(guò)程。

據(jù)報(bào)道,OpenAI所公布的視頻預(yù)訓(xùn)練模型(VPT),讓AI學(xué)會(huì)了在《我的世界》里從頭開(kāi)始造石鎬。

研究人員首先收集一波數(shù)據(jù)標(biāo)注外包們玩游戲的數(shù)據(jù),其中包含視頻和鍵鼠操作的記錄。

然后,利用這些數(shù)據(jù)制作逆動(dòng)力學(xué)模型(IDM),從而推測(cè)出視頻里每一步在進(jìn)行的時(shí)候,鍵鼠都是怎么動(dòng)的。這樣只需比原來(lái)少很多的數(shù)據(jù)就可以實(shí)現(xiàn)目的。

這項(xiàng)研究發(fā)表于2022年6月,同時(shí)文中還注明這個(gè)工作已經(jīng)進(jìn)行了一年之久,也就是說(shuō),OpenAI至少?gòu)?021年起就開(kāi)始進(jìn)行這項(xiàng)研究。

Logenic AI聯(lián)合創(chuàng)始人李博杰認(rèn)為,OpenAI的先發(fā)優(yōu)勢(shì)決定了早期的數(shù)據(jù)壁壘,對(duì)于后進(jìn)入市場(chǎng)的公司來(lái)說(shuō),增加了追趕的難度。

“即使是谷歌這樣全球數(shù)據(jù)量最大的公司,在訓(xùn)練大模型時(shí),訓(xùn)練數(shù)據(jù)也未必能比OpenAI更好”,李博杰表示。

相比之下,國(guó)內(nèi)公司在數(shù)據(jù)上的積累和利用上也存在一定差距:一方面,由于政策變化和其他限制,后來(lái)者可能無(wú)法獲取之前可用的一些關(guān)鍵數(shù)據(jù);另一方面,隨著AI生成內(nèi)容越來(lái)越多地充斥互聯(lián)網(wǎng),原始的真實(shí)世界數(shù)據(jù)被“污染”,使得獲取高質(zhì)量、無(wú)偏見(jiàn)的訓(xùn)練數(shù)據(jù)更加困難。

最后,是創(chuàng)新的訓(xùn)練方法。

Sora實(shí)現(xiàn)了將Transformer和擴(kuò)散模型結(jié)合的創(chuàng)新,首先將不同類型的視覺(jué)數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的視覺(jué)數(shù)據(jù)表示(視覺(jué)patch),然后將原始視頻壓縮到一個(gè)低維潛在空間,并將視覺(jué)表示分解成時(shí)空patch(相當(dāng)于Transformer token),讓Sora在這個(gè)潛在空間里進(jìn)行訓(xùn)練并生成視頻。

接著做加噪去噪,輸入噪聲patch后,Sora通過(guò)預(yù)測(cè)原始“干凈”patch來(lái)生成視頻。

OpenAI發(fā)現(xiàn),訓(xùn)練計(jì)算量越大,樣本質(zhì)量就會(huì)越高,特別是經(jīng)過(guò)大規(guī)模訓(xùn)練后,Sora展現(xiàn)出模擬現(xiàn)實(shí)世界某些屬性的“涌現(xiàn)”能力。

總的來(lái)說(shuō),Sora是好的架構(gòu)+好的數(shù)據(jù),然后把模型做大,達(dá)到量變到質(zhì)變。

盡管Sora在方案設(shè)計(jì)上大部分是已有的技術(shù),但能夠做出驚艷效果的也只有Sora,這也說(shuō)明在訓(xùn)練過(guò)程中有很多訓(xùn)練技巧的問(wèn)題要解決。

中國(guó)AI廠商能否 追趕OpenAI?

Sora的技術(shù)突破讓AI焦慮在國(guó)內(nèi)蔓延開(kāi)來(lái),但中國(guó)AI并非完全無(wú)招架之力。在Sora出現(xiàn)并占據(jù)大眾視野之前,國(guó)內(nèi)也曾有多家上市公司在多模態(tài)AI方面展開(kāi)過(guò)布局。

2023年12月18日,東方證券在一份研報(bào)中提及,國(guó)內(nèi)的?低暋⒋笕A股份、螢石網(wǎng)絡(luò)等視頻分析行業(yè)領(lǐng)先廠商,紛紛投入到多模態(tài)大模型研究和行業(yè)應(yīng)用落地進(jìn)程。

與此同時(shí),百度、阿里、騰訊、華為、字節(jié)跳動(dòng)等大廠也都布局了多模態(tài)基礎(chǔ)大模型。

據(jù)不完全統(tǒng)計(jì),2023年12月至今三個(gè)月內(nèi),已有包括萬(wàn)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(guó)信等在內(nèi)的十余家A股公司,在投資者互動(dòng)平臺(tái)披露過(guò)視頻生成模型領(lǐng)域的業(yè)務(wù)情況。

盡管目前國(guó)內(nèi)廠商呈現(xiàn)的“文生視頻”效果遠(yuǎn)不如Sora,但Sora所用到的基礎(chǔ)模型LLM、文生圖模型DALL·E 3、大規(guī)模視頻數(shù)據(jù)集、AI算力體系、大模型開(kāi)發(fā)工具棧等核心基礎(chǔ)設(shè)施,中國(guó)都已經(jīng)具備。

比如原創(chuàng)的基礎(chǔ)大語(yǔ)言模型文心一言、訊飛星火、BAICHUAN等,以及文生圖模型文心一格、騰訊混元等,加上過(guò)去一年大模型基礎(chǔ)設(shè)施的突飛猛進(jìn),有能力和條件支持中國(guó)AI修成正果,在視頻生成賽道再現(xiàn)類似ChatGPT式的成功。

騰訊研究院資深專家王鵬認(rèn)為,Sora的發(fā)布進(jìn)一步明確了DiT(=VAE編碼器+ViT+DDPM+VAE解碼器)是多模態(tài)AI的可行方向,中國(guó)AI大廠仍然有可能以現(xiàn)有資源在一年左右接近Sora目前的水平。

中國(guó)AI的機(jī)會(huì)

事實(shí)上,不僅是技術(shù)代際差異并沒(méi)有想象中的那么大,視頻生成模型走向行業(yè)的長(zhǎng)跑才剛剛開(kāi)始。大模型的價(jià)值需要商業(yè)化來(lái)證明,Sora也不例外。

首先,相比“人人皆可上手”的大語(yǔ)言模型,視頻生成模型的應(yīng)用門(mén)檻更高,受眾群體更小。目前OpenAI僅開(kāi)放給創(chuàng)作者使用,而非像ChatGPT那樣開(kāi)放給大眾。

不難看到,視頻生成模型從研發(fā)到落地,整個(gè)過(guò)程會(huì)更加緩慢,應(yīng)用潛力與商業(yè)出口還有待探索。

其次,Sora雖然強(qiáng)大,但成本確實(shí)是一個(gè)現(xiàn)實(shí)問(wèn)題。

有人估算,Sora生成一條視頻的成本在幾美元到幾十美元不等,如果普及到大眾使用,成本需要降到目前的1%才能接受。

降低成本的同時(shí)提高生成質(zhì)量和邏輯連貫性,是亟待解決的關(guān)鍵挑戰(zhàn)。

同時(shí),考慮到無(wú)法解決“幻覺(jué)”的問(wèn)題,要想生成真正可控可用的視頻,短期內(nèi)成本高昂。

這些局限性,都為中國(guó)AI產(chǎn)學(xué)各界留下了較長(zhǎng)的追趕窗口期。

目前,Sora能夠激活多大的商業(yè)價(jià)值尚不明確,但是利用大模型找應(yīng)用場(chǎng)景卻是中國(guó)市場(chǎng)的優(yōu)勢(shì)所在。

中國(guó)擁有豐富的行業(yè)和場(chǎng)景,如果中國(guó)AI廠商能為垂直的行業(yè)用戶解決具體的場(chǎng)景問(wèn)題,打磨好工具,做好視頻生成模型的提示詞工程,以便非專業(yè)背景的廣大行業(yè)用戶們上手使用,那么在特定領(lǐng)域超過(guò)GPT-4甚至是GPT-5的可能性是非常大的。

不僅如此,中國(guó)AI廠商也可以在Sora等大模型的基礎(chǔ)上,做進(jìn)一步的應(yīng)用創(chuàng)新,例如在Sora之上能夠提供更復(fù)雜的視頻剪輯能力、革新醫(yī)療教學(xué)與模擬訓(xùn)練等,從而率先探索出商業(yè)化之路。

 結(jié)語(yǔ)

Sora作為人工智能視頻生成技術(shù)的重大突破,顯示了中美之間存在顯著的技術(shù)差距。這對(duì)于中國(guó)科技界而言,既是警醒也是鞭策。在承認(rèn)現(xiàn)實(shí)差距的同時(shí),中國(guó)AI也不必妄自菲薄,審視自我、調(diào)整戰(zhàn)略、奮起直追,抓住機(jī)會(huì)窗口,才是彎道超車(chē)的必由之路。

 相關(guān)閱讀

Sora送上“潑天富貴”,AI基礎(chǔ)設(shè)施:這次輪到我了!

AI Agent:大模型的下一個(gè)高地

國(guó)內(nèi)AI大模型能否交出自己的答卷?

GPT-4、百度文心一言擺擂,AI大模型將掀起新一輪AIGC軍備競(jìng)賽?

【科技云報(bào)道原創(chuàng)】

轉(zhuǎn)載請(qǐng)注明“科技云報(bào)道”并附本文鏈接

       原文標(biāo)題 : Sora陰影之下,焦慮的中國(guó)AI

聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)