在過(guò)去一周里，Sora成為了全球關(guān)注的熱點(diǎn)，其熱議程度超越了ChatGPT，盡管它還未向公眾全面開(kāi)放。Sora的出現(xiàn)不僅展示了視覺(jué)沖擊力超越文字的力量，也引發(fā)了人們對(duì)于AI發(fā)展深一層的思考：在2024年，以Sora為代表的生成式AI或?qū)⒁I(lǐng)我們邁向更加不可思議的未來(lái)。

不同于單純的視頻生成工具，Sora被視作一種“世界模型”。盡管AI生成視頻并非新技術(shù)，但Sora在視頻的長(zhǎng)度與質(zhì)量上實(shí)現(xiàn)了飛躍，超越了現(xiàn)有的文生視頻模型，如Runway、Stability AI的產(chǎn)品，以及曾經(jīng)引起轟動(dòng)的Pika。

Sora的技術(shù)實(shí)力體現(xiàn)在六個(gè)關(guān)鍵方面： - 根據(jù)文本生成長(zhǎng)達(dá)60秒的高質(zhì)量視頻，忠實(shí)地呈現(xiàn)用戶(hù)指令。 - 能夠生成包含復(fù)雜場(chǎng)景、角色互動(dòng)、特定運(yùn)動(dòng)及精細(xì)背景的視頻，增強(qiáng)敘事的真實(shí)感。 - 深入理解語(yǔ)言，準(zhǔn)確把握提示內(nèi)容的情感，使生成內(nèi)容緊密貼合指令。 - 支持單個(gè)視頻中多個(gè)鏡頭的創(chuàng)作，保持風(fēng)格統(tǒng)一，適用于多視角展示。 - 能夠基于靜態(tài)圖像生成動(dòng)態(tài)視頻，或擴(kuò)展已有視頻內(nèi)容。 - 模擬物理世界運(yùn)動(dòng)，包括物體移動(dòng)、相互作用等，體現(xiàn)了對(duì)現(xiàn)實(shí)世界的理解。

OpenAI在介紹Sora時(shí)，特別強(qiáng)調(diào)其“世界模型”的特性，這在以往模型發(fā)布中是首次。然而，這一提法也引起了科技界的廣泛討論，特別是圍繞Sora是否真正理解物理世界，以及“世界模型”的確切含義。

一些專(zhuān)家，如英偉達(dá)的Jim Fan，認(rèn)為Sora是一個(gè)可學(xué)習(xí)的物理模擬器，即“世界模型”。但圖靈獎(jiǎng)得主楊立昆則指出，僅憑生成逼真視頻并不意味著理解物理世界，強(qiáng)調(diào)真正的“世界模型”應(yīng)具備基于當(dāng)前狀態(tài)預(yù)測(cè)未來(lái)狀態(tài)的能力，而Sora目前的自回歸生成方式尚不足以完全達(dá)到這一標(biāo)準(zhǔn)。

Sora雖在文生視頻領(lǐng)域樹(shù)立了新的里程碑，但仍面臨挑戰(zhàn)，如物理交互模擬不精確、對(duì)象狀態(tài)變化處理不當(dāng)、長(zhǎng)視頻連貫性不足及對(duì)象突兀出現(xiàn)等問(wèn)題，顯示出在穩(wěn)定模擬物理世界方面的局限。

整體而言，盡管AI視頻生成技術(shù)在2023年取得顯著進(jìn)步，但仍未完全解決場(chǎng)景控制、時(shí)間連貫性和視頻長(zhǎng)度等核心問(wèn)題。Sora的問(wèn)世激發(fā)了人們對(duì)AI視頻未來(lái)的無(wú)限遐想，同時(shí)也提示我們，如同牛頓之前的物理學(xué)，AI領(lǐng)域仍有許多基礎(chǔ)科學(xué)問(wèn)題等待破解。頂尖學(xué)者們，如李飛飛與吳恩達(dá)，均認(rèn)為AI研究正處于一個(gè)類(lèi)似“前牛頓時(shí)期”，強(qiáng)調(diào)智能科學(xué)的深層次探索與理論構(gòu)建的迫切性。

隨著Sora的發(fā)布，人們對(duì)于生成式AI的潛力抱持樂(lè)觀態(tài)度，期待著未來(lái)AI能夠像人類(lèi)一樣觀察、感知并理解這個(gè)世界。這不僅是技術(shù)的飛躍，更是對(duì)人類(lèi)智能科學(xué)邊界的拓展，預(yù)示著一個(gè)激動(dòng)人心的未來(lái)正逐步臨近。