对话复旦大学博士生导师张奇：Sora对于AGI的推动作用真那么大吗｜华夏新闻会客厅

原标题：对话复旦大学博士生导师张奇：Sora对于AGI的推动作用真那么大吗｜华夏新闻会客厅

本报（chinatimes.net.cn）记者陈锋 实习生 李欣雨 北京报道

年初Sora横空出世，并一举成为科技圈、财经圈热议的话题。目前，Sora技术生成的视频已从最初的简单、粗糙，进化到与先进设备拍摄出的内容别无二致。一个核心成员仅有10人左右的团队，如何创造出这一堪称革命性的技术？

复旦大学计算科学技术学院教授、博士生导师张奇日前做客《华夏新闻会客厅》节目，针对当前Sora相关热点话题做了深度解析。

“Sora是一个概率模型”

今年2月份，OpenAI正式发布文生视频模型Sora，再次将AI技术推向了新高度，即只要输入内容、提示词或图片，就能迅速生成长达一分钟的高保真视频。有观点认为，Sora将实现通用人工智能（AGI）的距离，由原来的10年缩短到了1、2年。

对此，张奇在《华夏新闻会客厅》节目上表示，通过一段蚂蚁爬隧道的视频可以看出，人对于视频和图像具有远高于文本的细节包容度。将Sora生成视频的细节拿出来看能发现非常多的问题。因此争议很大的部分在于Sora到底能不能建模一个物理世界。文本不太会描述视频里大量存在的常识性知识，如果Sora可以通过大量阅读视频学习到世界知识，对于AGI会有很大的推动作用。但是Sora是一个概率模型，从像素点去推导它的可能性，推导它周边应该出现什么，它可以做很好的视频生成。但是依靠概率模型无法真正学习到物理知识，因此相对于视频生成上的作用，Sora对于AGI的推动作用没有那么大。

“如果Sora通过视频能够建模出物理世界并且能够数字化，那就可能大幅度拉近AGI到来的时间点。”他进一步指出，但Sora通过视频学习了解表层的运动和交互关系，无法真正学习到物理规律的本质，以及深层次的因果逻辑，比如通过大量的视频学到杯口朝下时水往下走、沙滩上经常都会有椅子等——这只是相关性不是因果性，因此如果没有任何世界知识建模的可能性，也不会大幅度推动AGI的进程。

在大模型方面，亚马逊、微软等科技巨头，同样涉及人工智能领域。张奇表示，在2023年之前，Open AI等部分企业所做的生成式内容受到的关注度很低，大家更多采用boot的方式做生成。后来才全面转向生成式的方式。谷歌、Meta、亚马逊都起步稍晚，起始点都基于之前技术、人才、数据、算力的积累。

“谷歌虽然起步稍晚，但其拥有雄厚的分布式训练积累和数据、人才积累，因此很可能在短时间内逐渐缩小差距，甚至追平Open AI。与谷歌不同，Meta拥有丰富的计算、人才资源，初始就进行了开源，并在2023年3、4月份发布了Llama，打开了大语言模型的角度，与谷歌走了面对完全不同市场的两条道路。而亚马逊拥有丰富的计算资源和算力，但在人才和数据的积累方面弱于前两家企业，因此其路径就相对较少，成果并不突出。”他表示。

英伟达的“护城河效应”

乘搭Sora风口，英伟达交出了一份亮眼的“成绩单”。2023第四季度英伟达GAAP毛利率高达76%，再度刷新历史纪录；公司营收221亿美元，同比大增265%；净利润123亿美元，同比暴增765%；营收和利润已经连续三个季度创纪录，整体业绩规模增长良好，这意味着AI整体需求旺盛，由ChatGPT带来的大数据、大算力芯片的渴求更加急迫。

资料显示，全球AI芯片龙头英伟达由黄仁勋在1993年创立，该公司在1999年发明的GPU定义了现代计算机图形及后来革命性的并行计算。

Sora一炮而红，GPU霸主英伟达成了背后最大的赢家？Wind数据显示，截至美东时间3月11日，英伟达股价报857.74美元，总市值约2.14万亿美元，年内累计上涨73.21%。而黄仁勋的身家也超700亿美元，跻身全球二十大富豪之列，但其个人生活和消费却相当低调。

“2007年英伟达在市值只有10亿元的情况下，投入重资扩大CUDA平台，是它近15年发展的最重要决定。”对于英伟达业绩惊艳的原因，张奇分析称，英伟达对CUDA平台的开发，打破了原本为游戏计算所设计的GPU只能支持如Open CL图形学开发语言的限制，在金融计算、石油勘探、三维建模等多领域展现了其强大的计算能力，而且CUDA平台只支持英伟达的GPU，也为英伟达在AI部分计算领域进行事实性的垄断提供了便利，随着AI技术的不断提升和AI应用的不断扩展，英伟达展现出了越来越强的“护城河效应”。

张奇还指出，相比苹果依靠应用市场触达人群的商业模式，英伟达的商业模式更加开放，与之更加类似的是Windows和Intel的绑定状态。

未来需要解决的一个大问题

张奇认为，就目前人工智能行业发展趋势而言，英伟达未来的发展有几个变数。首先，假如随着技术发展，算法模型架构都基于transformer逐渐固化，则它的变形形式可能仅有20种算子，仅仅优化20种算子对于任何芯片厂商都能做到。这种情况下CUDA平台的“护城河效应”就会弱化，就会存在弯道超车的可能性。再加上英伟达公司受到“历史包袱”地制约，为保证扩大平台和游戏显卡的一致性，在其面向AI的芯片中保留了很多不适用于AI的设计，这就使英伟达在效率和价格方面存在弊端。Sora本次就采用了transformer架构，显现出了大一统的趋势，也对英伟达提供了大变化的可能性。如果未来又发现了效果更好的非transformer架构，由于重做芯片的成本高昂，对于英伟达而言是更大的机会。

随着Sora文生视频大模型的爆火，市场担忧其带来版权与深度伪造的隐患。张奇认为，文生图片、视频过程中，会涉及一些版权或人物肖像问题。目前，其视频来源、文本来源已经被联合起诉了。视频的生成需要大量的训练，需要从世界各地的视频中进行抓取，通过分析大量视频数据进行模型的建立，构建出视频内容中的相关性。但所抓取数据的版权是否允许它进行训练？被侵权后如何举证？甚至视频比文本的举证难度更大。因此，版权问题将是未来需要解决的一个大问题。

最后，张奇就目前国内的人工智能的未来发展进行了展望，他表示，国内目前在人才、算力、数据、资本资源上面并不欠缺，需要的是探索出一个适合的体制和机制将这些资源汇聚起来，以更好完成人工智能的发展。国内发展人工智能的优势在于中国人的努力程度，“在看到一个成功案例、拥有一个目标之后，我们的追赶速度比别人快得多”。