Sora的出现不亚于一次“小型核爆炸”。
2月16日，Open AI公司发布了全新的视频生成AI大模型Sora，该模型可以通过文本快速制作出一段长达60秒的视频，视频中可以呈现多个角色、特定动作、以及复杂场景。
这无疑是AI领域的一个爆炸新闻。
自ChatGPT诞生以来，围绕着生成式AI的讨论便层出不穷，各个软件厂商也开始了在语言大模型赛道上的军备竞赛，百度率先推出了“文心一言”，阿里推出了“通义千问”等等，各家都不希望错过这个风口。
而就在这个赛道正走向平静的时候，谷歌推出了重磅级的产品“Gemini 1.5”，并将上下文窗口长度扩展到100万个tokens，这让Gemini 1.5有了一次性处理超过三万行代码的能力。然而谷歌的这一张牌也使得Open AI带来了其“王炸”级别的产品——Sora。
Open AI推出Sora将生成式AI推进到视频生成时代，对整个AI的市场格局有什么影响？生成视频AI对各个行业未来会有什么样的颠覆？真正的人工通用智能（AGI）即将到来？
Sora推进“AGI”大跨步
“AGI可能不需要十年二十年那么远，可能一到两年就能实现。”这是周鸿祎在Sora发布之后给予的评价。马斯克更是直接发文表示：“人类要完（gg humans）。”
Sora是什么样的一款产品，能让业内人士给出如此高的评价？
目前，在Open AI的官网上已经更新了48个视频，在这些视频中尽管有些视频还是会出现一些不符合尝试的小bug，但在绝大多数场景下，Sora能够精准地展现出文字描述的细节，更能理解物体在真实世界中的存在，生成相对应的角色和信息。也标志着Sora不仅仅能够通过信息学习到信息，更能灵活地运用这些信息模拟出一个接近真实的“虚拟世界”。甚至一次性还能生成同一个场景下不同“机位”不同视角的场景。
仅从现在Sora展现出的实力，显然已经让目前的“Gemini 1.5”望尘莫及。但同样也有人提出了质疑，图灵奖得主LeCun表示，像Sora这种仅根据文字提示生成逼真的视频，并不代表模型理解了物理世界。生成视频的过程与基于世界模型的因果预测完全不同。而后Meta也推出了一个全新的无监督「视频预测模型」——V-JEPA，号称能够“以人类的视角来理解世界”。
无可否认的是，Sora不仅是生成式AI由语言文字模型迈向视频模型的一步，更也将“世界模型”这一概念彻带火。未来的AI模型发展方向也成为了更真实地去理解模拟这个现实世界。
“世界模拟”也成为了AI新的方向，这一新方向也正在推进着“AGI”时代的到来。有了认识世界模拟世界的能力，甚至再给AI加上摄像头和传感器，AI成正朝着拥有自主感知认识现实世界，学习并模拟现实世界的能力，能处理语言文本，图像视频的人工通用方向智能跃进。
有了这样的AI，也有许多人表示担忧：“这次可能是真的要失业了。”
