Sora让视频生成更富想象力 能帮助苹果Vision Pro普及吗？

上周，美国科技股上演了一场“资本盛宴”。受Sora大模型发布的提振，英伟达引领AI公司股价飙升，该公司市值历史上首次触及2万亿美元大关，并带动Meta、微软等公司股价大涨。市场人士认为，AI有望进一步推动英伟达涨势，在加入“2万亿美元”俱乐部后，英伟达赶超苹果市值将不再遥不可及。

在这一轮由AI大模型触发的科技浪潮中，苹果公司却未能分得一杯羹。自上个月市值被微软超越后，苹果股价一路走低。该公司推出的重磅混合现实可穿戴产品Vision Pro的发布也未能提振苹果股价表现。自Vision Pro正式开卖近一个月以来，苹果股价累计跌幅超过6%，目前市值2.8万亿美元，比微软落后近2000亿美元。

Vision Pro发布之初，市场给予该设备较大的预期。苹果CEO库克将这款设备的发布宣告为“空间计算时代的到来”。他称：“Vision Pro是有史以来最先进的消费电子设备，其革命性且神奇的用户界面将重新定义我们联系、创造和探索的方式。”

在Sora大模型发布后，很快有用户将Sora生成的视频转化成苹果Vision Pro可看的3D空间视频。有科技博主表示：“Sora Vision Pro意味着你可以描述一个世界，并且在这个世界中存在。”

从这一角度来看，Sora的问世给Vision Pro带来了更多的内容。但专家向第一财经记者强调，Sora创建的视频仍是普通视频，而不是基于空间计算的空间视频，因此还不能直接为Vision Pro来创建视频。

“理论上所有的视频都可以转化成空间视频，Sora并不懂空间计算，它生成的视频也是普通的视频，所以与Vision Pro没有直接的关联。”某3D生成式AI初创公司技术负责人对第一财经记者表示。

他表示，自己也使用苹果的Vision Pro做了一些3D视频，但这些视频仅供展示，对于Vision Pro未来的应用场景如何开发，还没有很成熟的想法。

他告诉第一财经记者，3D视频需要包括空间信息，比如每个像素点在空间中的位置信息，也被称为“深度”（depth），普通视频通过生成depth，可以转化为Vision Pro可看的具有3D效果的空间视频。

上述技术负责人认为，短期内Sora的视频生成还不会涉及3D生成，因为3D和文本、图片和视频生成有本质的区别，其难点并不在于获取高度一致性的连续多角度图像，而在于工业标准。“否则照片建模早就统治模型生产工作了。”他表示。

在工业领域，苹果公司已经在寻求与3D软件企业合作。达索系统全球品牌执行副总裁Philippe Laufer向第一财经记者证实，目前正在与苹果公司合作，为Vision Pro开发全新的设计体验。“达索系统的商业客户也是苹果公司非常需要的。”Laufer表示。

利亚德集团副总裁、虚拟动点CEO刘耀东对第一财经记者表示，针对Sora大模型的一个争议焦点就是它是否理解了物理世界，这就包括对空间感的理解，从目前发布的信息来看，Sora还不具备这个能力。“讲白了，Sora目前有点像能够生成会动的拼图世界，但还是二维的。”他表示。

北京智源人工智能研究院前理事长张宏江也对第一财经记者表示，Sora大模型与空间计算是两回事，并没有涉及空间计算的概念。

浙江大学人工智能研究所所长吴飞从技术的角度介绍称，Sora先将文本单词和视觉子块映射到同构低维隐性空间，在这一低维隐性空间中引入扩散模型，对视觉信息反复迭代，千锤百炼地挖掘文本单词、空间子块和时空子块之间的关联关系。

“这种方式好比先通过‘车同轨、书同文’，将文本、视觉等异构信息投影到同构空间，然后再通过‘先破坏（添加噪音）’、‘再重建（去除噪音）’的迭代手段，来洞悉视频中各种不同单元在时间和空间中的关联关系，从而甄别和学习纹理、运动、光照、遮挡、交互等复杂视觉物理规律。”吴飞在一篇科普撰文中写道。

但也有业内人士认为，Sora大模型与空间计算两者的结合，未来可能开启对物理世界更深入的模拟和理解的方法，加速实现所谓的“元宇宙”。

研究机构Canalys分析师刘健森对第一财经记者表示：“可以说生成式AI在类似于元宇宙的虚拟世界建设方面会有所帮助，因此Sora会在一定程度上助推Vision Pro的生态应用，但Vision Pro最先的使用者肯定以行业开发者为主，向个人消费者普及还需要一个过程。”

Canalys此前预测，Vision Pro上市后一年内可能都会面临缺货，而五年后的产量可能会增加至1260万台，约占iPhone当前装机量的1%；届时Vision Pro用户数量有望将达到2000万，占MacBook装机量的15%。

尽管近期有网上传言称Vision Pro首批用户已有退货的，但刘健森对第一财经，该机构对Vision Pro的需求维持原来的预期。