文章來源：字母榜
作者：趙錦傑 馬舒葉
編輯：趙晉傑
Sora現身近一個月，卻未能在國内掀起如同ChatGPT時期的緊追不舍之态。
科技大廠仍停留在内部探索、研發Demo的階段：字節推出AI生成視頻産品Boximator，騰訊研發了視頻生成模型VideoCrafter，百度發表了統一模式視頻生成系統UNiVG。至于究竟何時會推出“中國版Sora”，大廠用靜悄悄回應着外部期待。
恒業資本創始合夥人江一告訴字母榜（ID：wujicaijing），投入産出比或将是困擾國内大模型玩家選擇跟進的一大因素。在追趕Sora之前，目前在對話大模型領域尚處在GPT-3.5的國内頭部玩家，對于是否要追趕上GPT-4的水平，“實際上他們也都有擔憂：一方面想要證明自身價值，至少要做到Meta開源模型Llama 2的水平；另一方面，Meta新一代開源模型Llama 3即将發布，屆時萬一投入重金後的自研模型，水平不及Llama 3乃至遭遇OpenAI自身的開源模型競争，很可能導緻前期投資‘竹籃打水一場空’。”
高企的成本，不僅困擾着大模型訓練廠商推出Sora的步伐，而且同樣阻礙着創業者率先體驗Sora的熱情。
在ChatGPT引爆新一輪AI應用熱潮後，定位桌面機器人的小麗智造創始人兼CEO胡捷，一度找上國内某大廠商談合作，希望将其大模型能力嵌入自家硬件。不過，在前者報出的數百萬元合作費用面前，胡捷最終選擇了國内一家二線大模型廠商，費用降低了近乎十分之一。 需要更多算力支持的視頻大模型Sora，其應用成本更是胡捷這類初創公司難以承擔的代價，等待越來越多國産平替方案的出現，可能是更具性價比的選擇。 除了用不起之外，Sora在視頻生成方面存在的精确度等Bug，也讓一些支付得起C端使用成本的創業者，不敢輕易替換掉人工。 坐擁百萬粉絲的上海市錦天城律師事務所律師候朝輝，以法律博主的身份運營着兩檔視頻對話欄目《知V見》和《披荊斬棘的律師》，其視頻時長在10-30分鐘之間。為了保證長視頻的信息精确度和畫面精緻感，候朝輝以15000元月薪，雇傭了一個專業剪輯師。 Sora出現後，候朝輝并沒有下意識覺得可以每月節省15000元成本了，“我不會自己去學，肯定讓剪輯師去學，他如果學會這套AI工具，就可以将效率變現，接更多活，賺更多錢。”
ChatGPT爆火之後，胡捷開始有了将大模型對話能力融入自家産品中的想法，嘗試打造一個桌面機器人結合類ChatGPT的新交互方式。 “（用戶）語音對話的過程中，ChatGPT的生成過程是以一個個點的形狀呈現，我們借助屏幕為其配備了一個對應口型的虛拟人形象，可以把ChatGPT吐回來的文字，讓虛拟人開口講出來。”胡捷說道。 為了實現上述意圖，胡捷首先找到了一家自研大模型的國内大廠，希望直接接入對方的對話大模型産品，但後者報了一個300萬元左右的合作價格，還設置了終端使用量要達到過萬台的門檻。 對于這家去年才剛剛成立、初始團隊在10人左右的小麗智造而言，無論是大廠給出的報價，還是設備出貨量要求，都超出了胡捷能夠承受的範圍。 退而求其次，胡捷最終選擇了國内一家二線大模型廠商，後者按年收費，報價隻有幾十萬元，且在定制開發上配合度更高，“盡管大模型能力沒那麼強，但是能滿足我們初期的要求。而且開放性比較強，允許我們接入第三方大模型，他們提供開發對接服務。” Sora引爆新一輪大模型熱議後，胡捷們也開始等待國内平替的到來。但平替究竟何時會來，卻不像ChatGPT時期那麼有确定性了。 在江一看來，國内大模型廠商想要追趕OpenAI，保持一個相對領先優勢，在資源投入上需要優先考慮總成本領先，即能否用比競争對手低的成本，訓練出足以媲美行業頭部水平的大模型，其次才是基于數據和場景打造差異化。 在推動大模型性能不斷疊代過程中，其所需要的算力等各類資源也呈指數級增長。ChatGPT成功運行的背後，最少需要一萬張英偉達GPU提供算力。疊代到GPT-4後，其所需的英偉達GPU數量被爆超過了2萬張，價值達數億美元。 面對越拉越大的投入産出比，在江一看來，國内大模型廠商擔憂的，不是能不能做出Sora，而是投入重金研發後，做着做着突然被矽谷的開源模型突襲，“你的價值就幾乎歸零了。”
對于那些直接付費使用C端大模型産品的創業者而言，盡管免去了用不起的煩惱，但在大模型生成内容的“幻覺”問題尚未解決之前，想讓他們跳過人工成本，自己用上Sora，還有點難。 專注長視頻創作的候朝輝，為了确保畫面的精确和精緻感，平時需要用到專業相機拍攝，大容量的視頻素材使得剪映一類的傻瓜式剪輯軟件，根本無法滿足需求，日常剪輯隻能用達芬奇等專業軟件，這也迫使他以每月15000元的價格，在上海雇用了一個專職剪輯師，保證一個月能剪出兩條視頻。 除此之外，候朝輝還會不定時發布訪談視頻，後期剪輯則以一條3000元的價格外包了出去。 ChatGPT時期延續下來的内容不準确、部分數據陳舊等問題，在采取同源技術架構的Sora身上也難以幸免。在候朝輝看來，即便真等到Sora公測那一天，也是讓剪輯師去學，而不是自己去學習如何使用，“（說到底）這個工具還是要有人去操作，它很難在短期内把一個人淘汰掉，更多可能帶來效率的提升，然後剪輯師就可以接更多活，賺更多錢。” 即便是被外界視為影響最大的遊戲影視領域，Sora的實際應用效果也存疑。 在遊戲行業，哪怕是獨立遊戲，都不存在用不起AI工具的情況。但AI究竟能發揮多大效用，則是另一回事。獨立遊戲制作人阿圖（化名）曾經期待用AI繪圖，減輕長期占遊戲行業重頭支出的遊戲畫師的工作量，但是真的讓AI畫“秦王繞柱”，結果出來的效果是“秦王在跳鋼管舞”。 Sora演示效果看起來很厲害，但阿圖擔憂的另一個點在于，制作者還要考慮市場是否買賬，“類Sora的AI工具大量應用在遊戲行業，不僅要考慮技術本身的完善程度，還要考慮市場的反應。在消費心理上，用戶是否認可制作方在遊戲中大規模地使用Sora，會不會覺得這是在偷工減料？對于部分用戶來說，他願意為了畫師的畫工，特效師的構思付費，但用AI生成的文本、畫面，并非是畫師設計的，這算不算是在糊弄消費者？在這一點上，目前許多科技媒體調研時，都似乎忽略了市場的反映，而我認為這恰恰是很重要的。” 基于上述種種擔憂，阿圖的團隊，即使使用AI工具，更多也隻是做一些邊角料的工作，比如畫一些概念，做一些配色嘗試，目前還沒達到可以替代部分崗位的應用程度。 獨立導演杜蘭馨甚至比阿圖更進一步，基于AI制作帶來的人員投入和精力問題，在其影視公司内，他沒有嘗試引入AI制作，“如果把時間和精力耗費在AI如何應用上，可能還完不成公司接下的案例。” 在杜蘭馨看來，如同用文生圖産品一樣，要想應用類Sora的工具，影視從業者還需要懂AI語言，掌握一定的技巧，才能生成想要的視頻效果。“但是目前的訓練，工作量似乎并沒有被消減，寄望用AI減少人力成本的初衷可能隻是想象中的美好，實際工作量從自己繪圖，變成了重複下達指令訓練AI繪圖，在這個過程中，不隻是人掌握了技巧，也是AI訓練了人。” 杜蘭馨認真算了一筆賬，以影視公司剪輯師為例，假設此前負責初級剪輯的剪輯師，月薪8000元，主要工作是收集整理素材，如果可以用Sora代替初剪，就可以節省這部分支出。但同時，公司需要把文生視頻的指令輸入工作交給高級剪輯師，那麼就要上調高級剪輯師的工資。最終隻有類Sora的工具應用節約成本，足以抵消上調薪資帶來的支出，影視公司才不會虧本。
Sora在視頻生成方面的各類Bug,同樣是OpenAI遲緩推出的重要原因之一。在官網介紹中，OpenAI提醒道，Sora可能難以準确模拟複雜場景的物理原理，并且可能無法理解因果關系，還可能混淆提示的空間細節，例如混淆左右，并且可能難以精确描述随着時間推移發生的事件，例如遵循特定的相機軌迹。 根據部分拿到内測名額的博主分享，Sora在物理方面遇到的困難，在表現腿部特征，或者行走方面，尤為明顯，如經常生成雙腿交叉和相互融合的畫面。 導緻Sora在内容生成上出現各類“幻覺”的背後技術動因，在與其采用了與ChatGPT一樣的Transformer架構。 這也是胡捷将 ChatGPT視為一個革命性産品，而将Sora的到來，認為是一種延續性創新的原因之一。“Sora出來之後，你可以認為是在鐵軌上運行的火車，變成了高鐵。Claude 3的發布，同樣如此，給我的感覺就是速度由原來的300km/h，提升到了350km/h、400km/h，隻是沿着既定路線的彼此較勁，而非颠覆性的突破。” 江一同樣對Sora可能給行業帶來的所謂“革命性沖擊”，持懷疑态度。在他看來，Sora再更新兩三個版本，可能就會觸摸到技術疊代的天花闆，然後慢慢被後來者追平差距。就像之前國内的語音翻譯大戰，一開始領先的科大訊飛，最後其實跟搜狗之間翻譯結果差不太多，“從商業角度考量，大模型這場混戰中，廠商也應該優先追求最小可行化産品，先商業化，然後再在往前走的路途中盡善盡美。” 過去一年中，上述競争姿态已經在對話大模型上上演過一次。随着越來越多玩家推出大模型部署服務，在日益激烈的商業化比拼中，大模型私有化部署的價格，“從一開始的幾千萬報價，降到一千多萬，後來又降到幾百萬，乃至100萬，直到無限接近成本。”江一表示。
