​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。

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。

文｜记者 冷爽