本文來自“技術復盤與分析：Sora是如何成功的？”，報告深入分析了Sora的各項能力、采用的技術路線和創(chuàng)新性的工作。我們認為Sora是將之前的研究工作上進行了很好的綜合，并在強大的算力、工程能力以及GPT和DALL·E模型技術積累下誕生的。

隨著OpenAI將這種具有開創(chuàng)性的技術路徑走通，國內模型和應用廠商有望快速迭代出類Sora的視頻生成模型和應用產品。

Sora的突破可以概括為以下幾點：

? 從生成效果看，突破此前視頻生成模型的時長限制，能夠生成60s時長、分辨率1080p的視頻，可用性極高。

? 從技術路線看，依舊遵從LLM范式“大力出奇跡”，通過patches向量化與transformer架構結合，使得訓練數據能夠使用大小、尺寸、分辨率不同的視頻，能夠讓模型學習到視頻的規(guī)律乃至世界的規(guī)律；使用GPT生成prompt，在訓練和推理過程中解決了模態(tài)之間的對齊問題，大大提升了生成效果。

? 從產業(yè)發(fā)展看，Sora通用性極強，有望統(tǒng)一視頻生成生態(tài)；能夠進一步賦能與促進下游應用發(fā)展，未來有望成為真正的“世界模擬器” 。

Sora的誕生無異是產業(yè)的里程碑，以其為代表的“多模型協(xié)同”方式是接近AGI的可行道路。與Gemini這樣的多模態(tài)模型不同，Sora的核心能力依舊在視頻生成領域，且在推理時需要調用GPT的能力重述prompt。這種方式可能不如Gemini符合直覺，但效果非常顯著，大大加速了產業(yè)走向AGI的過程。

Sora代表LLM的通用和涌現(xiàn)范式在視頻領域的成功復現(xiàn)，因此算力依舊是模型與應用廠商布局的關鍵。通過巧妙的patches嵌入方法，Sora能夠運用高效的Transformer架構在海量的視頻上進行訓練，因此也涌現(xiàn)了模擬現(xiàn)實世界的能力。在其他技術路徑的模型獲得更好的效果之前，這種“大力出奇跡”的訓練方式將依舊是產業(yè)的主流，算力需求將持續(xù)迎來更大的爆發(fā)。

Sora可能成為視頻生成領域的Base Model，模型層的競爭格局可能走向收斂。相比其他輕應用，Sora的生成時長更長、質量更高，能夠完全替代這些輕應用。因此在多數場景下，Sora都能取代其他的生成模型和應用，最終使視頻模型格局走向收斂。