今年3月，OpenAI意外宣告终止Sora项目，此时距离Sora 2发布仅过去半年。我们仍记得它初次亮相时的轰动——朋友圈里充斥着用它制作的各种视频，持续刷屏多日！在Seedance 2和可灵3推出之前，Sora 2无疑是全球顶尖的视频大模型，在硅谷巨头中，只有谷歌的Veo能与之匹敌。然而，之后便再无下文……

当时的局面颇为反常：

OpenAI全面关闭了所有Sora相关服务，包括API；用户数据将在一定时间后被清除。不久前与迪士尼签署的10亿美元投资协议自然未能生效。

OpenAI相当于彻底退出了正在崛起的视频生成模型市场，没有留下任何备用方案。假如几年后它想重返这个领域，恐怕得重新开始，因为Sora的积累已不复存在。

对于这一令人困惑的现象，当时市场的主流看法是：OpenAI需要集中资源提升编程能力，抢占新兴的Agentic Coding & Workflow市场，而这个市场当时已被Claude主导。

这种解释有一定道理，但OpenAI为何不保留一小块阵地，比如继续为特定企业客户提供视频生成服务？为何要完全退出？尽管视频生成消耗大量算力，但OpenAI难道连有限规模的Sora算力都负担不起吗？

还有一种荒谬的说法，即“视频生成市场根本不赚钱”、“很快就会消亡”——主要见于精英论坛知乎。自2022年底ChatGPT问世以来，知乎对AI行业的技术和市场判断几乎全盘错误，成为完美的反向指标。对视频生成的判断只是这群无知傲慢的所谓“技术人才”做出的众多愚蠢结论之一，不值一驳。

01

过去一周，随着GPT-6 Astra的走红，我在与影视行业的朋友交流时，终于领悟到：当初OpenAI毅然放弃Sora，或许是因为早早意识到现有的原生视频生成模式无法满足工业级影视作品的需求，至少不能单独满足。未来的精品化、能登上大银幕的视频生成，离不开Agentic Coding模式，而Astra恰恰在这方面取得了新突破。结果就是，Astra并非视频大模型、不具备视频生成能力，却正成为视频生成中不可或缺的重要工具。

原生视频模型，无论是Sora还是Veo，可灵还是Seedance，海螺还是HappyHorse……都无法克服一个致命问题：抽卡本身的不确定性。由于视频生成本质上是随机的，无法进行调度，导演永远无法精确控制一切。如果是一些细节问题（比如一致性），还可以通过反复抽卡来解决；但关键的调度和镜头语言问题，无论抽多少次卡都难以实现。

在短剧乃至部分互联网原生中剧中，这并非大问题。红果上每天涌现上千部AI短剧（包括AI真人剧和漫剧），绝大多数谈不上什么调度，镜头语言比较单一，观众看重的是剧情。不过这个市场也容易饱和，尤其是竖屏短剧市场，变化空间太小，我估计现在已接近饱和。接下来的增量可能还是得指望横屏和大银幕（包括电视屏幕），那里才是真正能做出差异化的地方，制作单位的预算也明显更大。

02

Astra的诞生给视频制作者提供了一个全新选择：

是否可以通过Astra操控Blender等专业3D建模软件，构建一个完整场景，甚至将主要人物的运动轨迹都设计出来，从而实现“调度”？

别误会，这样生成的内容本身并非工业级视频，无法直接呈现给观众。但上述内容可以输入到Seedance或可灵中，作为Prompt的一部分，这对输出精度的提升可不是一星半点！

举个例子：以前你想制作一个复杂的动作戏，主人公和反派在西部酒吧场景中拔枪互射，现场十分混乱，许多道具被破坏，人物运动令人眼花缭乱，最后当然是主人公成功击杀了反派。这种复杂场景是原生视频模型的噩梦！你只能用尽可能详细的文本，加上大量图片（最好有手绘图），去调教模型。至于每个道具（比如桌子、椅子）的具体方位、形状和材质，就更难把控了。顺便说一句，大部分视频模型对每个场景能输入的图片Prompt数量有限制，你无法通过无限制补充图片来完善所有细节。

最好的方法当然是给视频模型提供一套3D建模，把这个3D场景本身作为Prompt，复杂的人物和道具关系就一劳永逸地解决了。说起来容易，但做起来呢？传统3D建模要花费多少人力物力？我们使用AI做视频就是为了节约成本，如果还要在3D场景构建上投入大笔资金，岂不是南辕北辙？而且即便花了钱也不一定能完成任务，优秀的3D艺术家和技术人员都很难找，这无需多言。

Astra解决了这个问题：它能通过Coding操控专业3D软件去构建场景和人物，让人物在场景中“走戏”，从而真正解决AI视频的调度问题。如果你只想要一个示意、效果展示，或者简单的PV，其实Astra + Blender已经足够！要做复杂、较长的视频，则还需要借助原生视频模型。公平地说，就视频生成本身而言，Seedance仍然是目前最好的。

03

然而，不管接下来视频模型如何发展、谁占据领先地位，Astra这样具有强大Agent能力的文本模型，已经悄然占据了“指挥官”的位置：你想做的事情越复杂、对精确度的要求越高，就越要依赖Astra（或其同类模型），而且它们的Agent能力还会进一步提升，谁知道接下来还能创造什么奇迹！

Seedance也好，可灵也好，Veo也好，在AI视频中发挥的作用虽然不可或缺，但并非“最重要”的。就像在球场上，它们最终可能只是“工兵”或“角色球员”，Astra（或其竞品）则是中场组织者。我们都知道，后者的身价和薪酬会远远超过前者，现在已有这种趋势。

那么，视频模型的开发者是否知道这一点呢？显然是知道的，我认为Seedance的开发者——字节跳动，早就意识到了，并在考虑对策。Astra发布没多久，就传出字节跳动要基于Seedance去做“世界模型”的说法。媒体猜测这是要进军游戏乃至元宇宙产业，但我认为字节跳动的目标更实际，就是通过世界模型，为视频创作者提供更自由、更精确的调度空间。再过两三年，AI视频创作或许就是让3D建模的角色在世界模型里“演出”一遍，再把演出视频进行修改润色，最终包装生成为工业级视频。这与传统影视行业的制作思路一致！

由此看来，五个多月前OpenAI突然宣布放弃Sora，简直是一个英明的战略决策。Sam Altman当时是否想到这一层？不得而知，反正结果很好。这对整个AI视频赛道也是好事。我始终认为，只有尽可能摆脱抽卡带来的不确定性，AI视频才能进一步拓展空间，超越短剧层面，进入更广阔的未来。

我非常期待这个未来！

本文来自微信公众号 “互联网怪盗团”（ID：TMTphantom），作者：怪盗团团长裴培，36氪经授权发布。