當(dāng)?shù)貢r(shí)間 3 月 24 日，OpenAI 官方宣布將全面停止其視頻生成服務(wù) Sora。

此時(shí)距離這款 AI 視頻生成領(lǐng)域“里程碑式”的產(chǎn)品在獨(dú)立應(yīng)用上線，僅半年的時(shí)間。

圖片來源于網(wǎng)絡(luò)

無法填補(bǔ)的資金黑洞 

不知道大家是否還記得 2025 年 9 月的那個(gè)早上。

一覺醒來，朋友圈被幾段逼真到令人起雞皮疙瘩的短視頻刷屏了。鏡頭穿過繁華的賽博朋克都市，掠過毛發(fā)纖毫畢現(xiàn)的野生動(dòng)物，甚至完美模擬了水杯掉落時(shí)水花四濺的物理軌跡。

那是 OpenAI 推出 Sora 2 的高光時(shí)刻，當(dāng)時(shí)它甚至被媒體譽(yù)為視頻界的 GPT-3.5 時(shí)刻。圖片來源于網(wǎng)絡(luò)

“好萊塢要完蛋了”“現(xiàn)實(shí)不存在了”“大人，時(shí)代變了”……各種驚呼聲不絕于耳。那個(gè)時(shí)候大家都以為，馬上就能到在手機(jī)里輸入幾句話，直接生成一部大片的時(shí)代了。

但誰能想到，這個(gè)曾經(jīng)引爆世界的視頻模型，卻被 OpenAI 親手按下了停止鍵。

沒有體面的告別，也沒有挽留。相關(guān)應(yīng)用被撤下，開發(fā)接口被切斷，甚至那些曾經(jīng)被媒體津津樂道的跨界合作，也全都隨著服務(wù)器的關(guān)停煙消云散。

Sora2 為什么會走到這一步？原因有很多，但最主要的原因就是視頻模型太貴了。

我們先來看一組反差極大的數(shù)字。

在 Sora 2 剛發(fā)布的最初的狂熱期，它的獨(dú)立應(yīng)用曾在短時(shí)間內(nèi)被下載了幾百萬次。但潮水退去后，活躍度呈現(xiàn)出斷崖式下跌。大家新鮮感一過，發(fā)現(xiàn)除了用它做幾個(gè)朋友圈的吸睛素材，幾乎找不到必須付費(fèi)的理由。最終，它交出的答卷是：截至 2026 年 2 月，Sora 累計(jì)消費(fèi)者收入僅約 140 萬美元。

但這筆錢，甚至不夠它塞牙縫。維持它運(yùn)轉(zhuǎn)的真實(shí)代價(jià)，是每天高達(dá) 1500 萬美元的算力成本。

這意味著，只要服務(wù)器燈亮著，每天就會有一套豪宅的錢灰飛煙滅。一年下來，這會是一個(gè)幾十億美元的無底洞。即使是家大業(yè)大的 OpenAI ，也無法承受這種持續(xù)的失血。

在投資人眼中，它不再是那個(gè)展示肌肉的明星，而是一個(gè)難以變現(xiàn)的吞金獸。 

為什么生成視頻這么費(fèi) Token？

很多人可能不理解，為什么用 AI 寫幾萬字的文章，或者畫一張精美的插圖，成本只在幾分錢上下；但只要一涉及到視頻生成，這些被寄予厚望的 AI 模型就會立刻變成把服務(wù)器干冒煙的算力刺客？

這背后，其實(shí)是 AI 眼中世界維度的巨大差異。首先是數(shù)

據(jù)維度的差異，文本是一維的序列，而視頻是高維的時(shí)空數(shù)據(jù)。

當(dāng)你在對話框里輸入問題時(shí)，AI 處理的是文字。文字是什么？它是人類高度濃縮的思想符號，在 AI 的世界里，這被稱為 Token。寫文章，本質(zhì)上是 AI 在一維的序列中，通過概率分布預(yù)測下一個(gè)詞。雖然大模型參數(shù)驚人，但這種一維序列的計(jì)算量是呈線性增長的，成本完全可控。

但視頻的生成邏輯，卻是一場高維數(shù)據(jù)的災(zāi)難。

視頻不僅包含二維的空間信息（每一幀圖像的寬和高），還包含了時(shí)間維度。一張 1080P 的圖片，包含大約 200 萬個(gè)像素點(diǎn)。如果你要求 AI 生成一段 10 秒鐘、每秒 60 幀的短片，意味著它需要在極短的時(shí)間內(nèi)，處理和生成 12 億個(gè)像素。這種高維數(shù)據(jù)的處理量，與純文本相比，根本不在一個(gè)數(shù)量級。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

其次是算力刺客，為了維持物理規(guī)律，AI 必須解決極其復(fù)雜的時(shí)空一致

性問題。

視頻比圖片多了一個(gè)極其苛刻的維度：時(shí)間。

為了處理這龐大的數(shù)據(jù)，Sora 創(chuàng)新性地采用了一種名為時(shí)空補(bǔ)丁的技術(shù)。你可以想象 AI 正在玩一個(gè)地獄難度的三維拼圖。如果視頻里有一只貓?jiān)诼剑?/span>AI 不僅要完美畫出第一幀的貓，它還必須保證一個(gè)殘酷的條件：在接下來的幾百幀里，這只貓的腿不能突然變成五條，地上的影子必須嚴(yán)格遵循太陽移動(dòng)的軌跡（光影的連貫），貓毛在風(fēng)中飄動(dòng)的質(zhì)感不能一閃一閃。

換句話說，為了不穿模、不違和，AI 不得不在每一幀、每一個(gè)像素之間進(jìn)行天文數(shù)字級的反復(fù)計(jì)算。這已經(jīng)不是單純的生成圖像了，它是在服務(wù)器里，試圖用算力臨時(shí)拼湊出一個(gè)符合真實(shí)世界規(guī)律的物理引擎。這種對時(shí)間和空間連貫性的極度渴求，讓算力需求呈指數(shù)級爆炸。

通向 AGI 的路，到底在哪？

除了極其昂貴的算力消耗讓人得不償失之外，Sora 的退場，其實(shí)也掀開了 OpenAI 內(nèi)部一場深刻的路線反思。當(dāng)

它剛剛問世時(shí)，無數(shù)人都懷揣著一個(gè)浪漫的幻想，既然這個(gè)模型能逼真地模擬出三維的物理世界，那它是不是就是通向通用人工智能（AGI）的那個(gè)世界模型？大家天真地以為，只要讓 AI 看過足夠多的視頻，它就能像人類嬰兒一樣，自然而然地理解什么是重力、什么是慣性。

但現(xiàn)實(shí)卻給這種技術(shù)狂熱潑了一盆冷水。正如一些頂尖的 AI 學(xué)者所批評的那樣，僅僅依靠海量數(shù)據(jù)的統(tǒng)計(jì)學(xué)概率來猜像素，AI 其實(shí)根本沒有真正理解物理法則。這就是為什么在那些驚艷的演示里，我們偶爾會看到懸浮在半空的椅子、或者違背常理的水流。事實(shí)證明，這種缺乏真實(shí)世界反饋的純視覺預(yù)測，像是一座建在沙灘上的海市蜃樓。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

既然視頻這條路太貴又走不通，那什么才是更堅(jiān)固的基石？行業(yè)的共識，悄然轉(zhuǎn)向了代碼（Coding）。

所以在按下 Sora 停止鍵的同時(shí)，OpenAI 迅速將最核心的資源，傾斜到了以 Codex 為代表的代碼智能體上。

為什么是代碼？因?yàn)榇a的世界，沒有那么多模棱兩可的視覺猜謎。它極其嚴(yán)謹(jǐn)，且擁有不容置疑的客觀標(biāo)準(zhǔn)——編譯器不會撒謊。代碼寫得對不對，跑一下測試就知道了。在一次次的報(bào)錯(cuò)和修正中，AI 經(jīng)歷了完整的感知、行動(dòng)、觀察、修正循環(huán)。

正是在這種真實(shí)的反饋中，AI 反而獲得了一種理解因果關(guān)系的捷徑。更何況，回歸到商業(yè)的本質(zhì)，一個(gè)能不知疲倦地編寫、測試和重構(gòu)代碼的 AI 助手，能實(shí)打?qū)嵉貛推髽I(yè)削減龐大的人力成本。在這個(gè)資本逐漸趨于理性的寒冬里，這種能立刻轉(zhuǎn)化為生產(chǎn)力的工具，遠(yuǎn)比生成幾秒鐘酷炫卻無用的視頻，要來得實(shí)在得多。

算力之外的“達(dá)摩克利斯之劍” 

除了高昂的算力成本之外，其實(shí)還有另一個(gè)導(dǎo)致視頻大模型步履維艱的致命傷，那就是法律與倫理風(fēng)險(xiǎn)。

我們可以把算力成本看作是 AI 公司的內(nèi)憂，那么版權(quán)問題就是隨時(shí)可能引爆的外患。

視頻大模型要達(dá)到逼真的效果，需要吞噬海量的高質(zhì)量視頻數(shù)據(jù)進(jìn)行訓(xùn)練。這些數(shù)據(jù)從哪里來？很多模型在早期都采用了先抓取，后道歉的野蠻生長策略。但這在視頻領(lǐng)域是行不通的，因?yàn)橛耙曌髌返陌鏅?quán)壁壘極其森嚴(yán)。越是逼真的生成效果，就越容易引發(fā)全球媒體和創(chuàng)作者的巨額版權(quán)訴訟。

此外，視頻生成技術(shù)還像個(gè)“抱著炸彈的孩子”。它太容易被濫用于偽造名人講話、制造假新聞（Deepfake）了。面對各國政府日益嚴(yán)苛的監(jiān)管政策，像 Sora 這樣沒有明確商業(yè)模式、卻自帶極高社會風(fēng)險(xiǎn)的項(xiàng)目，在投資人眼里，無疑是一個(gè)隨時(shí)會爆炸的麻煩制造者。

Sora 的關(guān)停，或許讓這個(gè)世界失去了一個(gè)令人驚嘆的視覺魔法，也讓無數(shù)創(chuàng)作者的短視頻美夢暫時(shí)落空。但對于 OpenAI 來說，這絕對是一件甩掉包袱的好事。

卸下了每天沉重賬單，擺脫了無休止的版權(quán)糾紛，這家 AI 巨頭終于可以把所有的算力、人才和精力，重新聚焦到他們最擅長、也最能帶來實(shí)際價(jià)值的核心業(yè)務(wù)上去。

參考文獻(xiàn)

[1] OpenAI 官方技術(shù)報(bào)告: Video generation models as world simulators, 2024.

策劃制作

來源丨臨界點(diǎn)Post（id：AIBIooooooooom）

作者丨田威 AI 工具研究者

審核丨于乃功 北京工業(yè)大學(xué)教授 中國人工智能學(xué)會理事

責(zé)編丨楊雅萍

審校丨徐來 張林林