理性分析Sora影响关注OpenAI高速创新的源动能.pdf

中

移

理性分析Sora影响

智

关注OpenAI高速创新的源动能

库

中国移动研究院战略与产业研究所

2024年3月

摘要

Sora模型带来文生视频重大突破，其技术水平与

OpenAI由此彰显的超常创新迭代速度，引起科技界、商界

和投资界热议。对Sora成本、成熟度进行分析后，我们认

为短中期内该模型对内容产业难有颠覆性影响。比起Sora

中

本身，OpenAI持续引领技术潮流的源动能更值得关注。除

移

了海量数据和巨大算力的投入外，强大的工程创新能力和

智

不拘一格的用人魄力是OpenAI成功的另外两大关键。建议

库

一方面持续跟踪关注文生视频技术的最新动态和研发进展

另一方面更要关注OpenAI背后创新的源动力，参考OpenAI

实践经验，双向发力强化前沿领域工程创新，加速产业技

术发展；构建人才合作培养生态，为新生力量提供引领未

来科技探索的成长平台。

一、预计短中期内，Sora难以颠覆内容产业

1

成本高企，限制了Sora的发展路径。Sora的关键技术

之一是把视频按照空间、时间维度切割划小为若干视频片

段（Patch），然后进行训练、处理、输出等工作，Patch

之于Sora就好比Token之于ChatGPT。综合业界目前的测

算结果并参考通过GPT-4API输出Token的定价，预计客户

采用Sora生成1分钟视频的成本约为十几至几十美元（折

中

移

合人民币百元至千元量级）。对比国内纯人工拍摄视频约

智

100-500元/条[1]的成本，Sora目前在B端产业推广方面的

库

竞争力还有限。同时，高昂的成本也使得Sora难以复刻

ChatGPT“通过低推理成本、高适应性迅速在C端用户普及、

依托海量用户输入数据迭代优化模型”的成功路径。

Sora技术尚不成熟，也非视频生成技术的“唯一解”。

一是理解和再现物理规律的能力不足。Sora模型出现了相

关性与因果律矛（例如，吹蜡烛但蜡烛火苗纹丝不动）

2

局部合理与整体荒谬矛（例如，跑步机与跑步者的方向

相反）、临界状态缺失（例如，果汁泼溅视频中，缺失果

汁从杯中流洒出来的过程）等问题，在构建一个广义的、

符合现实世界运行逻辑的“世界模型”方面仍有很大的提

升空间。二是生成视频的一致性不佳。Sora模型历次生成

视频的“画风”不同，使得用户难以将多个视频片段剪辑

中

移

拼接成连贯长视频。与此同时，近期无论是Meta发布的V-

智

JEPA模型还是阿里发布的EMO模型，均采用了与Sora不同

库

的底层架构，同样展现了独特的技术特点和在部分领域对

Sora的比较优势。例如，EMO模型能够生成与输入音频同步

且在表情和头部姿势上更富有表现力的肖像视频。