对话APUS创始人李涛：Sora浪潮下，如何成为红利和财富的一部分

     （图片来源：Pixels） 
    硅基规则下，虚拟和物理的终极分别是元宇宙和人形机器人，在其中，Sora便是桥梁。2024属于Sora，毫不夸张。 
    @数科星球原创 
    作者丨苑晶 
    编辑丨大兔
    OpenAI的Sora视频大模型于近日上线，始一发布，引起热议。
    和其他大模型不同的是，该款模型属于数据驱动的物理引擎，并且它可根据用户提示词生成高质量视频。
    它的发布，首先对以视频为载体的媒体、影视等行业形成了强烈冲击。甚至可以说，它无限地降低了视频创意、视频制作甚至视频艺术的门槛。
    为了剖析Sora的本质，数科星球（ID：digital-planet）正在大面积地对话行业大咖，以求厘清行业真知灼见、以飨创新。
    全球化人工智能企业APUS创始人李涛认为：“我们正处于AI大时代之中，想成为红利或财富的一部分，需要有足够的敏感思考”，他指出，拥抱时代变化的要诀在于进化式学习，在这个过程中需要习得如何驾驭、使用、生产甚至左右新技术的发展方向。
    此前，我们曾在《对话APUS创始人李涛：AIGC是一次发生在互联网界的“工业革命”》中表达过部分观点。在文生视频浪潮来临之际，他的认知迭代获得了新的更新。
    01
    Sora推出背后的问题
    在李涛看来，Sora的横空出世反映了三个问题。
    首先，在技术上，它已验证打造无限逼近真实的场景是可能的。在一定程度上，Sora的模拟视频会让真实与虚拟难以区分。好的方面是，AI生成视频拓宽了人类对创作、真实性和未来的认知。但坏的方面是，“真实”与“虚拟”的界限变得模糊，加大了定义和理解真实或虚拟的难度。
    其次，Sora展现了强大的学习能力。“我认为，这种学习能力不仅局限于数据的吸收和处理，更在于逻辑和规则上的深度理解和应用。”
    作为一款可自我学习的模拟器，如今的Sora正在尝试学习人类所拥有的规则和逻辑能力。更为形象的比喻是：就像有光就会有影子、有火就会被点燃一样，Sora的类人智能拥有高速学习能力、反应能力和反应速度。
    其三，Sora的出现，客观上反映了我们在芯片、算力等领域的落后。“纵览Sora的能力构建会发现，这与OpenAI在人工智能领域的深耕分不开”，他提到。
    英伟达、Sora犹如一面镜子，其成功的背后反映了中美在AI领域的差距。李涛认为，这折射出中国人工智能所拥有的能力远远落后于前者。他对数科星球（ID：digital-planet）强调，弥补差距的根本是加强芯片的研发、努力提升算力水平。而这，已成为我国AI发展的当务之急。
    02
    Sora推出后的预测
    Sora的推出成为了每家投资机构的话题，而在大模型产业界，情况同样如此。如果说，2023年的“百模大战”属于Transformer内卷，那么2024的开年伊始，行业格局已完全不同。
    李涛认为，Sora跟GPT不是同一个模型。“它和GPT完全不一样，这是Sora最大的不同”，这可被理解成是在新位面上的新竞争，“在我看来它是颠覆性的、炸裂的、有战略性的。”
    技术上，以往的人工智能模型均是人们对真实物理世界抽析后的文明或知识、常识的处理。在人们将现实世界的内容数据化之后，便已经“失真”，而再将“失真”生成图片或视频，会导致进一步的“失真”。
    Sora的最终期望是构建可渲染真实物理世界的模型（这区别于以往所有模型）。这会导致一个结果，人们将无法区分真实世界和虚拟世界。在能处理好真实世界和虚拟世界的转场前提下，Sora的出现将极大推进元宇宙的实现速度，“甚至会模糊掉AR或VR的行业边界”，李涛说。
    还有一点，Sora的学习性应该被重视。
    李涛做了一个比喻：“就像有光就有影，被刀划了一下就会痛，就会流血，这都是真实物理世界里面的逻辑关系。”在他看来，Sora正在学习真实物理世界的规律，这种学习模式正在逼近人类智慧或人类大脑的学习模式。
    “我们可以看到，这样做的好处是，可以通过Sora在任何两个场景、任何两个景物、任何两个要素之间建立起它的逻辑关系。”根本而言，它将推动逻辑关系的进步，作为一个学习引擎，可以被看作是超越人类的“智脑”。
    综上所述，相比于人类而言，Sora的学习速度、存储能力、构建和渲染的能力远远超过了单个人本身。这种以强大算力做支撑的能力，可以将学习过程压缩为非常短的时间。
    另外，李涛还预测，OpenAI一定会将GPT和Sora结合，以重构数字物理世界。“Sora最有冲击力的地方在于，它会不断地抽析、学习人类常识，通过7*24小时不眠不休的方式结合算力放大和复制数字世界。”在算力足够大的时候，它的学习能力将大大超出世界上80亿人的学习速度总和。
    03
    新的竞争格局与技术分析
    人工智能的未来竞争格局是什么？答案是算力。
    纵览AI发展历史，可以看到一条清晰的路径：即代码-参数-算力竞争。在这套逻辑的背后是芯片至上。
    在IT信息化领域，企业的竞争优势从编程优势过渡到了参数优势、算力优势。“现在，参数竞争又有了新变化，你会发现Sora的参数并不大，算是小模型，但它的影响很大，并且依赖高制程芯片和强大的GPU算力”。李涛如是说。
    李涛还估计，OpenAI未来只会为自己服务，将研发专属于自己的芯片，且不会通用。
    另外，在未来，AI可自行研制芯片，所有的设计、制造均通过AI完成：由AI完成所有定制化服务，绕开通用芯片的桎梏形成闭环。对国内企业的警示是，短期内，AI产业难以追得上英伟达或OpenAI，虽然二者之间已貌合神离、相去渐远。
    不过，好消息是，国内的企业正在钻研Sora的技术内核。
    李涛对数科星球（ID：digital-planet）分享了自己的看法，他认为，Sora是以MoE的结构控制的分布式学习模型。“换句话说，假如它有100万台GPU的机器，那么它很有可能把这100万台分成了1万个单元组，每个单元组有100台GPU完成不同独立的项目。”
    在决策单元上，李涛认为，Sora的中央控制单元架构同样发生了变化。“它可能不是用以往小控制单元控制（比如一万个GPU中一个辅助控制单元，另外9999个负责工作），而是采用了5000个单元形成决策单元，而另5000个单元进行‘手和脚’的工作。”
    根本上，Sora的每一个单元负责了某个不同的垂直领域、去学习不同的物理世界的知识，因为学习不同的物理世界，需要总结不同的逻辑。
    最后，Sora除在探索未知物理世界方面裨益很大外，还改变了算力单元的使用规则：“未知的物理世界的探索可以不断延伸，只需要增加算力单元加以探索就可以了，这个算力单元不是1亿台GPU，可能以100台GPU为一个算力单元或1000台GPU为一个算力单元就可以实现”，李涛补充道。
    技术上，通过单独的算力单元做学习和计算是一大创新。这种模式对算力依赖极大、是以MoE结构控制的分布式学习模式。“它都不能叫分布式计算了，如果与我们推测的一致，你就会知道它有多强大，几乎很难追赶。”
    04
    Sora变革下的应对之策
    面对Sora带来的颠覆性变革，普通人的应对之策是什么？
    在与李涛的对话中，我们总结了三点：
    首先，短期要学会和驾驭Sora：普通人需要积极学习并掌握Sora的相关技术，理解和应用这一模型。
    这样一来，能够让我们在AI时代下保持竞争力。通过深入研究Sora的工作原理和应用场景，相关从业者可以更好地发挥其在内容生成、影视制作等多领域的优势。
    第二，在中期，需要快速学习Sora内核：面对Sora的快速发展，人工智能的从业者需要不断提升自身的学习能力，要跟得上Sora的步伐，确保在AI领域不被甩开身位。
    第三，长期上，需要行业间加强芯片的设计、研发、生产工作：人工智能的发展是从代码、参数到算力竞争的过程，而芯片是人工智能进化的基础。因此，提升算力，才能推动AI技术实现创新的发展。
    就中国而言，如何应对算力方面的挑战，国家需要加速芯片的研发进程，通过提升芯片的性能和效率，为AI提供更强大的底层支持。
    李涛认为：“当Sora开始作为一个智脑，能从现实社会像人类一样从现实的物理社会去学习，可以去重新构建和渲染一个新的物理社会，并且具有一致性和连贯性跟真实世界无法区分出来的时候，会有多可怕，这就是人脑的过程。”
    现在，Sora已经像人脑一样在工作，它可以把现实物理世界学习过来，然后又把它重新渲染和构建出来。
    05
    结尾：思考、学习与进化
    在这个时代，普通人应该如何应对未来的挑战？
    李涛直言：“要想跟得上这个时代，当新东西出现的时候，一定要沉静下来，让自己更深刻地思考，我们在一个大时代里面，要想办法捕捉住这个大时代的财富，或者捕捉住大时代的红利，并且成为财富和红利的一部分。”
    他认为，当像Sora这样的新东西出现的时候，一定要有足够的敏感去思考，然后深度学习，最后进化。而所谓进化其实是去学习怎么去驾驭、使用、生产它，甚至左右它的方向。