对话新质生产力丨“扔进一部小说，出来一部大片”还要多久？
央广网北京3月5日消息（记者吕红桥）据中央广播电视总台经济之声《天下财经》报道，Sora来了，发展趋势你看明白了吗？生成式人工智能对媒体、短视频、广告等直接跟视频相关的行业到底有啥影响？“扔进一部小说，出来一部大片”还要多久？……经济之声2024年全国两会系列访谈《向“新”而行——对话“新质生产力”》，记者对话腾讯研究院资深专家王鹏，说透这些问题。
记者：今年视频生成应用Sora诞生后，很多人第一次看到的时候都感觉非常震撼，您的第一印象是什么？
王鹏：我觉得震撼的感觉应该是共通的。因为它很明显比同类型的产品生成视频的时间要长很多，而且有高度的一致性，包括物理的一致、三维的一致，符合视觉上人们对物理规律的认知，这些方面我觉得都是远远高出目前同行的水平。
记者：根据您的观察，它对生产力具体有怎么样的提升作用？
王鹏：Sora是OpenAI在ChatGPT之后的一次延续性升级，我们不能单独去看，而是要把它和生成式AI的发展脉络进行整体观察。ChatGPT出来以后，大家都觉得是很有颠覆性的事件，但是至今一年多以来，并没有看到对生产力有明显的提升，或者在某些行业有明显的落地迹象。但是Sora一出来，大家的态度明显不太一样。因为我们看到了很多相关领域，尤其是媒体、短视频、广告等直接跟视频相关的行业受到的影响或者冲击会很大，因为它的技术手段、表达方式和技术发展到这个阶段的表现形式是完全一致的。
记者：现阶段Sora的能力，您觉得能替代比如电影里的特效生成，或者短视频制作方面的功能吗？
王鹏：严格说，不是替代，而是很明显地看到它现在的水平如果在几个月以后可以商用，确实能在很多阶段上给我们现有的内容生产行业带来一些变化，比如，导演一开始的分镜，或者创意稿制作，这阶段是比较容易用它去替代的，后期的视频特效确实会很大程度上节约成本。当然前提是它的可控性之类，还需要再加强。
记者：可控性是不是就是人跟它交互，提出自己的要求？
王鹏：是的，就是它跟人的交互，精确表达人对某些细节的调整。因为现在只是用一段话，生成一分钟视频，但是很多细节需要精确调整，这就相当于要有传统视频编辑软件对细节调整的能力。虽然细节看起来很好，但是离影视的要求还是有距离的。
记者：比如，扔进去一部小说，然后就出来一部大片或者出来一部电视剧，将来有这种可能吗？
王鹏：我觉得这是相对比较科幻的，并不是说不可能。比如，在AI的智商超过人以后，这是有可能的。但是现在看来，我们还不知道什么时候能到来。因为大片或者影视级作品，需要的工业化能力是很综合的，尤其是创意，人的想象力、人的丰富思想转化成视频，并不是翻译过来就行了。它整体的起承转合、对人细微心理的揣摩，是有很多跨学科的东西在里面，所以并不是一进一出就能很快实现的。未来我觉得是有可能的，但是现在我们还看不到这一幕的实现时间。
记者：“中国版”的Sora有人说目前已经有好几款，您了解的情况是什么？它与真正的Sora相比，性能怎么样？
王鹏：大家所说的所谓“中国版”，或者类似版本、竞品这些说法，都是视频生成器这个概念。可能大家都在做类似的产品，也不可能两周时间大家都能实现突破。大家做10秒以下这种视频的产品，是非常多的，国内外可能都有不下几十款在研发之中的产品，但是只能在某种目标或者某种阶段上类似，但是离Sora还是有差距的。
记者：这个差距主要体现在哪些方面？
王鹏：主要在生成视频的时长上。
记者：除了视频生成这一块，国内这两年在生成式人工智能的研发和应用方面，有什么样的进展？
王鹏：之前一年多时间，大家可能主要还是在做大语言模型这一块，国内在GPT-3.5至GPT-4之间的水平。但是从去年下半年开始，大家多模态的投入越来越大。之前是图像，这次之后可能视频和3D会是比较大的投入方向了。
记者：从这两年的情况看，基本上都是这么一个过程：国外先推出一个生成式人工智能产品，然后一堆企业再跟上去做相关产品。为什么一直在做这种跟随式创新？
王鹏：这个事的根源比较复杂，当然有一个原因就是这个东西是一个投入非常巨大的领域，是典型的风险投资的场景，我们可能不是太支持这种高风险资本投入的方式。尤其是在产品出来以前，这个技术方向没有人能知道它是不是靠谱的，而它又是一个非常耗算力或者说其他资源的领域，所以客观上说，追赶起来是非常艰难的。
记者：刚才您提到算力，生成式人工智能需要巨大规模的算力支撑，根据您的观察，现在国内算力的支撑能力怎么样？够用吗？
王鹏：在Sora出来之前，从大语言模型的需求来看，尤其是训练阶段的需求来看，几个大厂，包括清华这种高校，资源看起来短期内还好。但是Sora出来以后，大家是有点没底了，因为Sora的技术细节大家还不知道，并不知道它真正消耗的算力是多少。但是可以预见的是，大方向对算力的需求还是会非常大的。所以总的来说，我觉得挑战还是相当大的。
记者：我们又要赶上新质生产力的大潮，在现有的条件下，有什么好的建议？
王鹏：在通用大模型上，我觉得没有什么太好的选择。国内一定不能明显落后，国外有什么进展我们就得及时跟上，发挥大厂或者大研究机构的能力。除了通用大模型以外，其他领域我们也可以发挥体制资源调度的优势，找一些差异化的方向同步去做。比如行业落地方面，我们有可能会先在一些场景或者在一些应用上落地一些商业模式，有了商业模式以后就不是光投入了，就是有产出、有反哺了，也包括芯片在内，整个产业可能都会受益于这种方式。
记者：我们最后再来说一说生成式人工智能的治理。现在如果我们用搜索引擎搜索，第一条出来的可能就是人工智能生成的东西，我们仔细检索，可能会发现有部分内容是虚假的，甚至是完全杜撰的。包括一些生活常识甚至历史内容，也是生搬硬造的，这就非常可怕了。专业上被称为“机器幻觉”，我们应该怎么看待这种“机器幻觉”，又该怎么治理？
王鹏：“幻觉”这个东西是有两面性的。一方面，在一些要求精确或者准确的场景下，“幻觉”可能会让我们的体验不是太好。但是大模型的“幻觉”某种程度上来说是它的创造力的表现。人类很多创意都是来自“幻觉”，所以所谓智能的表现就是在“幻觉”之中。我觉得是产品设计的问题，就是在不同的场景下需要调节“幻觉”程度。比如资讯或者新闻，这个东西是要求绝对准确的，不能有任何编造的成分。还有一个极端叫故事，这个是完全可以编造的，但是它又要在逻辑上合理。还有一种叫知识，Sora有一个视频是“一个冰河时代的猛犸象”这种场景，这个东西没有人见过，不存在真实的视频，不能质疑它的真假，但是要合理。信息是要准确的，但不是真实的。所以这对产品也提出比较大的挑战，就是说你得分清楚它到底是哪一个类型，然后调整它的技术逻辑，去适应不同类型的生产。
经济之声2024年全国两会系列访谈《向“新”而行——对话新质生产力》围绕“颠覆性技术”“前沿技术”“新产业”“新模式”“新动能”等热点话题，对话代表委员或经济学家，在两会期间持续更新，敬请保持关注！