今年3月，OpenAI突然宣告终止Sora项目，此时距离Sora 2面世仅过去短短半年。我们依然记得它亮相时的热烈反响——朋友圈里用Sora制作的各种视频刷屏了很久！在Seedance 2和可灵3推出之前，Sora 2毫无争议是全球顶尖的视频生成模型，在硅谷巨头中，仅有谷歌的Veo能与之匹敌。然而，之后就再无下文了……
当时的情形非常令人费解：
OpenAI全面关停了所有Sora相关服务，包括API在内；用户数据将在一定时间后被清除。不久前与迪士尼签署的10亿美元投资协议自然无法生效。
OpenAI相当于彻底退出了正在兴起的视频生成模型市场，没有任何保留。如果几年后它想重返这一领域，恐怕得从零开始，因为Sora的积累已全部作废。
对于这一难以理解的现象，当时市场的主流解读是：OpenAI需要集中资源提升编程能力，抢占蓬勃发展的Agentic Coding & Workflow市场，当时这个市场已被Claude主导。
这个解释有一定道理，但OpenAI为何不保留一小块阵地，比如继续为特定企业客户提供视频生成服务？为何要彻底退出？尽管视频生成消耗大量算力，但OpenAI难道连有限规模的Sora算力都无法承担吗？
还有一种极为荒谬的解释，就是“视频生成市场根本不赚钱”，“很快就会消亡”——主要出现在精英论坛知乎上。自2022年底ChatGPT问世以来，知乎对AI行业的技术和市场判断几乎全部失误，堪称完美的反向指标，对视频生成的判断只是这群无知傲慢的所谓“技术人才”做出的众多错误结论之一，不值一驳。
01
过去一周，随着GPT-6 Astra走红，我在与影视行业朋友交流的过程中，终于理解了：当初OpenAI果断放弃Sora，可能是因为早早意识到现有的原生视频生成模式无法满足工业级影视作品的需求，至少无法单独满足。未来的、精品化的、能上大银幕的视频生成，离不开Agentic Coding模式，而Astra恰恰在这方面取得了新突破。结果是，Astra并非视频大模型、没有视频生成能力，却正成为视频生成中不可或缺的重要工具。
原生视频模型，无论是Sora还是Veo，可灵还是Seedance，海螺还是HappyHorse……都无法克服一个核心问题：抽卡本身的不确定性。由于视频生成本质上是随机的，没有调度可言，导演永远无法精确控制一切。如果是一些细节问题（比如一致性），还可以通过反复抽卡解决；但关键的调度和镜头语言问题，无论抽多少次卡都难以实现。
在短剧乃至部分互联网原生中剧中，这并非大问题。红果上每天出现上千部AI短剧（包括AI真人剧和漫剧），绝大多数谈不上什么调度，镜头语言比较单一，大家看的就是剧情。不过这个市场也容易饱和，尤其是竖屏短剧市场，变化空间太小，我估计现在其实已接近饱和。接下来的增量恐怕还是得指望横屏和大银幕（包括电视屏幕），那是真正可能做出差异化的地方，制作单位的预算也明显更大。
02
Astra的诞生为视频制作者提供了一个全新选择：
是否通过Astra操控Blender等专业3D建模软件，构建一个完整场景，甚至把主要人物的运动轨迹都设计出来，从而实现“调度”？
别误会，这样生成的内容本身还不是工业级视频，无法直接给观众看。但是，上述内容可以输入到Seedance或可灵中，作为Prompt的一部分，这对输出精度的提升可不是一星半点的！
举个例子：以前你想制作一个复杂的动作戏，主人公和反派在西部酒吧场景里拔枪互射，现场十分混乱，很多道具被破坏，人物运动令人眼花缭乱，最后当然是主人公成功击杀反派。这种复杂场景是原生视频模型的噩梦！你只能用尽可能详细的文本，加上大量图片（最好有手绘图），去调教模型。至于每个道具（比如桌子、椅子）的具体位置、形状和材质，就更难控制。顺便说一句，大部分视频模型对每个场景能输入的图片Prompt数量有限制，你无法通过无限制补充图片来完善所有细节。
最好的方法当然是给视频模型提供一套3D建模，把这个3D场景本身作为Prompt，复杂的人物和道具关系就一劳永逸地解决了。说起来容易，但做起来呢？传统3D建模要花多少人力物力？我们使用AI做视频就是为了节约成本，如果还要在3D场景构建上投入大量资金，岂不是南辕北辙？而且即便花了钱也不一定能完成任务，优秀的3D艺术家和技术人员都很难找，这点不用我多说。
Astra解决了这个问题：它能通过Coding操控专业3D软件来构建场景和人物，让人物在场景里“走戏”，从而真正解决AI视频的调度问题。如果你只需要一个示意、效果展示，或者简单的PV，其实Astra + Blender就已经足够了！要做复杂的、较长的视频，则还需要用到原生视频模型。公平地说，就视频生成本身而言，Seedance仍是目前最好的。
03
然而，无论接下来视频模型如何发展、谁占据第一，Astra这样具有强大Agent能力的文本模型，已经悄无声息地占据了“指挥官”的地位：你想做的内容越复杂、对精确度的要求越高，就越需要依赖Astra（或其同类模型），而且它们的Agent能力还会进一步提升，谁知道接下来还能创造什么奇迹！
Seedance也好，可灵也好，Veo也好，在AI视频中发挥的作用，虽然不可或缺，但不是“最重要”的。就像在球场上，它们最终可能只是“工兵”或“角色球员”，Astra（或其竞品）则是中场组织者。我们都知道，后者的身价和薪酬会远远超过前者，现在已经有这个趋势了。
那么，视频模型的开发者知不知道这一点呢？显然是知道的，我认为Seedance的开发者——字节跳动，早就意识到了，并在考虑对策。Astra发布没多久，就传出了字节跳动要基于Seedance去做“世界模型”的说法。媒体猜测这是要进军游戏乃至元宇宙产业，但我认为字节跳动目的更实际，就是通过世界模型，为视频创作者提供更自由、更精确的调度空间。再过两三年，AI视频创作或许就是让3D建模的角色在世界模型里面“演出”一遍，再把演出视频进行修改润色，最终包装生成为工业级视频。与传统影视行业的制作思路一致！
由此看来，五个多月前OpenAI突然宣布放弃Sora，简直是一个英明的战略决策。Sam Altman当时就想到这一层了吗？不得而知，反正结果是很好的。这对于整个AI视频赛道也是好事。我始终认为，只有尽可能摆脱抽卡带来的不确定性，AI视频才能进一步打开自己的空间，超越短剧层面，进入更宽广的未来。
我非常期待这个未来！
本文来自微信公众号 “互联网怪盗团”（ID：TMTphantom），作者：怪盗团团长裴培，36氪经授权发布。
发表评论