成本挑战与精确度痛点：Sora技术在国内遭遇发展瓶颈

Sora技术在国内尚无紧追者，高成本和精确度问题成阻碍

近一个月来，Sora技术在国内并未引起如同ChatGPT时期的热烈追捧。尽管字节跳动推出了AI生成视频产品Boximator，腾讯研发了视频生成模型VideoCrafter，百度发布了统一模式视频生成系统UNiVG，但关于“中国版Sora”的推出时间，大厂们保持着低调的态度。

恒业资本创始合伙人江一表示，投入产出比是国内大模型玩家选择跟进Sora时面临的一个重要问题。目前在国内对话大模型领域处于领先地位的企业，正面临是否追赶GPT-4水平的抉择。一方面，他们希望证明自身价值，至少达到Meta开源模型Llama 2的水平；另一方面，Meta新一代开源模型Llama 3即将发布，若国内企业投入重金研发的自研模型水平不及Llama 3，可能面临前期投资付诸东流的风险。

高昂的成本不仅影响了大模型训练厂商推出Sora的速度，也降低了创业者尝试Sora的热情。以小丽智造创始人兼CEO胡捷为例，他曾寻求与国内某大厂商合作，希望将大模型能力嵌入自家硬件。然而，面对数百万元的合作费用，胡捷选择了国内一家二线大模型厂商，费用降低了近十分之一。

对于需要更多算力支持的视频大模型Sora，初创公司如胡捷的公司难以承担其应用成本，因此他们期待更多国产替代方案的出现，以获得更具性价比的选择。

除了成本问题，Sora在视频生成方面的精确度等Bug也让一些支付得起C端使用成本的创业者不敢轻易替换人工。例如，拥有百万粉丝的上海市锦天城律师事务所律师候朝辉，在运营两档视频对话栏目时，为了保证长视频的信息精确度和画面精致感，选择了雇佣专业剪辑师，而非依赖Sora技术。

胡捷曾希望将大模型对话能力融入自家产品中，打造一个结合类ChatGPT的新交互方式的桌面机器人(300024)。然而，面对合作方高达300万元的报价和过万台的终端使用量门槛，胡捷最终选择了国内一家二线大模型厂商作为合作伙伴。

江一认为，国内大模型厂商在追赶OpenAI时，应优先考虑总成本领先，即能否以低于竞争对手的成本，训练出与行业头部水平相当的大模型。同时，基于数据和场景打造差异化也是关键。

在推动大模型性能不断迭代的过程中，所需算力等资源呈指数级增长。例如，GPT-4所需的英伟达GPU数量超过2万张，价值达数亿美元。面对投入产出比的担忧，国内大模型厂商更关注的是，在投入重金研发后，如何避免被硅谷的开源模型突袭，导致价值归零。

对于那些直接付费使用C端大模型产品的创业者而言，大模型生成内容的“幻觉”问题尚未解决，让他们跳过人工成本，自己使用Sora仍有一定难度。例如，在游戏影视领域，Sora的实际应用效果存疑。独立游戏制作人阿图曾期待用AI绘图减轻游戏画师的工作量，但实际效果并不理想。

独立导演杜兰馨甚至没有尝试引入AI制作，因为在影视公司内，使用AI工具需要投入大量时间和精力。她认为，目前使用AI工具尚不能替代部分岗位，更多只是提高效率。

Sora在视频生成方面的各类Bug，如难以准确模拟复杂场景的物理原理等，也是OpenAI推出速度迟缓的原因之一。有内测名额的博主分享称，Sora在表现腿部特征或行走方面尤为明显，常生成双腿交叉和相互融合的画面。

江一表示，Sora可能给行业带来的所谓“革命性冲击”值得怀疑。他认为，Sora更新两三个版本后，可能就会碰到技术迭代的天花板，然后被后来者追平差距。在日益激烈的商业化竞争中，大模型私有化部署的价格已从几千万降到50万。