界面新闻记者 | 肖芳

界面新闻编辑 | 宋佳楠

近日 ，百度CEO李彦宏称“百度不做Sora ”的演讲被媒体曝光后
，有关“中国版Sora到底值不值得做
”的话题又在微博、小红书等社交媒体引发众多争论。

李彦宏在内部讲话中称，Sora这种视频生成模型的投入周期太长 ，10年 、20年都可能拿不到业务收益，无论多火爆
，百度都不去做 。

反对的声音认为，这属于百度自身业务的问题
。国内目前在视频生成模型上最有希望的公司是快手和字节跳动 ，二者的业务离视频更近
，待其视频生成足够优秀之后会快速完成拉新，并带动用户体验提升。

快手和字节跳动是国内互联网大厂中积极布局视频生成大模型的公司 。Sora发布后 ，快手便推出文生视频大模型“可灵”
，其背后的技术原理和OpenAI的Sora类似，都是把常用于视频生成人工智能的扩散模型与Transformer架构相结合 ，依托于快手短视频平台
，拥有大量可用于训练的视频数据。“可灵 ”发布几个月之后，字节跳动旗下火山引擎发布了豆包视频生成-PixelDance
、豆包视频生成-Seaweed两款大模型 ，面向企业市场开启邀测
。

除字节跳动和快手之外
，今年发布视频生成模型的公司还包括阿里云、Minimax 、生数科技、智谱AI等公司。

国内视频生成模型领域虽然看起来火热，但确实面临着非常严峻的挑战
，李彦宏对视频生成做出的判断并非无稽之谈 。

界面新闻从一位负责视频生成模型的技术人士处了解到，生成式AI技术正大幅降低视频生成的门槛 ，导致视频数据以20倍左右的速度增长
，对计算成本和效率提出了严峻的挑战
。以Sora模型为例，其训练和推理所需的算力需求分别达到了GPT-4的4.5倍和近400倍。

中国银河证券研究院的报告也显示 ，Sora对算力需求呈指数级增长 。其根据Sora参数规模推演出的训练单次算力需求或可达到2.6×10^24Flops
，相当于GPT-3175B的8.2倍
。目前Sora还在初级阶段，伴随不断迭代调优 ，其训练数据集规模将进一步增大
，未来算力需求也会大幅增加。

上述技术人士还表示，在编解码层和框架层 ，视频生成模型也面临着诸多挑战 。一方面是效率的问题
，另一方面是在计算需求日益增长的情况下，能否灵活处理越来越复杂的需求
。

这些都对视频生成模型形成巨大考验 ，但其在商业化上的形势仍然不够明朗，一定程度上使训练和推理成本上的挑战更为严峻。