Sora模型－相关问题－笔记

一、用AI模拟物理世界，指向AGI

OpenAI为Sora赋予的使命，不只是替代视频生成的创作者，更重要的是将视频生成作为帮助AI理解真实世界的模拟器，其研究论文的题目“Video generation models as world simulators”也透露了这一点。

从“理解世界”的角度审视Sora，核心不是某一帧图像的画质和画面关系，而是这个生成的视频在不同“机位”下所保持的高度“一致性”，这才是它接近真实的地方。

就像周鸿祎所说，“Sora只是小试牛刀，它展现的不仅是一个视频制作的能力，而是大模型对真实世界有理解和模拟之后，会带来新的成果和突破。”

在这一点上，Sora和特斯拉在FSD（Full self-driving，完全无人驾驶系统）上的指向是一致的。在FSD12上，特斯拉删除了30万行定义驾驶规则的代码，还移除了雷达系统，只依靠高清摄像头采集视频和神经网络学习来判断距离关系。

Sora和FSD的不同，仅在于二者感知世界的方式：后者以真实世界的车辆来感受，而前者单纯依靠数据的输入。

二、规模和质量是训练模型的核心

“特斯拉的数据来源于真实道路上搭载了传感器的车辆；而OpenAI的大量数据，从目前的公开信息来看，来源于网络。在质量的维度，特斯拉通过和Uber合作，获取‘五星司机’的素材训练FSD；而从规模出发，奥特曼最近希望筹集万亿美元规模的资金，就是注重计算力和规模的表现”［１］。

三、对计算资源的巨大需求

AI发展需要巨大的计算资源。

黄仁勋认为，“计算机架构在不断进步，如果不将‘计算机变得更快’纳入考量，那么我们可能需要４个太阳，才能为这一切提供燃料。”因此，芯片行业必须朝着更好、更具成本效益的方向前进，以降低AI技术的成本。

英伟达的AI GPU的交付周期，从去年底的8-11个月缩短到了目前的3-4个月。最近两个月，英伟达的股价上涨46%，总市值达到1.8万亿美元，超过Google和Amazon，仅次于微软和苹果。

OpenAI似乎有意与英伟达竞争。萨伊.奥特曼正在中东筹集资金，以支持OpenAI的一项半导体计划。

四、带来的挑战

1. 虚假视频

现在的解决做法是发布者在AI生产的内容上打水印，告知用户。如何识别不同平台生产的AI内容，还是一大难点。

参考资料

1. ＂Sora证明马斯克是对的，但特斯拉和人类可能输了＂，微信公众号：极客公园（ID: geekpark），作者：曹思颖．

2. “春节‘科技七巨头’市值排位洗牌：英伟达狂飙至第三”，微信公众号：时代周报（IＤ: timeweekly），作者：郭美婷．