爆了！谁能率先做出国产Sora”
国产大模型崛起 – 从”追随”到”超越”的转型之路
从 ChatGPT 到 Sora：AI 大模型引发的产业革命
在全球人工智能技术蓬勃发展的今天，AI 大模型的出现无疑掀起了一场产业革命。从 ChatGPT 的惊艳亮相到 Sora 的问世,这些 AI 巨兽的诞生不仅在技术圈引发轰动,也对整个产业格局产生了深远影响。
ChatGPT 的出现标志着对话式 AI 进入了一个新的里程碑。它展现出令人惊叹的语言理解和生成能力,让人工智能与人类交互的界限越来越模糊。此后不久,由 OpenAI 研发的 Sora 更是充分展现了 AI 在视频生成领域的超强实力。Sora 可以根据文字提示生成逼真的 3 分钟高清视频,在运动真实性、时空连贯性等方面都给人眼前一亮的感觉。
Sora 的发布不仅在技术界引起巨大反响,也对产业界和政府部门产生了深远影响。许多企业和研究机构开始探索如何利用 Sora 来推动各自领域的发展,例如在广告、娱乐、教育等多个行业中寻找新的应用场景。Sora 的发布不仅展示了 OpenAI 在 AI 领域的领先地位,也为全球 AI 技术的发展和应用开辟了新的道路。
国内企业加速追赶 – 爆款 AI 大模型”可灵”的崛起
面对强大的 Sora,国内 AI 企业们也没有坐以待毙。在蓄力许久后,他们终于拿出了自己的 AI 视频生成模型,其中最引人关注的无疑是快手团队研发的”可灵”。
“可灵”是一款国内”首个面向用户开放的 Sora 级文生视频大模型”,它在短短几个月内就吸引了超过 26 万人排队抢先体验。这种爆发式的反响,足以证明”可灵”的实力有多强劲。
从技术上来看,”可灵”确实是在借鉴了 Sora 的技术框架,并融入了多项自主研发的创新技术。它能够精确模拟复杂的运动场景和物理特性,生成高清视频,并具备强大的概念组合能力和想象力。”可灵”的视频生成时长甚至超过了 Sora,达到了 3 分钟,可以说是在某些方面超越了对手。
值得一提的是,”可灵”的出现不仅展现了快手在 AI 大模型技术方面的深厚积累,也体现了国产 AI 视频模型的整体技术实力,无疑会大大提振国内 AI 企业的信心。
清华团队力作 Vidu：挑战 Sora 的新生力量
除了”可灵”之外,国内另一个备受瞩目的 AI 视频生成模型就是清华团队打造的 Vidu。
Vidu 被誉为中国首个长时长、高一致性、高动态性的视频大模型,它采用了团队原创的 U-ViT 架构,可以一键生成长达 16 秒、分辨率达到 1080P 的高清视频内容。这种”端到端”的生成方式,让 Vidu 在时间连贯性和运动幅度上都有了很大突破。
Vidu 背后的技术团队同样非常强大。其核心成员主要来自清华大学人工智能学院,包括著名的 EEEFellow 朱军教授,以及在 THUNLP 工作的顶级人才。此外,Vidu 还获得了众多大佬的资金支持,为其快速进化提供了有力保障。
事实上,Vidu 在短短 3 个月内就实现了从 4 秒视频到 16 秒视频的飞速发展,与 Sora 的差距也在不断缩小。这种惊人的迭代速度,无疑让 Vidu 成为了 Sora 的最强劲竞争对手。
PixVerse：爱诗科技在视频生成领域的独特优势
除了”可灵”和 Vidu 之外,由爱诗科技开发的 PixVerse 也是国内 AI 视频生成领域的一匹黑马。
PixVerse 的背后是一支由前字节跳动 AI Lab 总监王长虎创立的团队。这支团队在为抖音构建视频 AI 能力的过程中,积累了丰富的数据处理、内容生产、安全问题处理、视频内容精确理解和全方位广告场景等视频智能相关领域的经验。这些经验为 PixVerse 构建了坚实的数据、算法和工程基础。
从产品表现来看,PixVerse 在今年 4 月的访问量就已经达到了 165 万,位列视频生成类 AI 产品全球第八,仅次于 Pika,且增速还领先同类产品。在最近的大模型评测中,PixVerse 更是位列全球 TOP3,在国内同类型产品中表现最佳。
从技术路线来看,PixVerse 最初采用了 Diffusion+Unet 的架构,这是 Sora 出现之前的主流方案。后来,PixVerse 又尝试了 Diffusion+Transformer (DiT) 的路线,并持续探索自回归技术,力求在时空建模和模态统一等方面实现突破。
巨头纷纷加入战局 – AI 视频生成的”天下争霸”
可以说,AI 视频生成正成为国内外科技巨头争夺的新赛道。除了前述的”可灵”、Vidu 和 PixVerse,百度、阿里等行业巨头也纷纷亮出了自己的 AI 视频生成产品。
百度早在很久之前就推出了文生视频的能力,可以自动为用户的文章生成视频内容。最近,百度又发布了一款名为”UniVG”的视频生成模型,效果也位于 Sora 之外的前列。作为国内最早深耕 AI 领域的企业,百度凭借其雄厚的算力、海量的数据和先进的工程能力,势必会推出更强大的文生视频模型。
而
续写如下:
巨头纷纷加入战局 – AI 视频生成的”天下争霸”
与百度不同,阿里云也在这一领域有所动作。最近,阿里云旗下的魔搭社区上线了一款文本生成视频大模型。该模型由三个子网络组成,包括文本特征提取、文本特征到视频隐空间扩散模型,以及视频隐空间到视频视觉空间的转换。虽然目前整体模型参数仅有17亿,但阿里云作为国内科技巨头,必然会持续加大投入,推出更强大的AI视频生成能力。
总的来说,国内外科技巨头纷纷加入到AI视频生成赛道,可谓是一场”天下争霸”。像百度、阿里这样的行业巨头,凭借雄厚的资金实力、海量的数据积累和顶级的工程能力,无疑会在未来的竞争中占据重要优势。
国产AI视频大模型的发展前景
当前,无论是”可灵”、Vidu还是PixVerse,都展现了国产AI视频大模型日新月异的发展势头。这些模型在视频生成时长、运动真实性、时空连贯性等关键指标上,已经逐步缩小与国外领先模型的差距,甚至在某些方面实现了超越。
从产品性能来看,这些国产AI视频大模型已经达到了相当高的水准。”可灵”最长可生成3分钟的视频,Vidu可一键生成16秒长的高清视频内容,PixVerse在视频生成速度和用户体验上也有不俗表现。这些成绩充分说明,国内AI企业已经掌握了先进的视频生成技术,完全有能力与国际巨头进行正面竞争。
从商业化推进来看,国产AI视频大模型也展现出了较强的市场洞察力和变现能力。以PixVerse为例,它采用了灵活的订阅制付费模式,既有免费版供用户体验,又有付费版提供更多功能。这种满足不同需求的商业模式,必将为企业带来稳定的现金流和营收。
未来,随着国产AI视频大模型技术的不断进步,以及商业化模式的进一步优化,它们必将在满足用户需求、服务各行各业等方面发挥更大的作用。国内AI企业正加速追赶国际巨头,期待在不久的将来,我们能看到中国AI视频大模型真正实现从”追随”到”超越”的转变。
