兩年前，Sora的橫空出世曾引發(fā)全球AI領(lǐng)域的轟動(dòng)，但到2026年，這款曾被寄予厚望的視頻生成模型卻悄然退場(chǎng)，未能在市場(chǎng)上激起新的波瀾。從商業(yè)運(yùn)營(yíng)的角度看，這一結(jié)局并不令人意外——高昂的視頻生成成本與寥寥無(wú)幾的付費(fèi)用戶，讓OpenAI每天損失高達(dá)千萬(wàn)美元。

Sora的困境折射出更深層的問題：視頻生成大模型這一賽道是否已失去商業(yè)潛力？更廣泛地看，那些技術(shù)先進(jìn)卻難以盈利的AI創(chuàng)新，是否注定走向衰落？答案或許并非如此簡(jiǎn)單。盡管Sora未能成功，但其他國(guó)產(chǎn)視頻生成模型如快手的可靈AI、字節(jié)的Seedance等，已實(shí)現(xiàn)單月超2000萬(wàn)美元的收入，昆侖萬(wàn)維的SkyReels和MiniMax的海螺等模型也在逐步產(chǎn)生收益。

為何會(huì)出現(xiàn)“東方亮而西方暗”的局面？從技術(shù)層面看，Sora的領(lǐng)先優(yōu)勢(shì)已不復(fù)存在。在物理邏輯、畫面一致性及生成時(shí)長(zhǎng)等關(guān)鍵指標(biāo)上，部分國(guó)產(chǎn)模型已實(shí)現(xiàn)超越。更重要的差異在于市場(chǎng)生態(tài)——國(guó)產(chǎn)模型從誕生之初便擁有清晰的商業(yè)化路徑。在B端市場(chǎng)，蓬勃發(fā)展的微短劇產(chǎn)業(yè)為AI生成內(nèi)容提供了廣闊空間。尤其是下沉市場(chǎng)的爽劇，對(duì)邏輯、演技要求較低，AI生成的畫面可大幅縮短制作周期并降低成本。在C端市場(chǎng)，國(guó)內(nèi)大廠依托自有平臺(tái)實(shí)現(xiàn)“自產(chǎn)自銷”：Seedance依托抖音、可靈依托快手，用戶生成的視頻可直接一鍵分享，數(shù)億日活用戶的需求為模型提供了持續(xù)迭代的動(dòng)力。

OpenAI曾試圖為Sora打造視頻分享社區(qū)，但面對(duì)已成熟的TikTok等平臺(tái)，新平臺(tái)的同質(zhì)化缺陷和算法劣勢(shì)使其難以突圍。這印證了一個(gè)關(guān)鍵點(diǎn)：AI技術(shù)的商業(yè)價(jià)值不僅取決于技術(shù)本身，更取決于其能否嵌入需求旺盛的生態(tài)系統(tǒng)中。

當(dāng)前中美在AI領(lǐng)域的競(jìng)爭(zhēng)已形成鮮明特色：中國(guó)更擅長(zhǎng)將技術(shù)轉(zhuǎn)化為實(shí)際應(yīng)用。這種務(wù)實(shí)導(dǎo)向的產(chǎn)業(yè)邏輯曾引發(fā)擔(dān)憂：是否會(huì)因此長(zhǎng)期落后于基礎(chǔ)理論研究？但Sora的案例提供了另一種視角：中國(guó)龐大的制造業(yè)體系、14億消費(fèi)者的數(shù)字化市場(chǎng)，以及領(lǐng)先的電網(wǎng)建設(shè)和“東數(shù)西算”戰(zhàn)略帶來(lái)的低成本優(yōu)勢(shì)，共同構(gòu)建了獨(dú)特的需求側(cè)生態(tài)。這種生態(tài)能快速驗(yàn)證新技術(shù)場(chǎng)景，通過真實(shí)需求倒逼技術(shù)迭代，形成“應(yīng)用-數(shù)據(jù)-技術(shù)”的良性循環(huán)。例如，中國(guó)綠電價(jià)格僅為美國(guó)的一半，顯著降低了AI企業(yè)的運(yùn)營(yíng)成本。

然而，Sora的退場(chǎng)也敲響了警鐘。諾基亞從巔峰到停產(chǎn)用了十余年，而Sora僅存活兩年——AI時(shí)代的迭代速度遠(yuǎn)超傳統(tǒng)產(chǎn)業(yè)。中國(guó)AI產(chǎn)業(yè)需在保持應(yīng)用優(yōu)勢(shì)的同時(shí)，避免陷入舒適區(qū)。一方面，應(yīng)利用應(yīng)用端產(chǎn)生的高質(zhì)量行業(yè)數(shù)據(jù)，反哺垂直大模型的訓(xùn)練；將商業(yè)成功積累的資本投入芯片、算法等底層技術(shù)研發(fā)；并憑借場(chǎng)景經(jīng)驗(yàn)參與全球AI治理框架的制定。另一方面，需為“無(wú)用之用”的自由探索保留空間。科學(xué)史表明，許多看似“好玩”或短期無(wú)應(yīng)用前景的技術(shù)，往往能引發(fā)顛覆性變革。中國(guó)龐大的應(yīng)用市場(chǎng)和產(chǎn)業(yè)規(guī)模，為這類探索提供了更高的容錯(cuò)率。

對(duì)于當(dāng)前難以盈利的AI技術(shù)，或許不必急于下結(jié)論。讓技術(shù)在實(shí)際場(chǎng)景中接受檢驗(yàn)，在迭代中尋找價(jià)值點(diǎn)，可能是更理性的選擇。