观点

最近OpenAI发布Sora，引起全球高度关注。我认为，Sora不是简单的AIGC（生成式人工智能）工具，也不是简单的做视频，它预示着通用人工智能的到来只需要两三年，而过去大家认为这一进程需要10—20年，所以企业家要抓住这个机遇。

对企业来说，拥有AI信仰很重要。很多企业家由于对新生事物看不清、看不懂，导致看不起，等你想明白的那一天，已经看不见它了。因为别人已经可能遥遥领先，而你已经失去机遇。AI信仰的关键在于，你相不相信大模型是真的智能，相不相信它是一场新的工业革命？我还增加了一条衡量标准——你相不相信AI正朝着通用人工智能的方向快速前进。如果这些答案都是“YES”，那么我觉得你建立了AI信仰，建议你“ALL IN AI”，仔细思考企业从上到下、各个业务流程有哪些地方可以用AI降本增效。

前阵子，我去美国考察，发现美国大公司都在储备显卡，为下一场人工智能竞赛储备“武器”，投资人非AI不投，创业者非AI不做。他们认为，AI会像1992年的PC、1995年的互联网那样重塑企业所有业务，一家企业如果不拥抱AI，就会被拥抱AI的同行淘汰。

最近我正在琢磨一个“含AI量”的概念，即如何评价和体现一家企业对AI利用的程度。2023年，我发布了自己对2024年大模型发展趋势的十大预测：

（1）大模型无处不在，成为数字系统标配；

（2）开源大模型爆发；

（3）“小模型”涌现，运行在更多终端；

（4）大模型企业级市场崛起，向产业化、垂直化方向发展；

（5）Agent智能体激发大模型潜能，成为超级生产力工具；

（6）2024是大模型应用场景之年，To C出现杀手级应用；

（7）多模态成为大模型标配；

（8）文生图、文生视频等AIGC功能突破性增长；

（9）机器人产业迎来革命性发展；

（10）大模型推动基础科学取得突破。实际上，春节还没过完就有四个预测已经实现，可能等不到二季度就会全部实现，然后我会重新发布预测。

当然，十大预测里没有AGI（Artificial General Intelligence，人工通用智能）的突破，这完全是意料之外。Sora横空出世不仅意味着多模态能力的突破，不仅意味着AIGC文生视频的突破，更意味着通用人工智能的突破。网络上有三个由Sora生成的视频，它们的重点分别在哪儿？

第一个视频里，咖啡掀起的波浪，像极了大海的波浪，同时又加上了咖啡的质感，以往要做出这个效果，需要用流体力学、粒子特效、非常复杂的数学公式以及非常大的算力才能实现。

第二个视频是金毛犬在雪地里撒欢，雪从它鼻子上掉下来，或粘在它鼻子上的镜头，以及金毛犬毛茸茸的样子、雪的蓬松感都很逼真。

第三个视频是，枕头被按下去的皱褶，以及猫爪子陷在被窝里的状态都让人身临其境。

为什么Sora生成的视频令人惊叹？有人说它只能生成1分钟时长的视频，但时长并不是大问题，时间和技术优化能解决这一问题。Sora真正令人惊叹的是，它对物理世界的描绘符合人类的认知和常识。制作一幅静态图很简单，但要在视频里表现物理世界几个不同对象交互的过程，难度很高。此前Pika、Runway两个做文生视频的软件，是将视频当成一帧一帧图形的渲染，像素级画图，画一只狗在雪地里奔跑，就是平行移动，没有真实踩雪花的感觉。枕头被压下去产生的褶皱，或是枕头受到不同力量所发生的形态变化细节，恐怕好莱坞电影工业就很难实现，但是Sora很容易就实现了，它的技术线路，与一帧一帧渲染的图像以及3D建模的思路完全不一样。

所以，我们不能只看表象，而要看到Sora背后对这个世界物理定律的理解和掌握，它非常像人类的梦境，将人在白天里形成的认知与常识，在梦中复现。Sora是如何做到的，我们不得而知，但它的确做到了。一旦Sora放开测试，我就要做一个实验：生成一幅图，场景是一个鸡蛋砸向一只狗的头部。如果它没有看过鸡蛋打碎的情景，可能会描绘出像石头一样硬的鸡蛋砸在狗头上的情景，这是五毛钱特效。如果它知道鸡蛋是易碎的，就会有鸡蛋和蛋清糊在狗头上的情景。

2023年，Open AI发布的GPT实现了第一个突破——解决了机器和人之间对话的问题，但GPT只是实现了对话的基本功能，Sora则实现了机器对这个世界的感知、观察和交互的能力。也就是说，真正给人工智能补上了眼睛。这双眼睛不是工作在感知层面，而是工作在认知层面，通过观察我们这个世界来了解无法用文字表达的场景。

因此，可以进一步推断Sora的训练方法一定是视频，通过在视频上识别出一些对象目标和对应的逻辑关系，就能够直接将很多物理规律模拟出来。这也是我预测AGI的实现将会从十年缩短到两三年的原因所在。

人工智能发展大致有五大阶段：第一阶段是GPT之前的传统AI，也有人称为“人工智障”，人类跟它对几句话后就说不下去了；第二阶段是以GPT和大模型为代表，AI实现了人与机器的交互；第三阶段是了解世界的运行规律，实现通用人工智能的基础功能；第四阶段，目前机器还不能感知到加速度，现在具身智能就是附体在机器人身上，可以更加高效地感知这个物理世界。如果到了这个阶段，基本上就进入了强人工智能；第五个阶段，也是我最期望的阶段，是人工智能帮助人类取得基础科学的突破。比如普通人并不需要知道牛顿定律，就能知道苹果一定会往下掉，但牛顿通过这个现象总结了F=mg公式。目前人工智能只能将这个现象记忆下来，还不能总结公式，如果有一天它也能总结公式，像牛顿一样推理出牛顿力学定律，像爱因斯坦一样推理出相对论，就成了超级人工智能。

我对AGI有两个判断：第一，我认为AGI不是简单的做视频，这只是一个附属功能；第二，AGI的实现不会发生所谓“硅基生物消灭人类碳基生物”问题，而是帮助人类科学不断进步。比如，人类要解决能源问题，首先要掌握室温超导和可控核聚变，这两个技术都需要在物理学等基础科学取得突破，但半个世纪以来，人类在基础科学上都没能取得重大突破，所以AGI真正的价值是成为人类研究科学、研究世界的重要助手和工具，帮助人类取得科学突破。

我觉得中国大型互联网公司要继续在通用大模型方面发力，大企业可以打造企业级、产业级、场景化的垂直大模型，将来To C领域的大模型也会做小，每个人、每个家庭会有个人AI助理或家用机器人。

（周鸿祎  360集团创始人）