北京航空航天大学计算机学院副教授巢文涵在一场由工业和信息化部工业文化发展中心指导、每日经济新闻承办及数智未来场景实验室协办的“Sora的启示：AI应用再飞跃”主题沙龙上发表主旨演讲，深入剖析了AI技术发展的新篇章。2024年初，OpenAI推出的视频生成模型Sora震撼登场，以文字描述为引导，可深度模拟真实世界，创作出长达60秒的超拟真视频，象征着AI领域步入了一个崭新的阶段。
犹如初生婴儿学会开口讲话，大语言模型的诞生预示着AI能进行表达；而Sora的面世，则仿佛AI拥有了观察世界的眼睛，并能够将所见转化为生动的画面与声音。面对AI技术飞速迭代带来的创新与挑战，如何在赋能过程中寻求平衡成为热议焦点。巢文涵副教授在演讲中强调了Sora作为一款“Diffusion+Transformer模型”的革命性突破，它不仅继承了Dall-E3卓越的画质和指令执行能力，更能够模拟复杂物理情境，创造包含多角色、特定动作的丰富场景。从动图制作到广告设计，甚至在视频、电影特效等领域，Sora凭借其根据静态图像生成视频以及扩展或填充现有视频帧的能力，展现出广阔的应用前景。尤其值得一提的是，用户还能利用Sora连接不同主题和场景的视频，实现无缝过渡。
然而，尽管Sora被誉为人工智能文本转视频的强大工具，但巢教授指出，OpenAI其实将其定位为一个“世界模拟器”，揭示了AI技术已跃升至全新维度。尽管如此，他也明确指出了Sora存在的局限性，如在处理复杂的因果关系场景时物理规则应用的一致性不足，导致生成的可能违背现实逻辑。
针对AI技术不断破局的过程中如何逐个破解应用难点，平衡创新与挑战，巢文涵提出了新的视角——生成式AI的发展重心应从训练和创造AI，转向调用和激发AI潜力。他强调，随着生成式AI迭代速度加快，用户端的再训练需求降低，关键在于如何有效调动这些模型。此外，大模型强大的外部检索和多模态能力使其成为优秀的搜索入口，应当进一步打破传统的App化模式，提供更丰富的综合交互方式，比如通过API接口直接调用服务，融合语音、文字、图片等多种格式，拓宽应用维度。
同时，Sora也面临着一系列技术层面的挑战，包括可扩展性和计算资源问题、隐私伦理困境以及就业和社会变革的影响，特别是深度伪造等安全问题。虽然Sora无疑对社会生产力和产业发展产生积极推动力，但海量虚拟视频的生成也可能污染现有数据，引发新问题。对此，巢文涵建议建立完善的法律监管框架，强化政策支持，增强创新意识，加强数据保护与安全，确保AI技术健康有序地服务于社会经济进步。
