今天与一个多年未见的海归同学吃饭，席间聊起了全球火爆的生成式 AI。

  关于 OpenAI 年内发布的 Sora ，直观来看和国内的 “文生视频”、“图生视频”、“视频生视频” 最大的区别在于，国内的 AI 视频技术生成内容长度只有几秒，而 Sora 可仅根据文本描述，就生成长达 1 分钟的视频。但同学认为，Sora 真正的优势在于生成了包含细腻复杂的场景、生动角色表情的多镜头连贯流畅视频，尤其是在人物面部刻画和场景切换上更加自然。他认为 Sora 通过去噪和梯度计算，学会复杂的图像渲染、直观的物理行为、长远规划能力以及语义层面的理解，从而模拟出真实或虚构的世界，预测事物即将发生的变化趋势，从而采取应对策略，才是 Sora 竞争力的根本。

 这让人联想到$百度(BIDU.US) “文心一言” 和月之暗面的 Kimi 两个大语言模型。Kimi 上线之初最大的特点是处理 20 万字的文本能力，这要比去年的 “文心一言” 以及其他的大语言模型处理能力都强，但这算不上技术上的超越，“道” 未变，仅 “术” 而已，与 Sora 相对于国内生成式 AI 视频的技术领先并不一样。今年百度已经快速开放了几百万字的长文本能力，可见文本字符规模并不算多么大的技术壁垒。

像本人创作时也经常使用百家号平台，在辅助创作时能够帮助过筛一些文字、标点的错误，Kimi 也没比百度更加高明。如果站在近期竞争点算力，和远期竞争点商业化模式来看，Kimi 目前怎么看也没有比 “文心一言” 断代领先的黑科技！百度商业化场景反而是更领先的一方！