文｜商业秀，作者 | 杨肖若 编辑｜张弘一 文｜商业秀😡，作者 | 杨肖若 编辑｜张弘一 国庆第一天，Open🔥AI就把视频圈子的桌子掀翻了，正式发布Sora 2。圈内都在🤔喊“AI视频的GPT-3.5时刻来了”。 这次不只是模❤️型升级，OpenAI还直接把独立APP端上了台面。有人认为这😍或许会成为“AI版抖音”，但这背后的水，可比表面看起来深多了😍。 今天，我们就从商业和产品逻辑来聊聊AI视频的Cha🥳tGPT时刻，看看它的技术和产品到底牛在哪里。那产品做出来了😉，总要考虑商业化，它的商业挑战又在哪里。 先看它最直观🤔的技术突破，这次确实够“炸裂”，技术和产品实现了代际性跨越。😎初代Sora只是“能看”，这代直接进化到“能演”，真正靠近了😆“世界模拟器”的效果。 以前AI生成视频，物理逻辑基本❤️是“瞎编”，比如投篮能无视角度强行进筐。 现在你看，S💯ora 2 能生成奥林匹克体操动作、精准模拟浮力和物体刚性物🔥理规律的 “立式桨板空翻”，以及 “猫咪紧紧抓牢物体、伴随完👍成三周半跳” 等场景。 完全符合真实力学，甚至能模拟“🔥投篮失手弹筐”这种“合理的失败”场景。 在Sora 2😀 中，如果运动员投篮不中，篮球会真实地从篮板反弹。有趣的是，😆Sora 2 所犯的 “错误”，往往更像是其内部隐含模拟的 🔥“智能体”（agent）所做出的失误；尽管仍不完美，但相比以😀往的系统，它在遵循物理定律方面已有显著进步。 确实，对🚀于任何实用的 “世界模拟器” 而言，这都是一项至关重要的能力😁。你不仅要能模拟 “成功”，更要能模拟 “失败”。 更🥳关键的是，音画同步终于落地，角色切换语言时口型能对上，连风吹⭐过的环境音、猫踩键盘的咔哒声都能精准匹配画面，以前需要专业团😢队后期制作的内容，现在输入文字提示就能一键生成。 就连😜多镜头切换时，阳光角度、地上水渍这些细节都能保持一致，不会穿😡帮。再官方公开的视频里，人物表情、光线、物理规则几乎无可挑剔😊，真假难辨。 不管是奥运级体操动作、赛博朋克场景，还是🎉带音效的对白，一键就能生成，技术门槛直接拉到了地板级。 💯 但在商业世界，技术再牛，最后都离不开一个关键问题：到了C端👍用户这里，如何商业化？ 无疑，在通往 “通用模拟器” 😎与 “能在物理世界中运行的 AI 系统” 的道路上，一方面，😅人们可以在沿途所构建的模型中获得诸多乐趣。另一方面，就是在体🤔验中，如何赚到钱。 从目前公开信息来看，Sora的商业🔥化路径已初现雏形，大致可分为C端付费、B端服务和生态变现三大😍方向。 首先，C端付费是它最直接的变现起点。Sora 🤯App初期采用邀请制，主打免费使用，但ChatGPT Pro😅订阅用户可通过sora.com及应用内渠道获得更高画质的“S⭐ora 2 Pro”模型使用权。 展开全文 几个💯月前，Sora 团队内部就开始测试 “上传自身形象” 功能，🙌大家都玩得不亦乐乎。 在这款应用中，你可以创建内容、对😊他人生成的内容进行再创作、在可自定义的 Sora 信息流中发🙄现新视频，还能通过 “客串（Cameos）” 功能将自己或朋😴友 “带入” 视频场景。 借助 “客串” 功能，你只需😆在应用内完成一次简短的音视频录制（用于验证身份并捕捉你的外貌❤️与声音特征），就能以极高的还原度将自己 “植入” 任何 So😘ra 生成的场景中。 不过，特别值得注意的是，此前So😎ra曾采用积分制付费模式，但后续已取消这一制度，转为付费用户😡可享受无限视频生成服务，专业用户还能获得高优先级的生成体验，🌟以此降低创作限制，提升用户付费意愿。 这种“基础免费+😎增值付费”的分层策略，确实既能降低普通用户的尝试门槛，又能通❤️过专业功能筛选出高价值用户，延续了ChatGPT的付费转化经🤗验。 其次是B端行业服务，这部分看起来是更具想象空间的😆一个增长曲线。Sora 2的技术能力已经展现出了跨领域的适配👏性，比如影视、教育、房地产等多个行业都有明确的应用场景。 😴 你比如说，在影视领域，可以根据剧本快速生成场景视觉草图或😜动画序列，辅助前期创作；教育领域能制作互动式科普、历史重现视🙌频，让知识传递更生动；房地产行业则可创建虚拟样板间，供潜在买🙌家沉浸式体验未建成项目。 如果说，未来通过开放API接😎口，OpenAI还能为企业提供定制化解决方案，从工具授权中获🤔取稳定收益。 不过，这一领域也会面临竞争压力，一旦有垂😂类领域基于已有数据推出现商业级性能价格的产品，如果基于场景的⭐数据训练成本足够低，就会对Sora的高端市场带来冲击。 🌟 最后，来看看这次Sora的唯一差异化亮点，那就是社交生态衍😎生的广告和品牌合作的想象空间。确实，依托“Cameo数字分身😎”和“Remix二次创作”的核心玩法，Sora确实很有希望探🙌索出一种全新的广告形态。 基于Cameo的邀请共创机制🎉，品牌可发起“分身共创”活动，邀请用户用品牌元素定制分身场景🤯。比如运动品牌让用户生成自己和虚拟运动员同场竞技的视频，通过😅Remix功能实现病毒式传播。 注意，在这种模式下，用😉户既是内容消费者也是传播者，品牌能以更低成本触达目标群体。 😢 同时，OpenAI强调产品优先推荐激发创作灵感的内容，😢而不是单纯延长用户停留时间，这种“非沉迷式”定位，也可能吸引😁对传统信息流广告反感的品牌方，开辟一个独特的广告合作赛道。 😆 但是商业化蓝图再美好，也绕不开现实的挑战。 首先👍是版权的“雷区”。Sora 2采用“默认允许使用”的版权规则🎉，版权方需“主动选择退出”才能阻止其作品被用于AI生成，这一👍规则会引发影视行业的强烈担忧。OpenAI后续仍可能面临大量😎的版权纠纷问题。 其次是社交根基脆弱。我们知道，现在抖😍音的壁垒是亿级用户的内容生态和算法沉淀。而Sora靠“AI+😴社交”起家，初期虽能以新鲜玩法拉新，一旦新鲜感消退，用户可能😘因“朋友不玩了”“没新内容了”而卸载。 社交产品的核心💯是“关系链沉淀”，光靠技术噱头留不住长期用户，此前也有BeR💯eal等社交产品“火得快凉得更快”的先例，也都印证了这一风险😊。 再者，算力成本是绕不开的坎。高保真视频生成对算力需🤩求极大，尽管付费模式能覆盖部分成本，但免费用户的算力投入仍需⭐持续支撑，如果付费转化不及预期，可能形成沉重的成本负担。 🔥 当然，它的机会也很明确。AI真的把创作门槛降到了地板级，😘人人都能当“导演”，如果能跑通“整活-共创-沉淀兴趣社群”的😂路径，说不定能长出新生态来。 从商业视角看，它可能是O😍penAI第一个“广告原生”的C端产品，视频形态天生适配品牌😉互动，要是“分身许可+Remix传播”能跑通，品牌能做规模化🎉共创。 现在，美加地区已开放邀请码，iOS先上，安卓和👏网页版还在路上，大家再耐心等等。 说到底，Sora 2⭐的技术突破带来的影响值得肯定，商业化路径也清晰可循，把视频生😉成从“工具”变成“社交载体”这步棋也很有想法。 但它能🤩不能跨过版权、生态、算力成本的坑，跳出“新鲜感陷阱”，从“玩🤔具”变成“可持续盈利的产品”，还有待时间和市场的检验。 😆 不过，新物种的成长从来不是算出来的，是试出来的。当年短视频😴刚出现时，谁也没想到最后跑出来的是抖音。 所以现阶段，🙄不如先保持观察，看看它能趟出什么新路子吧！返回搜狐，查看更多🎉

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

第一财经 不同硬件、不同大脑，不同机器人厂商进入不同场🌟景，在多方变量的加持下，机器人的规模化落地似乎遥遥无期。 😎 9月17日，第一财经记者在采访第三方部署方、机器人本体厂🤗商和场景落地方时发现，一个行业新角色正在出现。一个类似于安卓🤗操作系统的中间算法层正在承担屏蔽硬件差异、兼容不同大脑架构的🔥功能，为机器人在真实场景中的规模化落地提供可能。 如今😁，这一产业角色已经吸引了谷歌、智元、富临精工（300432.❤️SZ）、格力博（301260.SZ）、东土科技（300353😴.SZ）、巨星新材料等企业押注。但在硬件厂商坚持自家体系、大🤗模型企业追逐通用智能的格局下，行业的“安卓时刻”何时到来，仍😂有待市场与现实工况的双重检验。 机器人涌入场景，跨本体🎉训练遇阻 当机器人厂商涌向场景方，新的问题正在出现。 🥳 “这个月至少有两家机器人公司正在和我们谈合作。”Kel🤩vin是长三角一家物流上市公司的技术负责人，他告诉记者，为了😢和人形机器人厂商进行合作，自己不得不拨出一个八人左右的团队和😢不同机器人企业进行对接。“我们需要开放不同的数据接口，提供一😁个专门的实验场景，还需要根据各家机器人的要求不断调整流程和测😊试参数”。 在大量的人力和物力投入之外，Kelvin坦❤️言自己算不过来ROI（Return on Investmen💯t，投资回报率）。“机器的工作效率不稳定，且运维需要大量后续😁的费用。”他向第一财经记者透露，物流企业马上就会备战“双11🤩”时间，在此期间是否继续让机器人上岗，他还在犹豫。 更😂大的问题是，由于不同厂商的机器人算法不兼容、硬件各自封闭，导🌟致一个场景的成功经验难以迁移到另一个场景。“有的时候我们的流😁水线哪怕是多一个弯折，机器人都需要重新走一轮POC（Proo⭐f of Concept，概念验证）。” “厂商觉得我🙌们不够开放，我们觉得机器人厂商要得太多。”Kelvin说，这🎉是产业上下游之间对接存在的普遍问题。第一财经记者了解到，一些👍“中间人”的角色正在产业链中诞生。前上汽自动驾驶域控制器算法😘负责人，安努智能工程算法总监杨曾告诉记者，团队正在研发的一套⭐中间件算法平台，希望像手机里的操作系统一样，把不同厂商的机器🔥人纳入统一的兼容框架。 就像手机的操作系统让不同软件在💯同一套规则下运转一样，中间件希望能够通过屏蔽底层硬件差异，使😉一套算法能够迁移到不同厂商的机器人上。“如果每遇到一个新的硬🙄件，就要重新训练，机器人在实际场景部署的速度就会非常慢。”重🌟庆大学助理教授，人工智能及多模态实验室具身智能负责人，安努智🤗能首席科学家胡喆告诉第一财经记者，想要提高机器人的通用化，跨😅本体是必须跨过的门槛。 在不改动模型本身的前提下，兼容🤩不同机器人的大脑，成为中间件的挑战。“虽然主流的模型是VLA🤔模型（Vision-Language-Action Mode😢l，视觉-语言-动作模型），但其中的架构仍然不同，有端到端，🥳也有分层式。”胡喆说，中间件在机器人大脑和机器人作业的实际场💯景中充当一个“翻译官”的角色。在他的设想里，输出的指令会先被😆中间件被转化为统一的目标和约束，再交由各家机器人自身的规划控😊制器执行。 “这样我们就不必为每一个新厂商重新训练模型🤔，只需要向每一个机器人的规划控制器下达指令，就能让中间件跑通🤗整个流程。”胡喆说。 展开全文 物理规律难仿真，🎉机器人“干中学” “我们曾经试过，在实验室里跑通了所有😴算法，结果到实际场景中发现完全不是一回事儿。”钛维云创的创始🤯人张磊告诉记者，当自己试图让机器人处理布料这样的柔性物体时，🚀由于布料材质、厚薄、摩擦力不同，实验室的环境并不能完全满足操😆作需要。 张磊透露，像布料、不规则包裹等物体，POC周😜期“很长，且难以给出确切的时间”，“因为我们需要提前磨合算法🙄、下线采集数据、再拿到实验室反复训练，才能勉强适配场景”。 🎉 工厂中的物料、工艺成千上万，换一条生产线、换一个工位，😅都可能带来完全不同的情况。 “离线的强化学习不可能把所🙄有真实场景一网打尽。”胡喆告诉第一财经记者，机器人不仅需要根😎据场景反复调试算法，还往往要重新采集数据回到实验室做离线训练😂，这让整个周期被拉长，时间和人力都被大量消耗。 边做边🚀改，或许才是机器人进行学习的关键。 胡喆透露，他正在尝😴试利用实时的在线学习算法，允许机器人在实际作业过程中一边操作😜一边采集数据，并实时更新模型。这种方式只需在现场额外增加几秒👏钟运行和100个数据量，“我们会根据模型出来的结果选择数据，😉让机器人在不断学习的过程中遗忘无用的数据，保持数据的精简，也😀不会对算力提出过多的要求”。 机器人“干中学”的另一边🙄，团队也在尝试利用仿真等手段降低机器人的学习成本。“现在大部🎉分机器人仿真环境离现实工况还有很大差距，因为仿真环境中缺乏物🔥理定律的支撑。”美国肯塔基大学空气动力实验室仿真负责人、安努❤️智能联席科学家付博直言，大部分仿真平台依赖数据驱动，却缺乏物😴理定律的支撑。 “如果只是换个环境光影、物体形状等表层🔥变量，那在这种仿真里能跑通的算法，一旦放到现实中，往往会失效😀。”付博说。 让虚拟环境逼近真实世界，并不是一件容易的🔥事。“摩擦力、空气流动等连续变化的环境很难被拆成可以极端的小👏单元。”付博解释，以机器人搬箱子举例，这个场景涉及了力学、刚😡体运动学与工程力学等基本的物理规律。付博说，加入这些规律的仿🤔真能够模拟不同重量箱子堆叠时的微小形变，计算箱内散落零件导致😡的重心偏移，并让机器人理解物体变化对抓取稳定性的影响，以及机🤩器人发力点与物体形变的关联。 他坦言，将这些物理定律的😢融入仿真环境是一个“正在进行的过程”，需逐步攻克计算量庞大的🙄技术难题。付博认为，只有当机器人在仿真环境中充分理解并内化这🤩些物理规律，才能在真实场景中更好地应对突发情况，实现泛化能力🎉的提升。“模型永远无法完全替代实验，但我们希望通过极致的物理😀仿真，让真实实验只需做一次就能验证可行性。” 谷歌提前⭐布局，中间件或成规模化关键 从机器人本体和大脑厂商到最😉终的应用企业，中间还需要大量复杂的部署工作——包括接口打通、😂场景适配、算法迁移等环节。对整个产业链而言，这是一块颇具吸引🤩力的“肥肉”，盯上的远不止安努智能一家企业。 今年6月🤗，银河通用和博世中国成立合资公司博银合创。根据双方披露内容，😀合资公司将聚焦复杂装配、智能质检等高精度制造场景，并且构建标😂准化、模块化、可复制的训练与部署体系，支撑机器人产品的快速迭🤔代与规模化部署。 今年年初，富临精工宣布公司与智元机器⭐人等相关方签署了《人形机器人应用项目投资合作协议》，各方共同😂投资设立合资公司实施人形机器人项目。当前，富临精工、智元、巨😢星新材料均为安努智能股东。就在9月，专注于北美市场的产业股东🤩格力博、聚焦机器人操作系统的东土科技也宣布增资安努智能。 👏 在海外，Google（谷歌）的母公司Alphabet孵化😎的Intrinsic也在扮演类似的角色。Intrinsic试🤩图通过通用算法和工具链降低机器人系统的集成成本，让不同厂商的😆机器人在同一套兼容框架下运行。 通过一个类似操作系统的😂中间件来对接不同机器人厂商和场景，这是安努智能董事长文宏杰提😍出的解题思路。虽然路径各异，但上述三家兼具机器人和产业方背景🙄的第三方部署商，它们的共同点都是试图在碎片化的产业格局中，寻👏找一套能跨越厂商和场景的兼容方式。 不过，机器人产业是👏否会像手机产业那样，最终走向由统一“操作系统”支撑的格局，仍😢充满疑问。一位由数码3C行业转至机器人产业的工程师告诉第一财😆经记者。与手机产业面临的问题不同，机器人领域的情况更为复杂，😅硬件厂商坚持各自的体系，而大模型企业则瞄准通用智能，“屁股决😊定脑袋，大家想的未必是同一个目标”。 多方角力之下，第😊三方部署商设想的中间件是否能够建立起产业上下游的桥梁，还需要😴进一步观察。“模型如果停留在实验室、本体如果只会跳几支舞，那😜最终只是一个故事。”文宏杰认为，在当下的机器人产业，关键不是😆讲模型和本体的“故事”，而是扎进具体场景，通过部署获取真机数🥳据和工程化经验，将商业化的流程拉通、沉淀。 在他看来，🔥这些工程化的经验和数据才能汇聚成类似“操作系统”的底座，真正🔥支撑机器人跨厂商、跨场景的落地。“如果中间件能够像安卓这样的🚀操作系统一样稳定通用、开放兼容，任何厂商都能接入，机器人产业😜的规模化会越来越近。” (本文来自第一财经)返回搜狐，😊查看更多