Sora到底懂不懂物理世界? 潘多拉魔盒里有什么?

Sora到底懂不懂物理世界? 潘多拉魔盒里有什么?

全球AI领军企业OpenAI扔下一枚新“王炸”——AI文生视频模型Sora。

它不仅能够根据文字指令创造出既逼真又充满想象力的场景，还能生成长达1分钟的一镜到底的视频，而且，视频中的人物、背景等都能达到惊人的一致性，各种镜头随意切换。OpenAI首席执行官山姆·奥特曼（Sam Altman）在社交媒体上狂刷Sora生成的视频

要知道，在文生视频领域，Meta、Runway等巨头公司和初创竞争对手，在这些方面落后的不是一点点。例如，Runway能够生成4秒长的视频，用户可以将其最多延长至16秒，这是AI生成视频此前所能达到的最长时长纪录；Stable Video和Pika也能分别提供4秒和3秒的视频。

Sora的多镜头也让对手望尘莫及。以前的AI视频都单镜头生成的。而Sora能在多角度的镜头切换，且人物、背景、风格能保持高度一致。

人们不禁惊呼：以后短视频、广告甚至电影大片，是不是就能根据剧本“一键生成”了？！

对于行业、业态的影响震撼还没缓过来，专业人士就发现，Sora的威力远不止于此，它甚至可能在理解物理世界！因为它不仅能了解用户提出的要求，还能理解人、物在物理世界中的存在方式。

比如，有分析以经典的“海盗船在咖啡杯中缠斗”为例，探究了Sora对物理世界的神级理解：将海盗船缩小到能够在咖啡杯中缠斗的尺寸，Sora需要理解和调整这些对象在现实生活中的相对尺寸；咖啡杯中的液体会对海盗船的运动产生影响。Sora需要模拟液体动力学的效果。此外还有光影、阴影的处理，重力、浮力、运动等物理规律。

虽然生成效果还有些瑕疵，但明显能感觉到，Sora 似乎是懂一些“物理”的。英伟达高级研究科学家Jim Fan甚至断言，“Sora是一个数据驱动的物理引擎”。

不过对于Sora是否真的理解物理世界，技术界还有不同的观点。

最直接的反对意见来自图灵奖得主、Meta公司首席科学家、AI团队负责人杨立昆（Yann LeCun）。在他看来，仅仅根据提示词生成逼真视频并不能代表一个模型理解了物理世界，生成视频的过程与基于世界模型的因果预测完全不同。他在X平台上亮出观点：“这里存在‘巨大’的误导。”

所谓“世界模型”，就是对真实的物理世界进行建模，让机器像人类一样，对世界有全面准确的认知。

“世界模型”实际上是文生视频公司在努力的方向之一。Sora显然也是奔着“世界模型”而去。OpenAI发布的Sora研究报告也以《视频生成模型成为世界模拟器》为题。

不管如何，业内都认为Sora模型的出现会具有颠覆性的意义，一次新的技术变革正在发生。但这种影响力究竟会在何时呈现出爆发威力，还很难有个明确时间线。