Sora刷屏视频出现多处失误 模拟真实世界仍需闯关

2月18日，由OpenAI 发布的文生视频AI工具Sora引发的讨论仍在继续，范围涉及科技圈、资本圈、影视圈等，同时对Sora尚存在的问题研究也逐渐深入。

例如针对OpenAI定位“世界模拟器”的观点，图灵奖得主、Meta首席AI科学家杨立昆（YannLeCun）表示，根据提示词生成的大部分逼真视频并不表明这样的AI系统理解物理世界，生成视频的过程与基于世界模型的因果预测完全不同。

翻阅OpenAI披露的数十份视频，杨立昆的观点具体表现为老奶奶吹蜡烛火苗却不动、东京街头步伐错误的女郎、玻璃杯碎后错误的液体流向、在跑步机上反向跑步的男子等。

虽然OpenAI的明星效应为其带来大量关注，同日谷歌发布的多模态通用模型Gemini 1.5 Pro也变为配角，但不论是美国硅谷AI项目还是中国大模型创业公司，外界关注的核心均为实际应用效果。

视频虽惊艳bug仍存在

目前，Sora所生成的视频内容得到影视行业人士的普遍认可。Mystery Novel视觉预演工作室创始人、导演牛萌琛对第一财经记者表示，Sora视频中的画质，画面内容中的细节、光影、色彩都较精细，对导演来说，为其在拍摄前期做一个简单的镜头样板是够用的。对广告片拍摄来说，也可以用这种样板来与客户更好地进行概念上的沟通和确认。但如果涉及镜头运动角度，与更精细内容调控——如色彩、光影、道具、人物动作等，目前AI还不能达到令客户满意的程度。

一位纪录片从业者对记者表示，目前Sora还不能直接用于影视作品，因为精细度还不够。但已经足够震撼，完全可以用于前期开发，尤其是概念设计。一位宣传片从业者表示，工作室目前还没试过用AI生成来做素材，Sora 只发布了部分作品，且未开放公测，能不能用来代替剪辑不确定。无论如何，这些工具最后都是为人服务的，人的个人感情复杂性的表达不可替代。

摄影专业人士孟凡对记者表示，Sora视频帧率较高，说明计算能力比较强，且影片的宽容度更高，如调色、细节表现、高速镜头展现等。在直观感受上，Sora 模型产出的视频运镜自然，物体运动符合规律，镜头间逻辑一致性好，但是Sora视频的逻辑性会差一点。

具体表现在Sora视频内容中，如一分钟的东京街头女郎漫步，女郎走路过程中存在腿部变形、腿部交叉换位时错乱、右腿连续两次在前方迈步等错误；一段提示词为“一个人跑步的场景”中，主角在跑步机上反向奔跑；提示词为“考古学家在沙漠发现塑料椅子”的视频中，椅子呈现悬浮状态。

针对目前Sora存在的不成熟之处，OpenAI表示，Sora可能难以准确模拟复杂场景的物理原理，可能无法理解因果关系，可能混淆提示的空间细节，可能难以精确描述随着时间推移发生的事件，如遵循特定的相机轨迹等。

OpenAI方面在《作为世界模拟器的视频生成模型》技术报告中表示，Sora作为一个模拟器，目前表现出许多限制，它并没有准确地模拟许多基本互动的物理效应，比如玻璃破碎。吃食物之类的互动不总是产生正确的物体状态变化。还有在长时间样本中发展的不连贯性或物体的自发出现。

对于这些问题，多位人工智能领域人士对记者表示，皆因概率模式的逻辑硬伤所致。中科深智创始人兼CEO成维忠表示，Sora因其并非严格的推理模型，目前还存在因果关系推理问题，但这个问题不是Sora自身的问题，而是目前所有类似模型均存在的问题，类似于大模型普遍存在的幻觉问题。未来会随着训练的加强而得到改善。

宜远智能CEO吴博对记者表示，通过加大训练量、增加训练数据与物理逻辑，该问题会逐渐得到改善，但无法根治。

南洋理工大学副教授张含望此前在GAIR全球人工智能与机器人大会上表示，想要真正突破最底层逻辑上的问题，因果关系（Causality）是一条必经之路。如果不把因果关系加上去，大模型只是在进行强行关联，幸运的话，模型在回答问题时能够给出正确答案，否则就会“胡说八道”。这是因为它背后的关联是错误的——把共生关系当成了因果关系。

实际使用价值待解

Sora之所以能引发广泛关注，除了画面超过同行的质量原因外，更在于外界对其即将带来的行业迭代充满好奇。

就影视行业而言，得知Sora视频发布后，时光矩阵联合创始人郁刚称自己的心态冰火两重天，一方面对于影视特效公司而言，该消息算不上一个好消息，自己第一个感觉是“特效公司要死了吗？”很想将过去学的特效工具“埋了”。

郁刚称自己过去能想象到AI视频会发展到这个精度，但没有想过会这么快，其原本的预测时间是三到五年，结果在一年时间内就达到——从兔年春节到龙年春节，OpenAI实现了从文生文到文生视频的迭代。但从另一个角度来说，郁刚称自己很欣喜，从导演角色来说，过去最痛苦的就是拿到剧本之后找钱、找投资方，开了四年公司，账上亏损欠账三百万人民币，但看了Sora之后，拍视频、做成特效并放到荧幕上这步最贵的动态预演环节，完全可以通过AI实现成本节省。

郁刚预计，未来AI视频生态将发生巨大变化，影视行业或将变为服务业，视频生产的概念也将发生变化。

专业动画师Owen Fern不认可当下“Sora颠覆行业”的极端观点，他称，作为一名动画师，目前并不对Sora视频感到害怕，因为动画制作本质上是需要反复修正的过程，特别是在为客户服务时更是如此。目前 AI 还无法提供给客户一个精雕细琢的作品，而只是一些粗制滥造的东西。这些细节看似挑剔，但它们正是客户对知识产权（IP）或产品所持的态度。

Owen Fern强调称，Sora视频的质量的确是令人惊叹的高，只是就目前而言，它们除了作为展示AI潜力的范例作用外，实用价值仍待观察。

新加坡Vibranium Consulting副总裁陈沛近期实际使用和观察了RunwayML、Stable Video Diffusion（SVD）、Adobe Firefly等主流AI视频服务，通过对比发现，目前AI生成视频的质感往往达不到最初宣传的效果，还会在物体行进方向、人物四肢等方面出现明显错误，无法满足实际应用的需求。

Perplexity AI 创始人之一的Aravind Srinivas表示，Sora虽然令人惊叹，但其还没有做好准确模拟物理的准备——正如Sora研究员在报告中提及的那样。并且，行业并不能很快地在家庭清洁机器人上运行这些巨大的“世界模拟器”的模拟推理。

浙商证券认为，短期内，Sora及同类产品可大幅提升图像和短视频的制作效率，改变创意生产及营销工作流，提升短视频产品生产力。对于业态更加复杂的长视频和游戏，受限于模型还无法准确理解因果关系及其他技术难点，现阶段或以提供美术灵感支持为主。

中长期来看，浙商证券表示，Sora及同类产品将参与到改变信息生产和分发两大环节的进程中，PGC(专业生产内容)将广泛采用AI工具辅助生产，UGC(用户生成内容)将借助AI 工具逐步替代PGC。此间，AI生成视频工具的商业化将提速。