當(dāng)?shù)貢r間3月24日，OpenAI宣布將逐步關(guān)閉其視頻生成工具Sora，并將研發(fā)重心轉(zhuǎn)向“能夠與物理世界互動的人工智能與機器人系統(tǒng)”。

這一消息引發(fā)了全球媒體和行業(yè)人士的熱議。在我看來，Sora退場看似產(chǎn)品層面的調(diào)整，實則折射出一個更深層的變化：生成式AI正在從“再現(xiàn)世界”（representation）的AIGC轉(zhuǎn)向“介入世界”（intervention）的具身智能/空間智能/物理智能。

2024 年 2 月，Sora的文生視頻功能一鳴驚人。

一、OpenAI的“元宇宙社交”落空和深度偽造危機

OpenAI 在 2024 年 2 月發(fā)布了Sora， 2025年9月30日發(fā)布了Sora2（模型 + 社交化 App 同時推出）。 初代Sora的本質(zhì)是內(nèi)容生產(chǎn)工具：用戶通過提示詞生成視頻，用于創(chuàng)作、展示或?qū)С觯溥壿嬋酝Ａ粼凇霸佻F(xiàn)”（representation）層面，即用戶把想象轉(zhuǎn)化為可視化內(nèi)容。而Sora2則明顯呈現(xiàn)出平臺化和社交化特征。它引入信息流分發(fā)、公開發(fā)布、二次創(chuàng)作（remix）以及身份嵌入（如 cameo）等機制，使視頻不再只是被觀看的對象，而成為可以被參與、改寫和傳播的“社會行動單元”。用戶既是創(chuàng)作者、分享者甚至“演員”。

通過Sora2，OpenAI意圖實現(xiàn)“視頻化元宇宙社交”——一個以生成式視頻為基礎(chǔ)的新一代社交平臺。但這一方向，從一開始就面臨結(jié)構(gòu)性阻力。

首先是用戶層面的“反社交媒體情緒”。從傳播學(xué)角度看，過去十余年，媒介不斷加深對人的“中介化”（mediation）介入：從文字到圖片，再到短視頻與算法推薦流，用戶的注意力越來越被平臺組織與塑形。當(dāng)這一過程達(dá)到某種閾值后，用戶必然反彈，例如今天，隨著用戶對算法分發(fā)的疲勞感增強和對“表演性自我”的倦怠上升，各種小范圍和低曝光的交流方式已經(jīng)開始回潮。

在這一社會情緒下，OpenAI推出“更重、更沉浸、更具壓力”的Sora2視頻社交乃不但沒有順用戶需求而為，反而有“逆潮流而動”的意味，因為用戶尚未消化短視頻帶來的認(rèn)知負(fù)擔(dān)，不太可能主動擁抱更高維度的沉浸式社交。

如果說用戶疲勞是“需求側(cè)問題”，那么人工智能背景下深度偽造（deepfake）帶來的信任危機則對Sora2的傳播形成了“制度性約束”。

長期以來，視頻被視為高可信度媒介，但生成式AI的出現(xiàn)，正在迅速侵蝕這一基礎(chǔ)：視頻可以被低成本偽造，真實與虛構(gòu)難以區(qū)分，內(nèi)容驗證成本大幅上升。

這實際上觸及了社會運行的一個底層機制：信任。當(dāng)一種媒介不再能提供“真實性背書”時，廣告主、平臺、用戶都將為之承擔(dān)更高的不確定性與風(fēng)險，這必然造成該媒介的商業(yè)價值下降。

二、壓縮人工智能平臺運營成本和規(guī)避法律風(fēng)險

相比文生文本與文生圖像，文生視頻在算力上的消耗呈現(xiàn)出明顯的“維度躍遷”。文本生成主要停留在詞元（token）級別的離散計算，圖像生成則是單幀的空間建模，而視頻生成不僅要處理空間信息，還需在時間軸上維持跨幀一致性與物理連續(xù)性。這意味著，諸如Sora這樣的系統(tǒng)，本質(zhì)上是一種“持續(xù)推理系統(tǒng)”（continuous inference system），其計算是一個極耗費算力的動態(tài)累積的過程。

由此帶來的直接后果是成本的急劇提升——文生視頻的單位成本遠(yuǎn)高于文生文和文生圖像，且目前還很難通過優(yōu)化下降。這也決定了Sora無法復(fù)制ChatGPT式的規(guī)模化路徑。

而且在用戶方面，文生視頻并非高頻剛需，其持續(xù)付費意愿有限，而平臺大規(guī)模免費提供服務(wù)又成本巨大。如果采取廣告模式，又因合成內(nèi)容的真實性與信任問題而受到約束。因此，Sora之所以“燒錢”，并非單純是OpenAI的商業(yè)策略失誤，而是由技術(shù)范式內(nèi)在規(guī)定造成的結(jié)果。

以Sora為代表的生成式視頻工具還面臨著越來越嚴(yán)重的法律風(fēng)險。例如，用戶可以輕易生成與既有IP高度類似的內(nèi)容，比如模仿漫威或迪斯尼旗下的角色、視覺風(fēng)格乃至敘事方式，也更容易觸發(fā)法律糾紛。系統(tǒng)還能生成他人的外貌、聲音甚至行為，并以此形成高度逼真的合成視頻。這樣的視頻一旦被惡意傳播，不僅侵犯個體肖像權(quán)利，還可能引發(fā)更廣泛的信任危機，而責(zé)任歸屬卻難以清晰界定。

在這些風(fēng)險之下，平臺必須承擔(dān)更高的合規(guī)成本、采取更復(fù)雜的審核機制以及面臨巨大的應(yīng)訴和敗訴風(fēng)險，這嚴(yán)重削弱了Sora的商業(yè)化可能。

三、人工智能發(fā)展的技術(shù)轉(zhuǎn)向：從“再現(xiàn)”到“行動”

以上因素可以解釋Sora“為什么難”，但不足以解釋一個更關(guān)鍵的問題，即OpenAi為什么選擇現(xiàn)在關(guān)閉Sora？答案在于人工智能整體的技術(shù)發(fā)展路線的轉(zhuǎn)向。

在一篇發(fā)表于2024年初的論文中，我指出，人工智能被稱為“下一個新媒體”（the next new media）。它的發(fā)展呈現(xiàn)出兩條日益清晰的路線：（1）離身溝通型AI（“延展的心靈”）：人類對媒介技術(shù)的應(yīng)用過程，從模擬媒介、數(shù)字媒介、社交媒體到大語言模型人工智能，是一個日益虛擬化/去物質(zhì)化/離身化的過程。該過程正引導(dǎo)我們脫離碳基身體，最終建構(gòu)出一個與現(xiàn)實世界共存和交互的虛擬世界，即元宇宙（人、物和環(huán)境的數(shù)字孿生）。這一趨勢尤其體現(xiàn)在近兩年來文生文字（text to text）、文生音頻（text-to-speech）、文生圖（text-to-picture）和文生視頻（text-to-video）等人工智能技術(shù)的增加和完善上。（2）具身溝通型AI（“心靈的延展”）：即人工智能延展出硅基身體以與現(xiàn)實環(huán)境實時互動和不斷學(xué)習(xí)。這最初體現(xiàn)為各種可穿戴式設(shè)備、智能音箱、自動駕駛、寵物機器人，直到基于文生動作（text-to-acts）的人形機器人。這兩個發(fā)展路線呈雙螺旋相互促進(jìn)的關(guān)系。

或者，簡要而言，人工智能目前存在兩種發(fā)展路徑。

其一：再現(xiàn)（Representation），包括文本（ChatGPT）、圖像（DALL·E）和視頻（Sora）等應(yīng)用，其核心能力是：模擬世界、生成內(nèi)容。

其二：行動（Intervention / Embodied AI），包括機器人系統(tǒng)、自動駕駛和智能體，其核心能力是：進(jìn)入世界、改變世界。

OpenAI 此次明確表示轉(zhuǎn)向“與物理世界互動的AI”，意味著其判斷已經(jīng)發(fā)生變化：路徑一的邊際價值正在下降，而路徑二才是下一階段的戰(zhàn)略高地。從這個角度看，Sora的退出并非失敗，而是OpenAI的一次“資源重配”。借用馬歇爾·麥克盧漢 的經(jīng)典判斷而言，媒介不僅是信息載體，更是“人類感知與行動的延伸”：視頻生成強化的是“感知延伸”（讓人看到更多）；機器人強化的是“行動延伸”（讓機器替人做事）。

這兩者的社會意義有所不同：前者改變的是體驗，后者改變的是生產(chǎn)與現(xiàn)實結(jié)構(gòu)。因此，從視頻生成轉(zhuǎn)向機器人，本質(zhì)上是一種“從文化工業(yè)走向基礎(chǔ)設(shè)施”的躍遷。

四、Sora只是被階段性擱置

盡管如此，我們也不宜將Sora視為一條被徹底放棄的路線。更準(zhǔn)確的判斷是：它只是被“階段性擱置”。如果未來算力成本顯著下降、對深度偽造能形成成熟的監(jiān)管與水印體系，以及視頻生成在教育、影視工業(yè)等領(lǐng)域形成剛需，那么，類似Sora的技術(shù)很可能重新回歸。但屆時，它的形態(tài)大概率不會是“社交媒體平臺”，而更可能嵌入到專業(yè)生產(chǎn)體系中，成為一種工具，而非一個入口。

OpenAI宣布將逐步關(guān)閉Sora，標(biāo)志著其AI發(fā)展戰(zhàn)略已從路徑一轉(zhuǎn)向路徑二——具身智能。然而，我們不應(yīng)將此簡單解讀為產(chǎn)品失敗或用戶不買賬，而應(yīng)置于更長時間尺度的技術(shù)演化中審視。從“讓機器像人一樣表達(dá)”到“讓機器像人一樣行動”，這一轉(zhuǎn)向恰恰呼應(yīng)了馬克思在《費爾巴哈提綱》中提出的觀點：“哲學(xué)家只是用不同方式解釋世界，真正關(guān)鍵的是去改變世界”。