孟庆伟近日，OpenAI发布了48个9秒到60秒时长不等的视频样片，以此推出文生视频大模型Sora。样片中高清的场景、复杂的镜头动作，及其画面流畅度、逻辑性等表现，以及Sora可以支持多个角色视频创作的能力，让全世界的人们惊叹不已。

　　惊叹之余，中国各界尤其是产业界感受更多的是焦虑：一年多以前和数月之前OpenAI发布其通用大模型ChatGPT及GPT-4时，中国同行在发布对标产品及推出迭代产品时，尚可豪言短期之内追上，而此次面对Sora，尚无中国同行站出来喊类似口号。

　　一段时间以来，AIGC已经成为创业热点。无论是文生图，还是文生视频，均属于AI的一种应用。无论是在美国，还是在中国，也都有一大批文生图、文生视频类的创业项目。比如，在美国，Sora并非第一个文生视频类的AI应用。在其之前，Runway、StabilityAI、Pika以及谷歌的Lumiere等，均已推出类似产品，但其表现能力无法与Sora相提并论，它们产出的视频只有数秒时长，并且画面质量及表现较为初级，尤其是画面核心是动态的、周遭场景是静态的这一点，遭到Sora后来居上的吊打。

　　当然，Sora自身也并非尽善尽美，OpenAI在技术报告中也坦承Sora难以准确模拟复杂场景的物理原理，无法理解因果关系、可能混淆空间细节、难以精确描述随着时间推移发生的事件等不成熟之处。全世界各地的看官们，也在最初的惊叹之后，慢慢发现了Sora存在的种种Bug。这与ChatGPT及GPT-4的发布何其相似，现在人们已经习惯了它们“一本正经地胡说八道”。

　　ChatGPT、GPT-4乃至Sora的领先，归根结底是一种先发优势的领先。而且这种先发优势的建立，是有时间成本的。OpenAI是2015年成立的，ChatGPT、GPT-4分别于2022年11月、2023年11月发布，中间有八年时间的技术积累。Sora的13人团队又是在八年技术积累的基础上，进行了为期一年的高强度开发才一炮而红的。但是这种先发优势，在AI技术发展一日千里的当下，很容易被赶上。在美国，GPT-4不是已经有了Gemini、Mixtual等强劲竞争对手吗？

　　目睹美国同行的领先，中国同行有理由焦虑，却也不必妄自菲薄。但我们也必须认识到，正视差距、大大方方地承认差距，并且迅速找到弥补差距的路径，才是赶上AI技术浪潮的关键一步。正如字节跳动对Boximator的回应那样，告诉外界正在尝试一种不同但也许是更好的方法去开发AI视频应用，才是应对国外同行挑战的正确方式。字节跳动是短视频领域的领头羊，对短视频、算法、AI拥有深厚资源，我们需要耐心和时间来见证其研发能力。

　　我们应该承认，前两次AI技术浪潮的中心均在美国，美国同行在第三次AI技术浪潮的起步阶段领风气之先也属于技术积淀的领先、牢固基础的领先。从更加基础的层面来看，算法和算力的核心都是人才。

　　中国对基础学科比如数学的重视是举世公认的，但从AI技术发展角度来看，正如华为创始人任正非所说：“（中国）应该在基础教育和基础研究上加大投入，中国教育现在还是工业社会那种教育方式，主要是以培养工程师为中心的教育体系，所以人工智能在中国不可能发展很快。人工智能需要大量的数学家，需要大量的超级计算机，既是超级能力的链接，超级的程序器，这些地方来说中国还是一个在科技上起步的国家。”所以，从人才的角度布局AI，才是中国AI赶上全球技术浪潮的重中之重。只有解决了教育和人才的问题，才能产出更好的AI算法，才能解决芯片“卡脖子”问题，才能有更好更多的超级计算机，才能筑牢中国AI算力基座。

　　在这方面，令我们欣喜的是，2023年5月29日，中共中央总书记习近平在中央政治局第五次集体学习时强调，加快建设教育强国，为中华民族伟大复兴提供有力支撑。中国教育体制改革的顶层设计已经发生改变，明确提出未来中国教育目标是“加强拔尖创新人才自主培养，不断提升原始创新能力和人才培养质量，为解决我国关键核心技术攻关提供人才支撑”。2024年年初教育部已启动第三批基础教育改革工作，相关工作正在紧锣密鼓地推进。我们相信，假以时日，从新的教育体系下走出来的中国人才，一定会成为科技强国的重要支撑。

　　同时，我国应该进一步培育适合拔尖人才发挥科技创新、创业的土壤、舞台以及文化。另外，中国市场应该形成鼓励、支持原创，鄙视、惩戒抄袭的氛围，改变ChatGPT出来了就“套壳GPT”“拼凑GPT”等伪创新、赚快钱的思维惯性。只有做到这些，才能改变ChatGPT横空出世以后，人们纷纷叫嚷“中国版ChatGPT”在哪里，Sora诞生之后发问“谁是中国版Sora”的局面。也只有做到这些，才能真正实现中国原创、领先世界的最终目标。

　　第三轮AI技术浪潮尚在起步阶段，我们坚信，只有深刻理解他人先发优势背后的基础积累与建设，从人才、教育等根基问题抓起，筑根基而望长远，方可赢在未来。