"姚遥领先"公众号的第166篇原创文章

阅读大约需要3分钟，并帮忙点击文末的“赞”和“在看”！

凡所有相，皆是虚妄。

大年初六，OpenAI给本已火热的AIGC市场，投放了一枚新核弹，Sora横空出世！乍看效果惊艳，用Prompt（提示词）可生成60秒的高清视频，镜头切换自然，视觉效果逼真，关键的关键是，视频中的事物不合逻辑，但符合物理规律！沙坑中挖出塑料椅子、大街上游荡的“大”黄鸭、雪后盛开的樱花，想象力被完美呈现，众人惊呼，Sora要彻底改变世界！

Sora在英语里是个名字，男女皆可用，有人强行解释成日语、韩语、芬兰语纯属自作多情，OpenAI是为了和全人类共同的母亲Lisa呼应，意思Sora将是虚拟世界的母体。Sora紧跟Gemini发布，刻意而为，谷歌还在竭尽全力追赶GPT，而Sora的文生视频已经打开了一个新世界。谷歌已不是当年那个用搜索引擎改变世界的谷歌，而OpenAI却已成为虚拟世界的王者！

许多人好奇，这一轮AI浪潮为什么越来越急，从火星爆发成烈焰都没有中间过程？凯文凯利去年ChatGPT刚出现的时候，还在说5000天后世界将被AI彻底改变，1年以后的今天，满嘴跑火车的周鸿祎，预言AGI（通用人工智能）将从10年缩短到1年。其实，这只是个开始，上帝将人类设计成无法想象没见过的世界，而我们对于大模型也还几乎一无所知。

三四个月前，我曾在文章中探讨过，这一轮AI浪潮是由Transformer架构的发

展推动的，文字处理首先应用就诞生了ChatGPT神器，人类获取信息的80%来自眼睛，Transformer的视觉领域应用才是改变世界的关键。特斯拉是这个领域的先行者，马斯克早在三年前就预言，只凭视觉摄像头就能解决自动驾驶问题，他的底气就来自于Transformer+BEV对激光雷达方案的超越。

Sora的发布证明了，Transfomer在视觉领域大有可为，OpenAI的厉害之处在于，以Transfomer为基础，加上Diffusion真正改变了游戏规则。Diffusion并不新鲜，去年热度仅次于ChatGPT的Stable Diffusion早就在做了，但之前还只能生成图片。上周五StabilityAI匆匆发布，同样基于Diffusion Transformer的Stable Diffusion3但却问题多多，Midjourney基于GAN这类上一代技术，则完全被甩在了脑后。

OpenAI的Sora团队只有12个人（全公司共770人），大多是00后，核心人物Bill Peebles博士刚毕业（就是和谢赛宁一起提出Diffusion Transfomers理论的同学），而Sora项目启动是在2023年1月。仅仅1年，这些年轻人就惊艳了全世界，OpenAI的组织能力可谓惊人。另一方面看，OpenAI潜力惊人，毕竟还有700多人在做的工作还不为人知。

唱了这么多赞歌，当然也得泼泼冷水，尽管Sora初看效果经验，但对于构建虚拟世界几乎毫无用处！

研究Sora的原理就知道，Diffusion基于扩散过程的数学原理，再加上对图像Patch进行分析预测生成视频。什么是Patch，可以想象一段拍摄森林的视频片段，把它展开成一格一格的电影胶片，把每帧画面里的蜻蜓抠出来。对这些数据也就是Patch进行训练，数据足够多算力足够强，就能大力出奇迹，而这和人类用物理规律理解世界，没有半毛钱关系。

这已经是人类用计算机来模拟世界的最高水平，随便一个人，哪怕只是婴儿，能力都远远超过Sora，但，目前看不到其他的路，只能继续这样强力推进。随之而来，是对算力和能源的无限量需求，这也是为什么传闻OpenAI的Sam Altman不满意英伟达的GPU，想要筹建7万亿美元来重做AI芯片，要知道，全球半导体产业2023年销售额总共就5200亿美元！

Sora是在创造虚拟世界，却要消耗实体经济中的全部半导体和能源都不够，这样投入是否值得？马斯克早就Diss过，没有人愿意整天在脸上绑一块屏幕。他的战略是，用星舰来拓展人的物理世界，用NeuralInk来打通人脑和电脑（而不是创造“假”视频给眼睛看）。这几种路线目前看都还没走通，但却是全球经济的新增长点，产生出巨大的投资机会，英伟达收入暴涨，能限制股价的只有人类的想象力了。

回过头来，这一切和我们有什么关系。某些人说，中国和美国的AI差距只有1年，嗯，确实如此，时间是最公平的，有些人1年能做出Sora，有些人1年卖了几千万AI学习课。Sora取得的进展连马斯克都酸溜溜，其他竞争对手都变得小儿科，比如最近在A股被热炒的信达雅董事长女儿创业的Pika，更别提中国那些只会割韭菜的跳梁小丑，人和人、公司和公司真的是天壤之别！

不过也不用怕，1667年牛顿发明力学大定律、万有引力定律和微积分的时候，康熙刚战胜多尔衮夺回权力、正踌躇满志的重振大清，嗯，我们都有美好的未来。