随着ChatGPT热潮尚未消退，AI界又迎来了一位引人瞩目的新秀——Sora。这款从大语言模型跨越至文生视频大模型的革新成果，对于整个AI行业而言，其技术跃迁究竟意味着什么？而距离实现人工智能的终极目标——AGI奇点，我们还面临着哪些关键资源瓶颈？近日，在对多位通用人工智能领域的资深从业者的深度访谈中，他们普遍认为，在AIGC领域，Sora的关键性突破在于能够在较长时间窗口内保持生成的一致性，这预示着未来几年内我们将有望看到某种程度的通用人工智能面世。然而，要真正实现这一愿景，产业还需攻克来自通用模型架构、高质量数据及能源供应三大方面的匮乏挑战。
Sora带来的阶跃式技术飞跃，无疑为通向通用智能铺垫了重要基石。通过将简短文本输入模型，Sora能够迅速转化出长达1分钟且画质高清、场景复杂、角色多元、连续稳定的立体视频，其惊艳表现令人叹为观止。尽管如此，这只是人工智能发展道路上的一个里程碑而非终点。
月之暗面（Moonshot AI)联合创始人周昕宇强调，Sora在视频生成领域实现了显著的技术提升，但其所采用的扩散模型尚无法完全适用于AGI全场景下的通用模型架构。OpenAI透露，Sora通过学习海量视频资料，已进化成一个能够进行视频生成与扩展的“物理世界模拟器”，这种规模效应对于追求通用人工智能具有重大意义。
周昕宇指出，Sora能在较长的时间窗口内维持一致性，这对于理解和模拟复杂的动态场景至关重要，因为这不仅关乎图像的真实度，更涉及动作和场景的连贯性。“通过拓展视频生成模型建立通用物理世界模拟器，无疑是实现通用人工智能不可或缺的过程。”
然而，专家们也一致认为，在AI大模型的发展进程中，多模态融合，即从文本到音视频等是必然趋势。这意味着AIGC赛道上的多模态大模型训练规律可能并不直接适用于大语言模型。周昕宇表示，由于文字建模效率较低，Sora的扩散模型可能不具备作为通用模型架构的能力，也就是说，目前难以用类似技术直接训练出媲美GPT-4的文字模型。
尽管存在上述挑战，但不可否认的是，AI正在带来实实在在的生产力升级。月之暗面（Moonshot AI）创始人杨植麟坚信，如今一个软件的背后，可能蕴含着上千名程序员的智慧；而在未来，一款应用所对应的智能程度可能相当于上百万个人，并且每天都在不断迭代更新。
通用智能即将迎来大爆发阶段，并在某些特定领域超越人类智能。然而，要想让通用人工智能全面实现产业化落地，仍需解决若干关键“原料”问题。
周昕宇分析，当前实现通用人工智能面临的三大主要瓶颈包括：一是缺乏能统一处理文本、图像、视频等多种模态数据的通用模型架构，尤其是高熵的视频数据在生成和理解时会受限于通用性和泛化性；二是高质量文本数据相对有限，很快将无法满足训练需求，虽然音视频数据总量庞大，但由于模型架构、大小等因素限制，实际利用率并不高，未来或许需要借助巨量算力生成合成数据来填补缺口；三是人类正面临严峻的能源挑战，据周昕宇估算，仅支持10万张GPU集群运行所需的电力就相当于一个大型核电站的发电量，占全国耗电量的千分之二左右，而传统机房设计容量远低于此，短期内弥补这一差距困难重重。
幸运的是，ChatGPT、Sora等产品的出现已经验证了一条通往AGI奇点并获得通用智能的有效路径。周昕宇进一步解释道，人工智能中的“智能”本质是对数据进行“无损压缩”，降低信息熵，这个过程需要消耗能源，通过更大规模的模型和更多数据以最高效率将能源转化为智能，而“通用性”则源自大量富含规律的丰富数据经过“无损压缩”后产生的通用智能，这也是当前最为可行的技术路线。他预测，未来几年我们将见证某种程度的通用人工智能诞生，并在部分任务上展现出超越人类智能的表现。
更为重要的是，AI技术是实现诸多未来科技构想的基础条件。杨植麟举例说，构建元宇宙的前提之一便是成熟的人工智能技术。随着AI技术的日臻完善，人们的时间分配也可能发生深刻变化，比如，可能会在虚拟精神世界投入更多时间，进而催生出一个庞大的虚拟空间。因此，无论是从技术层面还是社会生活层面，这场由Sora引领的AI革命都预示着一个充满无限可能的未来。
