对于人工智能，人类向来保持着“期待和担忧各半”的态度。已故物理学家斯蒂芬·霍金曾经这样评价人工智能，“人工智能可能是人类历史上最大的发明。”但是他同时强调，“它可能带来无限的好处，但也可能是我们的末日。”霍金的这句话，表达了人们对人工智能带来的巨大潜力和威胁的“双重感情”。

现阶段，人工智能还处在爆发的前夜，但也展现出巨大的成长潜力。窥一斑而知全豹，随着OpenAI推出Sora、谷歌发布Gemini1.5Pro，在2024年，人工智能会如何影响媒体、广告、乃至智能汽车行业呢？

2月16日，OpenAI宣布推出全新的生成式人工智能模型Sora。对此，多家券商评价到，AI视频生成迎来里程碑时刻。

招商证券说，Sora将推动AI视频生成进入一个全新的时代。华泰证券的报告说，视频AI进入大规模应用的前夜。天风证券的报告说，下一个亿级用户的互联网平台雏形已然出现。

Sora的工作原理类似DALL-E：用户输入想要的场景，Sora即可返回一个高清视频片段。此外，Sora还可根据静态图像拓展现有视频或填充缺失的帧。与Runway Gen2、Pika等文生视频模型相比，Sora主要实现了以下突破:

视频时长达到60秒：Sora可以通过文本指令直接输出长达60秒的视频，并保持视频主体与背景的高度流畅性与稳定性。

文本的深度理解能力：Sora可以准确理解用户的文本指令，无论是复杂的动作场景还是细腻的情感表达，Sora都能够精确捕捉并展现。

对真实世界的理解：Sora对物理规律的遵循程度较高，对于光影反射、运动方式、镜头移动等细节的呈现效果较为逼真。

长序列连贯性和目标持久性：Sora能在单个视频中生成同一角色的多个镜头，并在整个视频中保持其外观。

即使人、动物和物体被遮挡或离开画面，Sora模型也能使其保持不变。另外，Sora表现出了良好的多模态能力。

其一、Sora不仅支持文本生成视频，还能够根据提供的图片作为输入来生成视频。

其二、Sora还能够扩展生成的视频，在时间上向前或向后扩展，并具有连接视频等视频编辑的能力。

其三、Sora还有生成图像的能力，Sora可以生成不同尺寸大小的图像，分辨率最高可达2048X2048的水平。

这意味着，只要你的要求提得足够清晰，且视频长度在60秒以内，那么Sora几乎可以零成本地执行你的所有设计。

OpenAI将Sora定位为模拟世界的视频生成模型，能够模拟真实世界运行的规律。这也是多家券商高度评价Sora的原因所在。

同期，谷歌宣布了下一代大模型Gemini 1.5 Pro。Gemini1.5 Pro将上下文窗口长度扩展到100万个tokens，实现了迄今通用大模型最长的上下文窗口。

这意味着使用1.5Pro能够一次性处理海量信息，比如1小时的视频、11小时的音频、超过30,000行的代码库，或是超过700,000个单词。

一种是AI视频大模型，一种是通用大模型，两者先后发布必定不是巧合。

GPT-4已经激起了普通人投身AI领域的热情，Gemini则展现出后发制人的潜力。不难想象，在Sora之后，谷歌也会推出自己的AI视频模型。毕竟，3D、视听等多模态模型仍是一片蓝海。

GPT-4和Gemini，就像一对双子星，在通用大模型和细分领域大模型之间不断展开竞争，也将持续促进乃至颠覆汽车行业的认知。