Sora不靠蠻力，大廠忙拆盲盒

　　Sora的突破，再次證明AI是一個大型系統(tǒng)工程。OpenAI靠的不是蠻力，國內(nèi)人工智能圈還需要方方面面的補足。

　　文|趙艷秋

　　在春節(jié)開工后這一周，國內(nèi)人工智能圈以及與Sora技術(shù)相關(guān)的大廠，對OpenAI公布Sora后的反應(yīng)，與媒體上的熱烈程度形成鮮明反差。

　　OpenAI越來越閉源，幾乎沒有任何具體信息，國內(nèi)還處于拆盲盒階段。不得不承認(rèn)，Sora是算法組合、數(shù)據(jù)選擇、訓(xùn)練策略、算力優(yōu)化等多種能力的結(jié)合，雖然這些技術(shù)可能不是OpenAI的原創(chuàng)，但OpenAI對它們的深刻洞察，以及精巧的系統(tǒng)構(gòu)思設(shè)計能力，才做出“顛覆性”突破，而非簡單的蠻力。

　　在這樣的大系統(tǒng)工程面前，國內(nèi)人工智能圈還需要方方面面的補足。

　　01

　　大廠的反應(yīng)

　　這一周，字節(jié)、百度、阿里、騰訊、華為、浪潮等企業(yè)未對外發(fā)聲。一些相關(guān)大廠的研發(fā)團(tuán)隊則在“拆盲盒”，信息也絕對保密，“Sora將影響今年公司產(chǎn)品的研發(fā)計劃。”

　　值得關(guān)注的是，對Sora的積極關(guān)注度和洞察程度，在大廠的中高層，總體不像去年ChatGPT推出后那么緊迫和深入。

　　在各大廠內(nèi)網(wǎng)上，核心研發(fā)團(tuán)隊之外的“吃瓜群眾”，在零星發(fā)帖討論，“談不上討論熱度”，甚至有國內(nèi)人工智能大廠內(nèi)網(wǎng)是“零貼”。這種狀況與媒體上的熱搜新聞，甚至對中美AI差距加大的哀嚎，大相徑庭。

　　不過，一些較快的動作，也能窺見業(yè)界的一些緊迫感。Sora發(fā)布第二天，2月17日，阿里摩搭社區(qū)推出對Sora技術(shù)路徑的分析，文章很熱;2月18日，百度的度學(xué)堂推出Sora系列解讀課程;春節(jié)后剛開工，浪潮相關(guān)業(yè)務(wù)已對Sora給出分析報告。不少大廠相關(guān)業(yè)務(wù)線紛紛布置調(diào)研匯報作業(yè)，其中有些企業(yè)將在本周做出Sora分析調(diào)研。

　　由于OpenAI透露的信息很少，與ChatGPT推出后，對技術(shù)的一些具體分析不同，對Sora的分析猜測成分更多，具體依據(jù)更少。

　　從各大廠內(nèi)部的員工討論看，大家集中在幾個方向：Sora的技術(shù)機(jī)理，包括Sora能不能成為真實世界的模擬器;算力;商用方向和時間。目前，技術(shù)機(jī)理還有不少”謎團(tuán)“;對算力消耗的推測也較混亂;在Sora商用時間上，預(yù)測從一個月到半年不等，普遍認(rèn)為速度會很快。

　　有大廠員工發(fā)文分析，從OpenAI的動作，包括發(fā)布Sora、ChatGPT、DALLE以及一直強調(diào)的agent看，今年下半年OpenAI可能發(fā)布的GPT5，將是第一版真正意義的Agent。有了這個Agent，比如未來要做一個App，GPT5可自動生成代碼、圖片、視頻、打包部署，包括申請、配置域名，最終生成可訪問的App。這些推測也預(yù)示著，每位員工未來的工作方式正在被重塑。

　　雖然大廠論壇鮮有對技術(shù)差距的哀嚎，但員工在交流中都有抱怨和無奈。不過，也有人士認(rèn)為，Sora反而對國內(nèi)AI超級有利，原因是在全球短視頻市場上，字節(jié)、騰訊、快手占前三，而Sora原理基礎(chǔ)大家也都知道，以國內(nèi)現(xiàn)有的GPU算力，推測“快的話一年”，國內(nèi)將有類似產(chǎn)品推出。

　　02

　　OpenAI不靠蠻力

　　業(yè)界都關(guān)注到，Sora 的驚艷效果得益于新的算法組合和訓(xùn)練策略。然而，類似ChatGPT，單純從具體算法來說，都不是 OpenAI的原創(chuàng)。

　　“Sora 在算法組織和數(shù)據(jù)訓(xùn)練策略上下了很大功夫，充分挖掘了算法和數(shù)據(jù)的潛力，學(xué)到更深層知識。”云知聲董事長梁家恩說，通過架構(gòu)設(shè)計和訓(xùn)練策略，而非單純算法改進(jìn)，OpenAI 繼續(xù)刷新了業(yè)界的認(rèn)知。這體現(xiàn)了OpenAI對算法和數(shù)據(jù)潛力的深刻洞察，以及精巧的系統(tǒng)構(gòu)思設(shè)計能力，而非簡單使用“蠻力”，才能做出這種“顛覆性”的突破。

　　在Sora官宣后，紐約大學(xué)謝賽寧對其進(jìn)行了技術(shù)推測。由于謝賽寧與Sora團(tuán)隊關(guān)系較近，他的推測影響很廣，尤其是他猜測“Sora參數(shù)可能是30億”。

　　一些人士認(rèn)為30億參數(shù)有一定道理。一位資深人士分析，Sora生成的視頻效果驚艷，但細(xì)節(jié)問題較多，應(yīng)該是OpenAI拿出來先秀肌肉的，OpenAI會進(jìn)一步擴(kuò)展模型;另一位資深人士則從算力角度直觀分析，視頻是三維的，單位處理需要的算力非常大，如果Sora參數(shù)太大，算力會不夠。

　　不過，也有一些行業(yè)人士認(rèn)為“不止30億”。

　　“30億參數(shù)，我認(rèn)為是有誤導(dǎo)性的。”一位短視頻人工智能資深人士告訴數(shù)智前線，“Sora背后依賴了OpenAI最強大的語言模型來生成Caption(字幕、說明文字)。”而在Sora提供的技術(shù)報告中，簡要描述了，他們針對視頻如何設(shè)計自動化技術(shù)，生成文本描述，或?qū)⒑喍痰挠脩籼崾巨D(zhuǎn)換為更長的詳細(xì)描述，用來提高視頻的整體質(zhì)量。

　　而從OpenAI一直在摸索人工智能邊界的風(fēng)格來看，一些人士也認(rèn)為，30億太小了。“這不符合它一貫的做法，他們都是‘大力出奇跡’。”中科深智CTO宋健對數(shù)智前線說，實際上，理論上已指明了道路，有不少企業(yè)也去嘗試了，目前來看，真正意義上能執(zhí)行下去的只有Sora。

　　一位浪潮人士稱，Sora的突破再次證明了AI是一個系統(tǒng)工程，單純靜態(tài)的推測參數(shù)可能沒有意義。

　　在視頻生成上，過去大家的困難在于，很難保持視頻的連貫性或一致性，因為中間有很多反常識的東西，如光影不對、空間變形，所以業(yè)界搞不定長視頻。

　　“OpenAI 最終是否采用了更大規(guī)模的參數(shù)，根據(jù)目前公開信息還無法判斷，但我估計以他們風(fēng)格肯定會嘗試的。”梁家恩說，此前，OpenAI 從 GPT2 做到 GPT3 時，就是堅信只要算法架構(gòu)合理，通過超大規(guī)模的無監(jiān)督學(xué)習(xí)，是可以通過小樣本甚至零樣本學(xué)習(xí)，擊敗有監(jiān)督學(xué)習(xí)，這是 OpenAI 對規(guī)模效應(yīng)的堅定信念。“這次Sora通過算法組合和數(shù)據(jù)設(shè)計，學(xué)到更多符合物理規(guī)律的‘知識’，符合 OpenAI 這些年來的一貫風(fēng)格。”

　　不過，Sora尚不能稱為一個合格的物理世界的模擬器。在它生成的視頻中，存在大量錯誤。OpenAI自己也在技術(shù)報告中提出，這是一個有希望的方向。

　　人們對Sora的需求不同。“如果你現(xiàn)在做數(shù)字孿生，還不如直接用物理引擎作為底層來構(gòu)建，就像英偉達(dá)的Omniverse，雖然不完全是物理的，但已經(jīng)很精確了。”宋健說，“但對于視覺藝術(shù)來講，講的是視覺感受力，反物理也沒關(guān)系，只要視覺上給大家足夠好的沖擊力就可以。”

　　03

　　算力猜想

　　“現(xiàn)在大家對算力的推測非�；靵y。”一位英偉達(dá)人士告訴數(shù)智前線。由于OpenAI這次公布的信息非常少，業(yè)界很難評估。

　　“視覺模型或多模態(tài)模型跟大語言模型算力的評估方式不太一樣。”一位人工智能算力資深人士告訴數(shù)智前線，即便Sora可能只有幾十億參數(shù)，其算力與幾百億或上千億的大語言模型估計差不多。

　　他進(jìn)一步分析，可以參考文生圖模型Stable Diffusion，參數(shù)大概只有10億，但訓(xùn)練算力用了幾十臺服務(wù)器，花了將近一個月時間。他估計Sora的訓(xùn)練算力可能比前者至少大一個數(shù)量級，也就是數(shù)百臺服務(wù)器，而后面OpenAI肯定會進(jìn)一步去做scaling，把Sora模型做的更大。

　　另一方面，這種模型的推理算力也比大語言要大很多，有數(shù)據(jù)曾顯示，Stable Diffusion的推理算力消耗，與Llama 70b(700億)參數(shù)模型差不多。也就是說，推理算力上，一個10億的文生圖模型，與千億量級的大語言模型差不多。而Sora這種視頻生成模型的推理算力，肯定比圖片生成模型還要大很多。

　　“文本是一維的，視頻是三維的，視頻的單位計算量大很多。”一位人工智能專家告訴數(shù)智前線，他認(rèn)為需要大幾千卡才有機(jī)會。

　　由于Sora推動的文生視頻方向的發(fā)展，今年國內(nèi)算力總體仍會非常緊張。有算力基礎(chǔ)設(shè)施企業(yè)人士稱，在人工智能算力上，北美幾家巨頭的算力，現(xiàn)在已是國內(nèi)總算力的十幾倍，甚至還要更多。

　　但在某些局部上，國內(nèi)算力已經(jīng)出現(xiàn)了閑置。這包含了幾種情況，比如一些去年上半年開始訓(xùn)練大模型的企業(yè)，放棄開發(fā)大模型或改為使用開源模型;去年大語言模型的落地應(yīng)用遭遇挑戰(zhàn)，還沒有大量的推理應(yīng)用落地，這些會導(dǎo)致一些企業(yè)出現(xiàn)幾十臺或幾百臺的空閑。

　　宋健也發(fā)現(xiàn)了局部算力閑置的問題。他觀察，尤其是2023年11月份左右開始，算力的租賃變得容易，而且價格可能是原來的2/3甚至1/2。