作者：创新发展研究部 刘婧敏

2024开年，OpenAI推出其首个文生视频大模型Sora，在视频时长和连贯性、画质清晰度、多镜头切换、三维一致性等方面的出色表现让人惊叹，被认为是视频领域的ChatGPT时刻。以Sora为代表的大模型迭代创新，通过提供泛化能力的模型底座、不同领域的共性技术，将加速垂直行业应用落地，促进数实融合持续深化，掀起新一轮的生产力革命。

一、关于Sora的两点认识

从技术原理看，Sora基于DiT等已有技术集成，并非全新的底层技术突破。从应用价值看，Sora在大样本训练下展现出“涌现”能力，开创了文生视频的全新路径。

二、从Sora看大模型发展趋势及影响

一是从单模态向多模态演进，通用人工智能进程加快。此前大模型在各个领域的应用主要集中在文生文、文生图上，此次Sora的发布，反映出大模型在综合文本、图片、音频、视频等多个模态的信息进行联合建模和分析，以及理解并适应复杂的现实环境等方面取得重大进步，展现出多模态模型在模拟物理世界时的巨大潜能。

二是从基础模型向垂直模型延伸，应用落地迎来拐点。Sora强大的文生视频能力，打开了在影视、广告、游戏等多个领域应用落地想象空间，标志着大模型发展正从“基础平台”向“垂直应用”和“特定场景”延伸拓展，大模型商业化落地加速。

三是从开源为主向开源与闭源并存发展，行业生态加速重构。长期以来，人工智能领域有着浓厚的开源氛围，然而从GPT3开始，Open AI选择了闭源的方式，此次发布的Sora也未公开源代码、模型参数和训练数据集等具体技术细节，大模型发展呈现开源与闭源并存趋势。

基于Sora在“理解和模拟现实世界”方面的重大突破，其将带来两个方面的重大影响：

一是探索模拟物理世界的可行路径，推动社会各行各业全面重塑。Sora定位“世界模拟器”，其对物理世界理解和建模能力的提升，必将对社会各行各业带来冲击，传统影视制作和商业模式面临重塑，自动驾驶、具身智能等高度依赖计算机视觉的行业也有机会取得颠覆性突破。

二是重新定义人类与AI的交互关系，提出人工智能治理全新挑战。Sora的出现彻底变革了人机交互模式，进一步模糊了“真实”与“虚假”的界限，引发社会对深度伪造、虚假信息泛滥以及伦理道德等的担忧，其训练数据是否合法合规、是否涉及版权侵权以及“涌现”效应是否带来不可控风险等问题也引发业内争议。

三、加快AI大模型布局落地，激发培育新质生产力

一是深耕基础模型，强化底层技术支撑。加快落实大模型创新支持计划，推动国家战略科技力量、AI龙头企业开展产学研协同攻关，跨前布局多模态技术以及下一代模型架构和智能算法，形成体系化技术能力。

二是布局垂直应用，提升场景落地能力。针对垂类模型普遍存在的训练数据瓶颈，探索建设大模型数据资源服务平台，通过开放共享、付费使用等多种模式提供数据支持；针对大模型领域开源不足的问题，加大对人工智能开源开放平台的支持，构建AI大模型工具链生态，加速大模型在垂直行业落地。

三是夯实算力底座，强化要素服务保障。抓好“算力补贴券”等政策落地，提升算力公共服务平台能级，联动长三角算力网络，提供万卡规模集群、高效统一调度、分布式算力部署等服务支持。

四是完善治理机制，构建良好发展环境。借鉴美、欧等国家人工智能“敏捷治理”思路，建立基于风险评估的分级分类监管制度，围绕数据治理、知识产权、伦理道德、信息内容等重点方面，积极探索数据来源合法性基础、透明度保障以及“价值敏感设计”“负责任创新”等制度规则。