人民網(wǎng)北京2月26日電 （焦磊）只需輸入文本指令，便可生成60s的視頻內(nèi)容，并在畫面效果、視頻時長、流暢度和邏輯性等方面具備驚人效果……近日，OpenAI發(fā)布的文生視頻大模型Sora迅速引發(fā)人們關注。業(yè)內(nèi)分析認為，該項新產(chǎn)品或將促使大模型廠商加大對多模態(tài)大模型的研發(fā)投入，并進一步推動AGI（通用人工智能）進程。

一直以來，視頻領域便是被普遍看好的AI應用落腳點之一。繼可生成圖文的ChatGPT之后，Sora的發(fā)布迎合了業(yè)內(nèi)對多模態(tài)大模型的期待。

模態(tài)即每一種信息的來源或形式。人們在信息獲取、環(huán)境感知、知識學習與表達等方面都是采用多模態(tài)的輸入、輸出方式。

華福證券研報表示，相比單模態(tài)，多模態(tài)大模型同時處理文本、圖片、音頻以及視頻等多類信息，與現(xiàn)實世界融合度高，更符合人類接收、處理和表達信息的方式，與人類交互方式更加靈活，表現(xiàn)得更加智能，能夠執(zhí)行更大范圍的任務，有望推動AI邁向AGI。

此前，大模型在各個領域的應用主要集中在文生文、文生圖之上，而在文生視頻領域卻進步緩慢。業(yè)內(nèi)分析表示，此次Sora的發(fā)布，將促使多模態(tài)大模型成為生成式AI的重點發(fā)展方向。未來人機交互將通過文字、視覺、語音等多維度溝通，進而提升效率，逐漸向AGI方向邁進。

值得一提的是，國務院國資委日前召開“AI賦能產(chǎn)業(yè)煥新”中央企業(yè)人工智能專題推進會。會議提出，開展AI+專項行動，強化需求牽引，加快重點行業(yè)賦能，構建一批產(chǎn)業(yè)多模態(tài)優(yōu)質數(shù)據(jù)集，打造從基礎設施、算法工具、智能平臺到解決方案的大模型賦能產(chǎn)業(yè)生態(tài)。

視頻大模型的創(chuàng)新進步，也引起人們對相關內(nèi)容行業(yè)變革的思考。

浦銀國際分析認為，對于短視頻，Sora提升了內(nèi)容供給及創(chuàng)作質量，并有效降低了門檻和成本，或將進入“全民創(chuàng)作”時代。而長視頻對內(nèi)容質量等專業(yè)化要求較高，AI生成視頻在精準度、可編輯性等方面仍需進一步打磨，長期發(fā)展空間廣闊。

IDC中國研究總監(jiān)盧言霞認為，Sora將最先應用于短視頻、廣告、互娛、影視、媒體等領域。在這些領域采用多模態(tài)大模型能力，輔助人類員工生成視頻，既可以提高生產(chǎn)速度又可以提高生產(chǎn)數(shù)量，還可以創(chuàng)造全新的視覺感受，能夠幫助企業(yè)真正實現(xiàn)降本增效、提升用戶體驗。

與圖文相比，視頻內(nèi)容所包含的數(shù)據(jù)量巨大，因而引發(fā)人們對算力需求的關注。業(yè)內(nèi)分析認為，AI視頻對算力的需求將會是幾何式增長，算力限制可能是影響文生視頻類應用開放使用的重要因素。

盧言霞表示，多模態(tài)大模型對算力的消耗更高，算力的可獲取性以及成本將是挑戰(zhàn)之一。此外，多模態(tài)大模型將帶來更嚴峻的安全挑戰(zhàn)。一方面多模態(tài)大模型將讀取更多的圖像、視頻類數(shù)據(jù)，這些圖像視頻數(shù)據(jù)是否合規(guī)是否安全，需要得到保障；另一方面，生成視頻與真實世界之間的差異，需評估是否會影響到人身安全、社會穩(wěn)定、企業(yè)安全等。

根據(jù)華泰證券研報，2023年實際誕生文生視頻大模型達到數(shù)十個，全球用戶數(shù)量超過百萬級別，但目前多數(shù)視頻模型仍處于產(chǎn)品早期階段。從創(chuàng)作端看，市場上已公開的大多數(shù)模型出自初創(chuàng)公司和小型技術開發(fā)團隊，包括Runaway、Pika等，且目前已呈現(xiàn)較為可觀的完成效果和商業(yè)模式。（實習生張泊洋對此文亦有貢獻）