來源 | 數(shù)科星球

作者丨苑晶

編輯丨大兔

熟悉的配方、熟悉的操作。

Open深夜“放大招”，其世界模型Sora一經(jīng)發(fā)布引起了諸多討論。其中，在二級市場中，文生視頻和元宇宙概念熱度劇增，在經(jīng)歷長時(shí)間遇冷后，有可能成為2024年火爆題材之一。

應(yīng)該說，Sora的最大貢獻(xiàn)是作為革命性平臺，極大降低了視頻輸出成本。這被一度看作是元宇宙發(fā)展的核心桎梏。

表面上，它的出現(xiàn)沖擊了貼片廣告、影視或嚴(yán)肅新聞的禁臠。深層次而言，它更是可以改變教育、文旅和會展等諸多行業(yè)的游戲規(guī)則。

01  元宇宙+世界模型=？

時(shí)至今日，元宇宙的概念已不新鮮。經(jīng)過多年發(fā)育，其不僅在一級、還是二級市場均走過一輪又一輪浪潮。它從科幻小說和電影的概念，走入了人們視野多年。

對于不同人而言，它或許是一部頭顯設(shè)備、一部優(yōu)秀的游戲作品、一個(gè)教育軟件或是一套工業(yè)數(shù)字孿生系統(tǒng)。

當(dāng)這個(gè)概念如日中天之時(shí)，人們對其遐想聯(lián)翩。認(rèn)為它是下一個(gè)流量入口、認(rèn)為它是巨頭不得不搶占的高地。而如今，在概念遇冷時(shí)刻，站在當(dāng)下回望歷史，會發(fā)現(xiàn)，它可能正在走出迷惘，距離其找到其應(yīng)有的價(jià)值更近了一步。

其實(shí)，元宇宙一詞誕生的伊始，便充斥著以扎克伯格等人的焦慮。那時(shí)，移動(dòng)互聯(lián)網(wǎng)幾近終局，不同年齡層、不同畫像、不同功能的移動(dòng)互聯(lián)網(wǎng)產(chǎn)品均已出世。所以，或許是為了挽救股價(jià)、搶占新的制高點(diǎn)，元宇宙一詞被捧得很高。

它的火爆符合創(chuàng)投行業(yè)的一種規(guī)律，即“雖然不太明白，但干就完了”。在二級市場中，這種思維被稱作“先相信、先下手、先跑路”。更何況有巨頭背書，更何況那么多人趨之若鶩。

后知后覺，只配享用一地雞毛。

但緊接著，元宇宙產(chǎn)品研發(fā)難、設(shè)備體積重量大、云傳輸速率低和內(nèi)容配套缺乏問題等種種暴露，讓即便是業(yè)內(nèi)人士（如Oculus的顧問CTO約翰卡馬克）都開始了詰難。

最有發(fā)言權(quán)的，可能非開發(fā)者莫屬。

事實(shí)上，在元宇宙行業(yè)里，開發(fā)者的境遇并沒有想象的那么好，他們除了要做iOS、安卓之類的適配工作外，還需要調(diào)整每款頭顯設(shè)備帶來的算力、視場角、分辨率、刷新率、控制方式、輸入輸出方式等方面的更新。

而多出來的工作量，或許并沒有帶來相對應(yīng)的回報(bào)。

在資本又向著新能源、生成式AI、智能制造、電動(dòng)汽車等進(jìn)軍后，產(chǎn)業(yè)大變局顯得“更香”，推行元宇宙的科技巨頭遇到了更粗的大腿和更完美的故事。

所以這都導(dǎo)致了一個(gè)結(jié)果，也是科技界人士正在反思的：我們是否仍然需要沉浸式體驗(yàn)、3D的頭顯世界是否具備性價(jià)比、元宇宙究竟能為我們帶來什么？

在Sora出現(xiàn)后，行業(yè)或許迎來了新的轉(zhuǎn)機(jī)。

02  世界模型的場景：不止文旅、教育和會展

Sora未出現(xiàn)前，國內(nèi)的元宇宙從業(yè)者便已經(jīng)開始了本土化實(shí)踐。可以看到的是，在文旅、教育、會展等方面，相關(guān)應(yīng)用已經(jīng)開始發(fā)力。

“我們應(yīng)該如何讓不同地域、不同國家的人參與同一場盛會？”這是一個(gè)來自數(shù)科星球（ID：digital-planet）社群的從業(yè)者的問題。我們覺得，答案可能是通過元宇宙。

在過去幾年，進(jìn)博會、工博會和服貿(mào)會等會展人頭攢動(dòng)。在真實(shí)物理世界里，其線下會展似乎已逐漸逼近極限承載能力。所以，虛擬化場景或?qū)⒃谔嵘史矫骘@示出更多裨益。

只是，大多數(shù)會展類元宇宙產(chǎn)品還看起來比較初級，更多的產(chǎn)品看起來像是擁有虛擬場景的“騰訊會議”。直白點(diǎn)說，絕大部分只有社交關(guān)系，但缺乏豐富的內(nèi)容。

或許，世界模型的出現(xiàn)將彌補(bǔ)上述缺憾。

另外，在教育領(lǐng)域，在北京課改的新背景下，思維訓(xùn)練、各科融合趨勢開始顯現(xiàn)。在一些補(bǔ)習(xí)老師對于北京市中小學(xué)期末考試試卷的調(diào)研后發(fā)現(xiàn)，試題正在向著跨學(xué)科、大閱讀量、多情景的方向演化。

在北京的海淀區(qū)、西城區(qū)，上述趨勢尤為明顯。

補(bǔ)習(xí)老師們紛紛吐槽“補(bǔ)習(xí)已死”。這意味著，以往“做題家”模式將在新的考試模式下將難以生存。而另一方面，在網(wǎng)絡(luò)的反饋中，眾多家長更是難以應(yīng)對當(dāng)下的知識爆炸時(shí)代。

另外，在中小學(xué)中，由于試題不按套路出牌、跳過了由淺入深的思維訓(xùn)練卻依舊保留了分?jǐn)?shù)導(dǎo)向，讓孩子的思維承受能力瀕臨極限，甚至一些孩子開始抑郁、走向崩潰。

所以，基于教育教學(xué)的元宇宙場景似乎更令人期待。借助虛實(shí)融合，學(xué)生們也許能夠可通過元宇宙所提供的教學(xué)場景體驗(yàn)更加直觀的知識輸出。

教學(xué)場景的問題仍然是內(nèi)容制作成本高。所以，這又是Sora的一大場景。

文旅行業(yè)的問題同樣如此。

一直以來，不喜旅游的人總在抱怨：目的地旅游千篇一律、人山人海更是對體驗(yàn)產(chǎn)生了負(fù)向影響。吃的、喝的同質(zhì)化現(xiàn)象嚴(yán)重，似乎只有歷史人文和特殊的自然風(fēng)光可持續(xù)吸引游客。

現(xiàn)在，人們在挑選旅游目的地的過程中似乎更痛苦了，因?yàn)榇罅康木W(wǎng)紅打卡地缺乏真切的旅游體驗(yàn)，名不副實(shí)和收智商稅的行為比比皆是，導(dǎo)致游客們在小紅書上的停留時(shí)間增加，用戶在進(jìn)行詳盡的攻略后，線下旅游的神秘感又被提前透支。

所以，為了彌補(bǔ)這樣的缺憾，文旅從業(yè)者們紛紛將目光瞄向了元宇宙。核心邏輯是，相比線下物理場景、商業(yè)業(yè)態(tài)的更新，線上的變化似乎可以更快、更直觀。所以，目前，國內(nèi)的大多數(shù)目的地景點(diǎn)、酒旅集團(tuán)紛紛在開拓線上IP、數(shù)字動(dòng)漫等方面熱情高漲。

看起來，這仍然利好Sora。

03  2024主旋律：與Sora貼身肉搏

Sora世界模型的推出，讓人們自然想到：國內(nèi)有何企業(yè)可與之抗衡。

如果說，在過去的2023年，國內(nèi)的大模型均圍繞GPT-4“貼身肉搏”；那么可以預(yù)測，在2024年，文生視頻行業(yè)會集中火力趕超Sora。

Sora的優(yōu)勢是顯而易見的。業(yè)界專業(yè)人士預(yù)測，它會增加文生視頻能力，提高生成視頻片段的質(zhì)量，加速可應(yīng)用性。就好比過去一年中，GPT-4持續(xù)刺痛國內(nèi)大模型的神經(jīng)那樣，事實(shí)上，Sora的出現(xiàn)對萬興科技這類公司來說也是機(jī)會大于挑戰(zhàn)的——它會更快加速視頻生成類工具的成熟應(yīng)用。

技術(shù)上，OpenAI采用DiT等技術(shù)實(shí)現(xiàn)世界模型（暫時(shí)沒有明確的數(shù)學(xué)定義），達(dá)到理解真實(shí)世界的運(yùn)動(dòng)和物理能力。它用于文生視頻，可以生成超逼真的符合物理和運(yùn)動(dòng)學(xué)的復(fù)雜場景的視頻，也就是說，可以理解和模擬真實(shí)世界。理解和模擬真實(shí)世界是AGI關(guān)鍵一步，能夠加速通用人工智能的實(shí)現(xiàn)。

僅圍繞春節(jié)場景，在過去無人機(jī)表演、《長安三萬里》的虛實(shí)融合就給人們留下了深刻印象。在未使用大模型技術(shù)的情況下，在數(shù)字經(jīng)濟(jì)的高地四川，人們就利用AR、VR技術(shù)打造了沉浸式的三國元宇宙。

對于喜歡歷史的人而言，這種體驗(yàn)是前所未有的。有了世界模型后，用戶的體驗(yàn)似乎能再上一個(gè)、甚至幾個(gè)臺階。

目前，Sora依然遵循OpenAI的Scaling Law，大力出奇跡，大量數(shù)據(jù)，大模型和大量算力。專業(yè)人士對數(shù)科星球（ID：digital-planet）表示，Sora底層采用了游戲、無人駕駛和機(jī)器人領(lǐng)域驗(yàn)證的世界模型，構(gòu)建文生視頻模型，達(dá)到模擬世界的能力，具體采用DiT（Diffusion Transformer），處理不同持續(xù)時(shí)間、分辨率和比例的視頻/圖像。

他們普遍認(rèn)為，世界模擬器是AI生成視頻的另一種方式，它的成功，會給視頻生成賽道產(chǎn)生一波沖擊，會有大量公司涌入該賽道，加速視頻生成成熟。

新的體驗(yàn)或?qū)@AGI展開。

與以往不同的是，AGI具備相當(dāng)于人類智慧程度的AI，一個(gè)AGI可以執(zhí)行任何人類可以完成的智力任務(wù)，可以處理任意數(shù)據(jù)。眾所周知，繼文本、圖像之后，Sora 拓展到了視頻領(lǐng)域，它是能夠理解和模擬現(xiàn)實(shí)世界的模型，是AGI實(shí)現(xiàn)的重要里程碑。

僅以Sora公布的60秒視頻中，它提供的體驗(yàn)便已嘆為觀止。在國內(nèi)創(chuàng)作者如云的背景下，想必在2024年，會有更多意想不到發(fā)生。

不過，時(shí)下專業(yè)人士認(rèn)為，從技術(shù)到用戶體驗(yàn)Sora還有短板：

• 即需要提高物理交互的準(zhǔn)確性：盡管Sora能夠模擬一些基本的物理交互，但它在處理更復(fù)雜的物理現(xiàn)象時(shí)可能會遇到困難；

• 長期依賴關(guān)系的處理存在挑戰(zhàn)，即保持時(shí)間上的一致性和邏輯性；

• 還需要提升空間細(xì)節(jié)的精確性：因?yàn)楝F(xiàn)階段的產(chǎn)品在處理空間細(xì)節(jié)方面可能不夠精確，可能影響到視頻內(nèi)容的準(zhǔn)確性和可信度。

總體而言，作為行業(yè)先驅(qū)，OpenAI通過Sora驗(yàn)證了世界模型可行性，驗(yàn)證了大模型做視頻生成的可行性。在國內(nèi)的相關(guān)產(chǎn)品中，已出現(xiàn)了萬興科技的天幕大模型等產(chǎn)品與之比較。

似乎，這又是一場追隨與反超越劇情。但它又是十分令人期待的，因?yàn)橄啾容^文字和圖片而言，視頻擁有更多的受眾和可能性。