作为视频世界模拟器的Sora：通向AGI的重要里程碑.pdfVIP

新闻与传播研究

（2024·4）XINWENAIHAOZHE

作为视频世界模拟器的Sora：通向AGI的重要里程碑

□郭全中张金熠

【摘要】视频生成模型Sora表现出惊艳世界的物理世界理解与模仿能力，以视频世界模

拟器的身份成为AGI发展史上的又一里程碑。通过整理Sora的技术突破与技术局限，以

Sora为界将AGI发展历程划分为经验积累、能力涌现与全面泛化三个阶段，并对各阶段特

征进行概括梳理。基于上述梳理，归纳分析现阶段AGI对传媒业的新机遇与新挑战，包括

生产力再升级、职业认知更新与市场结构重塑，并对AGI未来发展趋势进行总结，指出AI

模型+智能机器人、元宇宙技术集成初显、AI鸿沟加剧与AI镜像视角拓展人类认知边界等

趋势。

【关键词】生成式人工智能；AGI；传媒业；AI鸿沟；镜像视角

自2022年底ChatGPT问世以来，AGI（通用人工（一）Sora的技术突破

智能）领域曙光初现，以多模态大模型为技术路径的与Meta推出的无监督视频预测模型V-JEPA不

生成式AI推动AGI持续量变，如今，视频生成模型同，Sora生成视频中对物理世界客观规律的理解与

Sora以更逼真、更稳定、更持久的视频生成效果惊艳呈现均来自规模效应，是Sora自身根据训练内容获

世界，OpenAI研发人员更称其为“构建物理世界通得的。尽管Sora与GPT系列、DALL-E系列的底层思

用模拟器的一条有前途的途径”。作为通向AGI的路基本一致，均践行的Scale-Law（规模标度法则），

里程碑，Sora以视频世界模拟器的身份登场，在训练但是前者在数据处理、算法架构与模型性能方面却

量足够大的基础上产生涌现能力，其中包括对物理呈现出极具创新性的技术突破，进入视频领域的生

规则的初步理解与模仿，尽管尚有不足，却如孩童般成式AI技术前沿。

正在快速成长。伴随能力突破，高速发展的AI也在1.提出Patch（补丁）概念并应用

持续加剧人们对职业前景、产业监管、社会伦理、国在数据处理方面，相对于文本、代码和图片生

家安全乃至物种存亡等方面的忧虑。站在AI发展的成，文生视频模型不仅需要理解语言，还需要理解图

重要节点，理解Sora及背后的技术逻辑、厘清AGI的像及其背后的时空关联。对此，OpenAI团队从LLM

发展历程，把握其为行业发展带来的机遇挑战，对各（大语言模型）中汲取灵感，将视频中的视觉数据转

行各业，尤其是受到严重冲击的传媒业来说尤为重化为Patches（补丁，类似LLM的Tokens），从而实现

要。故本文将重点整理Sora的技术突破与技术局视觉数据的统一表示。这一过程（如图1所示）借助

限，以Sora为节点梳理AGI发展历程，并基于此分析视频压缩网络将原始视频从高维度像素空间压缩至

现阶段AGI对传媒业的新机遇与新挑战，以及AGI低维潜在空间（Latentspace）并输出为潜在时空表

的未来发展趋势。示（Spacetimelatentpatches）实现，可以称为视频

的patch化（patchifies）。

一、何为Sora：作为视频世界模拟器

2024年2月15日，OpenAI在其官网发布了名

为《作为世界模拟器的视频生成模型（Videogener⁃

ationmodelsasworldsimulators）》，是视频生

成模型Sora与大众的初次见面。作为一个能够根据

文本指令或静态图像生成长达1分钟视频的扩散模

型，Sora进入了文生视频领域的技术前沿，但显然尚