不約而同，同日出招。兩個(gè)AI巨頭在同一天各自放出了自己的AI新核武器，OpenAI的文生視頻模型Sora又一次贏得了滿堂彩。Sora的驚艷亮相，不僅碾壓了諸多AGI視頻同行，更有可能改變電影電視廣告游戲行業(yè)的未來游戲規(guī)則。
谷歌新模式性能完勝
周四，谷歌突然發(fā)布了新一代多模態(tài)大模型Gemini 1.5 Pro，在與OpenAI的大模型之戰(zhàn)中加速超越。這是業(yè)界迄今最強(qiáng)的大語言模型，最高可支持10，000K Token上下文，直接將性能提升到了百萬級(jí)別，在性能上完全秒殺了OpenAI的GPT-4 Turbo。
百萬級(jí)別Token意味著什么？谷歌AI項(xiàng)目負(fù)責(zé)人杰夫·迪恩（Jeff Dean）解釋說，在Gemini 1.5 Pro百萬級(jí)別上下文窗口支持能力下，用戶可以完成復(fù)雜的內(nèi)容交互，輕松解析整本圖書、電影、播客，理解非常長(zhǎng)的文檔，甚至是數(shù)百個(gè)文件數(shù)十萬行的代碼庫。
Gemini 1.5 Pro的發(fā)布，意味著谷歌在和OpenAI的軍備競(jìng)賽中占據(jù)了強(qiáng)大的性能優(yōu)勢(shì)。相比之下，OpenAI的GPT-4 Turbo只能處理128k Token，而且近期更是出現(xiàn)了性能下滑的不利狀況，直到上個(gè)月發(fā)布更新之后才有所改善。
然而，OpenAI并沒有讓谷歌獨(dú)美。就在同一天，他們發(fā)布了文本生成視頻的AI模型Sora，只需文本就能自動(dòng)生成視頻；繼文本模型ChatGPT和圖片模型Dall-E之后，OpenAI又開始顛覆視頻領(lǐng)域。
相比谷歌Gemini 1.5 Pro基于數(shù)據(jù)性能的硬實(shí)力優(yōu)勢(shì)，Sora基于視覺美學(xué)的驚艷表現(xiàn)，顯然更容易讓人印象深刻，迅速成為了社交網(wǎng)站上的熱點(diǎn)。
以假亂真細(xì)節(jié)驚艷
Sora到底驚艷在哪里？OpenAI展示了多段Sora制作的視頻內(nèi)容，光是這些片段，就已經(jīng)足夠讓人大跌眼鏡。OpenAI在官方博客中寫道，Sora不僅可以理解用戶的需求，還知道這些事物在現(xiàn)實(shí)世界如何存在。
只需要輸入一段文本，Sora就能自動(dòng)生成最長(zhǎng)一分鐘的高清視頻。令人難以置信的是，Sora不僅可以準(zhǔn)確把握用戶文本中的復(fù)雜意思，并且還能分拆出不同的元素，將其轉(zhuǎn)換為有具體創(chuàng)意構(gòu)思的視頻內(nèi)容，看起來就像是專業(yè)導(dǎo)演、攝像和剪輯的作品。
一位戴著墨鏡、穿著皮衣的時(shí)尚女子走在雨后夜晚的東京市區(qū)街道上，抹了鮮艷唇彩的唇角微微翹起，即便帶著墨鏡也能看到她的微笑，地面的積水映出了她的身影和燈紅酒綠的霓虹燈；熱鬧非凡的唐人街正在進(jìn)行舞龍表演，熙熙攘攘的人群目光都聚焦在躍動(dòng)的彩龍身上，整個(gè)環(huán)境的喜慶氛圍仿佛令人身臨其境。
與此前的AI視頻存在明顯塑料感不同，此次Sora制作的視頻在逼真度和藝術(shù)感方面有著顯著差別：微微卷曲的人物頭發(fā)，女人臉上的黑痣粉刺，地面積水倒映的霓虹光影，街頭商販擺賣的諸多食品，天空飄落的櫻花細(xì)雪，細(xì)節(jié)的精細(xì)度幾乎已經(jīng)做到了以假亂真。
更令人驚訝的是，Sora視頻在構(gòu)圖、色彩、創(chuàng)意和運(yùn)鏡方面，都呈現(xiàn)出明顯的電影風(fēng)格，無論是一鏡到底還是多機(jī)位都可以無縫切換，甚至還有“演員”的表情神態(tài)，這是此前的文生視頻產(chǎn)品所不具備的。OpenAI一出手就將整個(gè)AI視頻行業(yè)提升了一個(gè)級(jí)別。
雖然Sora制作的視頻還沒有到完美的地步，仔細(xì)看還能看出“穿幫”之處，人物吃過的餅干甚至?xí)旰脽o損，但在影像畫質(zhì)上已經(jīng)較此前的AI視頻有了質(zhì)的飛躍，甚至有了電影的質(zhì)感。而且，僅僅根據(jù)一段抽象的文字就能制作類電影的多鏡頭視頻，這種語義理解和鏡頭運(yùn)用能力更是接近了人類導(dǎo)演、攝像與剪輯的水平。顯然，視頻領(lǐng)域的ChatGPT時(shí)刻已經(jīng)到來。
AI進(jìn)化速度令人震驚
Sora發(fā)布之后，網(wǎng)絡(luò)一片驚嘆，幾乎搶盡了Gemini的風(fēng)頭。AI的進(jìn)化速度實(shí)在令人震驚。要知道，此時(shí)距離OpenAI推出ChatGPT，開啟生成式AI時(shí)代，僅僅過去了14個(gè)月時(shí)間。直到去年，我們才剛剛熟悉文本生成圖片的產(chǎn)品，而僅僅半年前，MidJourney創(chuàng)作的AI圖片里還會(huì)出現(xiàn)六指人物。而現(xiàn)在，Sora的視頻就已經(jīng)讓所有人開始感受到現(xiàn)實(shí)和虛擬的界限模糊。
雖然OpenAI的GPT-4 Turbo此前出現(xiàn)了性能下滑和速度變慢的狀況，令人擔(dān)心生成式AI的增長(zhǎng)遭遇了瓶頸；但Sora的發(fā)布無疑打消了所有人的擔(dān)憂。云計(jì)算公司Box創(chuàng)始人兼CEO列維（Aaron Levie）在Sora發(fā)布之后感慨說，“如果有人還擔(dān)心AI進(jìn)化速度會(huì)變慢的話，我們又一次看到了完全相反的典范。”
目前Sora只面向邀請(qǐng)的制作者和安全專家開放測(cè)試，發(fā)現(xiàn)和解決可能的安全問題，還沒有宣布正式的公測(cè)時(shí)間表。畢竟在虛假信息充斥的互聯(lián)網(wǎng)，DeepFake的道德問題也已經(jīng)成為了關(guān)注焦點(diǎn)，像Sora這樣以假亂真的視頻一旦被濫用，可能會(huì)引發(fā)災(zāi)難性后果。
在發(fā)布Sora的幾乎同一時(shí)間，OpenAI還完成了一項(xiàng)要約售股交易，并不是融資用于公司用途，而是允許員工向以Thrive Capital牽頭的風(fēng)投機(jī)構(gòu)出售現(xiàn)有股份套現(xiàn)。值得一提的是，作為OpenAI董事會(huì)成員，奧特曼自己并不持有公司股票，估值飆升并不能給他帶來巨額財(cái)富。
此次交易對(duì)OpenAI的整體估值達(dá)到了800億美元，較之去年年初的300億美元飆升了兩倍多。按照投融資市場(chǎng)調(diào)研公司CB Insights統(tǒng)計(jì)，OpenAI已經(jīng)成為全球估值最高的創(chuàng)業(yè)公司之一，僅次于字節(jié)跳動(dòng)和SpaceX。
實(shí)際上，此次交易本應(yīng)在去年11月完成，只是因?yàn)閵W特曼與董事會(huì)的沖突風(fēng)波才被迫擱置。隨著奧特曼重新回到OpenAI CEO職位，投資者再次給這家AI巨頭投出了信任票。顯然，在Sora正式發(fā)布之后，OpenAI的估值還會(huì)進(jìn)一步飆升。
巨頭出手碾壓AGI同行
那么，令人驚艷的文本生視頻Sora究竟會(huì)帶來哪些沖擊？
AGI視頻同行無疑是遭受最直接沖擊的。Sora發(fā)布之后，AI視頻創(chuàng)業(yè)公司Runway CEO瓦倫祖拉（Cristóbal Valenzuela）在X平臺(tái)（此前的推特）上簡(jiǎn)單發(fā)布了兩個(gè)字，“Game On．”（競(jìng)爭(zhēng)開始了）。幾個(gè)月前，Runway剛剛發(fā)布了Gen-2視頻模型。而另一家AI視頻公司Stability的CEO莫斯塔克（Emad Mostaque）則直接感慨，“奧特曼真是個(gè)魔術(shù)師�！�
Runway創(chuàng)辦已有五年時(shí)間，在AI視頻領(lǐng)域占據(jù)著先發(fā)優(yōu)勢(shì)，已經(jīng)得到了好萊塢主流片場(chǎng)的使用。去年拿到七項(xiàng)奧斯卡大獎(jiǎng)的年度影片《瞬息全宇宙》就使用了Runway來制作AI視頻。在《瞬息全宇宙》大獲成功之后，Runway新一輪融資估值也水漲船高，達(dá)到了15億美元，是一年之前估值的三倍。
文生視頻領(lǐng)域是目前最熱的創(chuàng)業(yè)領(lǐng)域。過去幾個(gè)月時(shí)間，隨著生成式AI熱潮涌動(dòng)，也涌現(xiàn)出了不少文本生視頻和圖片生視頻的創(chuàng)業(yè)公司。A16z的AI投資合伙人摩爾（Justin Moore）列出了他所跟蹤的20多家文生視頻創(chuàng)業(yè)團(tuán)隊(duì)，其中不乏Pika、Zeroscope這樣一度引發(fā)網(wǎng)絡(luò)驚嘆的創(chuàng)業(yè)新貴。
去年年底，斯坦福華人畢業(yè)生創(chuàng)辦的Pika視頻一度引發(fā)了中美互聯(lián)網(wǎng)的驚嘆。得益于AI視頻的驚艷表現(xiàn)，這家僅有四人的創(chuàng)業(yè)公司，在不到半年時(shí)間就完成了超過5500萬美元的三輪融資，估值飆升到了2.5億美元。
但現(xiàn)在，AI巨頭OpenAI直接拋出了Sora。無論是視頻時(shí)長(zhǎng)，還是畫面精細(xì)度，還是細(xì)節(jié)完整性，或是多鏡頭拍攝，Sora都遠(yuǎn)遠(yuǎn)超越了這些小創(chuàng)業(yè)公司的視頻，用碾壓來形容也并不為過。雖然AI視頻領(lǐng)域還有著巨大的提升和增長(zhǎng)空間，但這些小公司的未來是否有能力與OpenAI競(jìng)爭(zhēng)依然是個(gè)巨大的疑問。
左右好萊塢勞資談判
不過，Sora影響的不僅是其他AGI視頻創(chuàng)業(yè)公司的生存空間，更會(huì)改變整個(gè)好萊塢以及電影、電視、廣告、游戲行業(yè)的未來游戲規(guī)則。
好萊塢使用AI制作圖片和視頻，并不是什么新鮮事，從CG（電腦動(dòng)畫）、VR到AI，影視娛樂行業(yè)一直是高新技術(shù)的最先采用者。然而，與其他技術(shù)不同，AI工具始終是扎在好萊塢從業(yè)人員心中的一根刺。
除了《瞬息全宇宙》使用了Runway的AI視頻工具，去年21世紀(jì)�？怂挂呀�(jīng)與IBM沃森合作，用AI工具為關(guān)于AI主題的恐怖片《摩根》制作預(yù)告片；迪士尼旗下的漫威更完全用AI制作了《秘密入侵》的開頭動(dòng)畫。
當(dāng)時(shí)正值好萊塢演員和編劇工會(huì)大罷工期間。而生成式AI在影視行業(yè)的應(yīng)用也是雙方的爭(zhēng)議焦點(diǎn)之一。就在雙方談判的過程中，演員編劇們得知迪士尼漫威新一季的《秘密入侵》已經(jīng)完全使用AI技術(shù)打造開場(chǎng)場(chǎng)景。這一消息讓雙方的談判再次擱淺。
為什么影視行業(yè)使用AI工具引發(fā)這么多的爭(zhēng)議？業(yè)內(nèi)人士主要是擔(dān)心制片方使用現(xiàn)有素材進(jìn)行AI訓(xùn)練，未來頻繁使用AI工具生成內(nèi)容，這不僅侵犯到了創(chuàng)作者已有作品的版權(quán)，沒有給他們足夠的回報(bào)，更會(huì)影響到創(chuàng)作者未來的工作機(jī)會(huì)和空間。
雖然去年編劇和演員們不惜讓行業(yè)停擺和自己失業(yè)，換來了制片方們的暫時(shí)讓步，對(duì)AI工具的使用制定更多的規(guī)范。但三年后的下一次勞資談判，面對(duì)性能必然大升級(jí)的AI，演員編劇們的處境可能會(huì)更加艱難。
電影電視TikTok化
隨著文生視頻模型Sora的驚艷亮相，或許整個(gè)好萊塢從業(yè)人員都會(huì)面臨著一個(gè)巨大的疑問：按照AI的指數(shù)級(jí)進(jìn)化速度，或許不需要再等待多久，AI就可以生成一部完整劇情的短片甚至電影，從劇本到拍攝到表演到后期都可以完全搞定，那么好萊塢的未來會(huì)變成什么樣子？
拍攝《當(dāng)她醒來》恐怖電影的好萊塢導(dǎo)演戴夫·克拉克（Dave Clark）已經(jīng)在使用AI工具制作電影。在他看來，Sora等AI技術(shù)帶來的并不是威脅，創(chuàng)作者需要去擁抱AI技術(shù)，打造此前無法實(shí)現(xiàn)或是想象的內(nèi)容�！斑@是改變游戲規(guī)則的技術(shù)。你不應(yīng)該去擔(dān)心自己的工作，而應(yīng)該擔(dān)心是誰在使用這些工具。”
行業(yè)調(diào)查公司CVL Economics上個(gè)月發(fā)布的一項(xiàng)對(duì)300位好萊塢行業(yè)領(lǐng)袖的調(diào)查顯示，擔(dān)憂情緒彌漫在整個(gè)好萊塢。36%的受訪者表示生成式AI已經(jīng)減少了他們公司的日常工作技能需求，72%的受訪公司都是生成式AI工具的最早采用者。
更為殘酷的現(xiàn)實(shí)是，75%的受訪者承認(rèn)，生成式AI（工具、軟件、模型）已經(jīng)促使他們業(yè)務(wù)部門削減與合并工作崗位。這些掌控著好萊塢行業(yè)秩序的人們預(yù)計(jì)，未來三年好萊塢總計(jì)會(huì)有超過20萬人的工作崗位會(huì)遭受AI沖擊，尤其是視覺特效、音效師、畫圖師等后期工作崗位。
電影《Shovel Buddies》的編劇海勒曼（Jason Hellerman）認(rèn)為，隨著AI工具的逐漸完善，未來制片方當(dāng)然可能會(huì)通過Sora這樣的工具生成視頻，而不再需要給一個(gè)制作團(tuán)隊(duì)支付薪酬。AI生成的內(nèi)容也可能會(huì)創(chuàng)造一個(gè)全新的類型，但如果任何人都可以用AI制作視頻和電影，成為“內(nèi)容創(chuàng)作者”，這也不可避免會(huì)帶來專業(yè)水準(zhǔn)的降低。
他預(yù)測(cè)，未來每個(gè)人都可以生成自己視頻，就像是現(xiàn)在每個(gè)人都在手機(jī)上拍攝和觀看TikTok短視頻。習(xí)慣了短視頻的Z世代年輕人未來會(huì)逐漸摒棄電影和電視這樣的長(zhǎng)內(nèi)容。也許在AI生成視頻的未來，電影和電視也會(huì)變成類似TikTok短視頻這樣的形式。
