面對Sora，馬斯克“坐不住”了
http://tinyurl.com/yscuvpuy
Sora橫空出世，“技驚四座”後，在AI領域一向野心勃勃的TeslaCEO埃隆·馬斯克（Elon Mu
sk）“坐不住”了。
近日，馬斯克在社交媒體上多次發表觀點或回覆評論，力證Tesla在視頻生成上的實力。馬
斯克表示：“Tesla在大約一年前就能以精確的物理生成真實世界的視頻。只不過，由於訓
練數據來自汽車，生成的視頻並不有趣。這些視頻看起來像Tesla的普通視頻，實際上是通
過動態生成的。”
馬斯克同時透露，由於FSD（FullSelf-Drive，完全自動駕駛系統）訓練算力不足，因此沒
有使用其他視頻進行訓練，但這是可行的。年內晚些時候，當Tesla有空餘算力時，就會繼
續訓練。
日前，馬斯克發佈了Tesla一年前模擬真實場景的自動駕駛視頻，並稱“Tesla視頻的生成能
力超越了OpenAI，它可以預測到極其準確的物理特性，這對自動駕駛至關重要”。
有網友看完視頻後稱，Tesla應該製作視頻遊戲。馬斯克對此回覆道：“我早就想這麼做了
，只不過想要製作遊戲，還需在Tesla推出FSD之後才可以。”
在自動駕駛路線選擇上，馬斯克一直堅定押注“純視覺路線”，即不依靠雷達等傳感器，僅
通過車載智能鏡頭作為傳感器輸入，經過特定算法的計算和處理，對車輛周圍的環境信息做
出精確感知，從而實現自動駕駛功能的一種技術方案。
馬斯克認為，純視覺路線才是最佳解決方案，因為人類開車時只採集視覺數據，所以機器開
車也應該如此。2021年1月，馬斯克宣佈：“從今往後去除雷達，這根拐棍太糟糕了，我沒
開玩笑。顯然，開車只用鏡頭的效果很好。”
2023年11月，Tesla宣佈已開始向員工推出FSD V12版本。中信證券分析稱，Tesla依賴神經
網絡的FSD V12為自動駕駛提供了一套未經證明的新路徑，若得以走通，將對行業產生較大
顛覆；FSD V12有望打造自動駕駛領域的基礎底座，引領視覺（算法）的GPT時刻。
在最新一次財報電話會上，馬斯克曾表示，Tesla在人工智能效率方面遠遠領先於世界上任
何其他公司。“事實上，我認為很多汽車公司都應該主動尋求FSD授權。我們已經進行了一
些初步的對話，但我覺得他們似乎還不相信這是真的。不過，今年應該會變得很明顯。我想
強調的是，如果我是另一家汽車公司的CEO，我肯定會聯繫Tesla，要求授權FSD技術。這絕
對是明智之舉。”
自動駕駛迎來新機遇
除了顛覆影視業，Sora或在自動駕駛上大有可為。360集團創始人、董事長周鴻禕說，“這
次OpenAI利用它的大語言模型優勢，讓Sora實現了對現實世界的理解和對世界的模擬兩層能
力，這樣產生的視頻才是真實的，才能跳出2D的範圍模擬真實的物理世界。”
周鴻禕認為，有強勁的大模型做底子，基於對人類語言的理解，對人類知識和世界模型的瞭
解，再疊加很多其他的技術，就可以創造各個領域的超級工具。比如生物醫學、蛋白質和基
因研究，包括物理、化學、數學的學科研究上，大模型都會發揮作用。這次Sora對物理世界
的模擬，至少將會對機器人具身智能和自動駕駛帶來巨大的影響。
周鴻禕稱：“原來的自動駕駛技術過度強調感知層面，而沒有工作在認知層面。其實人在駕
駛汽車的時候，很多判斷是基於對這個世界的理解。比如對方的速度怎麼樣、能否發生碰撞
、碰撞嚴重性如何。如果沒有對世界的理解就很難做出一個真正的無人駕駛。所以這次Sora
只是小試牛刀，它展現的不僅僅是一個視頻製作的能力，它展現的是大模型對真實世界有了
理解和模擬之後，會帶來新的成果和突破。”
中信證券在研報中稱，在技術上Sora採用了Diffusion Transformer的路線，OpenAI表示Sor
a在訓練過程中表現出了與其他模型不同的湧現能力，通過湧現學習到了物品的時間與空間
相關性以及與周圍世界的互動能力等等。得益於這種基於規模的湧現能力，如果後續持續擴
大模型以及訓練集的規模，那麼將來以Sora為基礎的模型可能做到模擬整個物理和數字世界
，成為真正的“世界模型”。
中信證券認為，長期以來，計算機視覺領域的研究一直過於碎片化，直到目前實際用例中的
計算機視覺模型仍根據不同任務採取不同的小模型。而Sora的成功以及其背後展現出的湧現
能力可能為計算機視覺領域的研究提供了一個明確的方向，成為未來視頻與模擬領域（例如
自動駕駛）的統一範式。