Sora2发布，一面朝AI版TikTok，一面朝世界模型
OpenAI发布Sora 2，称之为视频的GPT-3.5时刻； 还推出了一个Sora 应用，“开启一个全新的共创体验时代”。
OpenAI更是把Sora2视为它向通用的世界模拟器又迈出的一步，要加深AI对于物理世界的理解，引领世界模型和具身智能。
视频全部用Sora2 生成
TL;DR
相比之前版本，Sora2实现了视频生成的一次重大飞跃：加深了对物理世界的理解，更加 物理真实、逼真、可控。能够处理复杂的动态，如体操、浮力以及物体的一致性和连贯性。
更好地遵循物理规律：能够真实地建模成功和失败（例如篮球投失会反弹，而不是瞬间消失）。
音频 + 对话集成：可在视频的同时生成同步的语音、音效和环境音效。
高可控性：能够遵循复杂的多镜头指令，保持世界状态一致，并且支持电影风格、写实风格和动漫风格。
客串（Cameo） 功能：用户可以上传一段短视频/音频，将自己的外貌和声音插入到任意 Sora 生成的场景中。
社交应用上线：推出新的应用 “Sora”，具有类似 TikTok 的内容流、二次创作、Cameo，以及基于邀请的逐步开放。重点是创作，而不仅仅是消费。
安全与健康：提供可定制的推荐系统、家长控制、青少年保护、反霸凌内容审核，以及对个人形象使用的严格同意机制。
访问与推出：初期在美国和加拿大免费开放；计划逐步扩展。ChatGPT Pro 用户将有专业版；API 即将上线。
长期愿景：迈向通用的世界模拟器，未来可能驱动机器人。
Sora2的同步配音，与其中的人物和所处的场景交融，包括多种语言、甚至方言的能力。看下这段视频中，OpenAI的一位老外研究员生成出了利索的中文：
Sora应用，AI版的TikTok还是Instagram
为何不用AI生成的短视频做成一个类似于TikTok的应用？扎克伯格这样想过，奥特曼也这样想过，并且凭借大模型的优势先干出来了。
许多人也担心可能做成一个垃圾版的TikTok，但从目前所展示的Sora应用来看，根据一些初步体验的用户的反馈，OpenAI对AI时代的社交有更深的理解，它想做一个真正的个人AI视频产品，关于自己的家庭和朋友圈子。更重要的是，Sora应用有自己的模型，而且生成的视频完全在自己的平台上——以后不再只发送到其他的视频平台上了。
用户还可以将现实世界的元素直接注入 Sora 2。例如，可以把朋友的视频插入到任何由 Sora 生成的环境中，并准确刻画其外貌和声音，适用于任何人类、动物或物体。
由于Sora2具备了更强的逼真和乱真的性能，它被设计成一个邀请式的社交应用，专门用于朋友之间。这既是出于安全的考虑，也成为Sora2的一大亮点，即它的客串功能（Cameo）。测试者的反馈非常积极，认为 客串功能让这款应用与众不同，使用起来也充满乐趣——您必须亲自尝试才能真正体会，这是一种全新独特的人际沟通方式。
OpenAI着重强调了它与TikTok的不同。它也有推荐算法，可以通过自然语言指导。OpenAI称：“我们不会针对用户在动态信息流中花费的时间进行优化，我们明确设计这款应用的初衷是最大限度地提升创作量，而非消费量。”
与免费的TikTok不同，由于预计将带来巨大的算力成本，Sora应用可能需要进阶付费。OpenAI解释说：“其他应用的很多问题都源于其盈利模式，它鼓励用户做出与用户福祉相悖的决策。坦白说，我们目前唯一的计划是，如果需求量相对于可用计算能力过大，最终允许用户选择支付一定金额来生成额外的视频。”
OpenAI“ 乐观地认为，与现有的平台相比，它将成为一个更健康的娱乐和创意平台。”
一些体验用户反馈，这就像是沟通方式的自然演变——从短信到表情符号，再到语音备忘录，直到现在上传自己的视频。
a16z合伙人Justine Moore认为：
OpenAI 正在打造的是一个社交网络（类似最初的 Instagram），而不是一个内容网络（像 TikTok 那样）。
他们让用户能够生成以自己、朋友和宠物为主角的视频表情包。而且看起来，用户的动态流会更大程度上显示来自朋友的内容。
这种方式似乎更有前景——你并不是在和其他视频生成玩家直接竞争，而是让人们创造出一种全新的内容类型。
而这些视频本身就天然更有趣 / 搞笑 / 有吸引力，因为它们的主角是你认识的人。
Sora2是GPT是3.5时刻
2022年2月16日，OpenAI推出Sora，长达1分钟逼真的视频惊艳了世界。OpenAI称之为世界模拟器。12月10日，Sora1 正式推出，可以生成分辨率1080p、最长 20 秒、宽屏/垂直/方形的视频。用户可以自带素材进行扩展、混音和混合，或者从文本生成全新的内容。其中的故事板工具，能让用户能够精确指定每一帧的输入，并且把它们串成一个视觉故事。之后制作20秒以内的短视频，Sora成为利器。
Sora也承认了它的不足：仍然会产生一些不切实际的物理效果，并且难以长时间执行复杂的操作，在描绘风景、虚构人物、卡通效果和风格化内容方面表现出色，但在基本物理特性（如物体的持续性）上常常出现问题。人和动物走动时的腿部动作有时依然别扭。
但几乎仅凭惊艳的展示效果，Sora很快掀起了视频模型的热潮，如Midjourney、Luma、Pika、Veo等，还有中国的Seedance、可灵（Kling）、万相（Wan）、MiniMax等多个模型，有些已经超过了Sora较早的版本。
当初Sora使用了训练语言大模型的方法，又结合扩散模型的方法训练出来的，即所谓DiT 模型(Diffusion+Transformer)。如果说之前的Sora版本，就像当年GPT模型的早期版本一样并不实用，Sora2依然不完美，但可以大规模推向消费者，就像当年基于GPT-3.5的ChatGPT一样。但这需要APP的下载量来证明Sora的独立应用价值。用户也可以通过Sora.com或者ChatGPT使用Sora2。
Sora团队负责人Bill Peebles认为，这次在物理IQ、可操控性、现实主义、音响品质、模拟世界能力等方面，实现了一次飞跃。一些测评用户初步反馈，与目前势头正猛的谷歌的Veo3相比，Sora2在音响生成方面又有所提升。它的一致性和连贯性都达到了看不出破绽的地步。
假作真时真亦假
正因为如此强大的逼真和乱真功能，Sora2及其后续的竞争产品，可能对社会和经济产生巨大的影响。它的无限创意，足以生成媲美专家设计与策划公司出品的广告视频，对卡通漫画、游戏设计将带来革命性的影响，也加快了好莱坞和电影工业的变革。
Sora的客串功能，几乎可以把（被）任何人放到任何一种AI生成的场景中，这将对虚假信息、普通人如何分辨媒体的 真假、选举、公共健康等诸多领域产生长期负面影响。目前Sora2采取的做法，是在所有生成视频上都加标签。创意产业也在密切关注，Sora2的训练数据的来源中有没有未经许可使用版权保护作品。
但是奥特曼是最积极向白宫和国会游说“合理使用”受版权保护的公开作品的。它目前与《纽约时报》等媒体机构的版权官司还没有了结。
客串也涉及到肖像权的问题。OpenAI说明，只有用户本人才能决定谁可以使用客串，并且可以随时撤销访问权限或移除包含该客串的任何视频。用户可以随时查看包含本人客串的视频，包括其他人创建的草稿。OpenAI保证用户肖像使用方面的知情同意、出处确认、防止有害内容的生成等等，“可以与 Sora 端到端地掌控您的肖像。”
社交媒体上充斥着人们用奥特曼客串的梗
算力影响
显然算力不足是影响Sora迅速完善与推广的一个主要因素。Sora自称是一个现实世界模拟器，引发了自ChatGPT发布之后最大的轰动，但它始终是一个类测试的产品，没有向ChatGPT多达7亿的用户认真推广。一个很重要的原因，是视频应用一旦成为杀手级的应用，将吃掉巨大的算力，但OpenAI至今并不具备这一能力。Sora2目前仅凭邀请码才能使用，而且仅对美国和加拿大的用户。
去年初Sora推出后不久，就有机构推算出它的潜在峰值推理需求将达到72万张英伟达H100 卡。将全部吃掉当时Meta的65万张卡还不够。在Sora成为现象级之后，奥特曼就开始满世界搞算力基础设施，从最初提出的7万亿美元的投资，到最近内部声称将投资高达12.5万亿美元。
OpenAI已经进入了基建狂魔的模式。目前真正在执行的，是他去年与微软一起提出、今年初正式推出的星际之门计划，总计投资5000亿美元。
OpenAI在2025年初数据中心其用电规模约为230MW，年底将增至2GW；到2033年更是跃升至惊人的250GW，相当于8年内增长了125倍，将吃掉差不多一个中等国家全部的电力。
英伟达似乎也对此早有准备，也宣布推出了专为长上下文推理而设计的下一代Rubin CPX芯片，大幅度降低了推理成本，预计将于2026年下半年推出，与Sora的全球推文节奏保持一致，重点满足视频和智能体的大规模推广而爆发的推理需求。英伟达上周还宣布投资OpenAI千亿美元，将其算力容量推向10GW级别。
One More Thing
最后，我们看下OpenAI里的一位华裔员工Michael Chang，用Sora2做的段近两分钟的短视频。
