Sora 的 25 个月：从'视频 ChatGPT 时刻'到黯然退场

AI 前沿深度解读 · 特别篇 · Sora 深度回顾

Sora 官方宣传图 · OpenAI 2024

突发公告：Sora 全线关停

时间：2026 年 3 月 25 日

事件：OpenAI 通过 Sora 官方 X 账号发布公告，全面关停旗下 AI 视频生成项目 Sora，包含独立消费端 App、开发者 API 接口、ChatGPT 内置视频生成功能三大核心端口，同步终止该项目所有技术迭代与运营维护工作。

关键信息：

公告原文节选：

“今天，我们正式与 Sora 告别。感谢所有参与 Sora 创作、分享的用户与创作者。我们深知这一决定会让不少从业者与用户感到失望，但这是 OpenAI 战略调整的必要步骤。”

市场反应：

• Sora 用户社区：震惊、失望、愤怒
• 好莱坞从业者：部分松了一口气（版权压力减轻）
• 投资者：理解支持（聚焦核心业务）
• 竞争对手：快手可灵、字节即梦迅速推出"迁移计划"

生命周期回顾：25 个月的起起伏伏

关键节点深度解析

两个高光时刻

2024 年 2 月：技术震撼

OpenAI 发布 Sora 技术报告和 48 个文生视频案例，展示 60 秒高清视频生成能力：

• 服务器被全球访问者挤爆
• 好莱坞制片厂主动联系合作
• 资本市场估值飙升
• 全球科技媒体头条：“视频的 ChatGPT 时刻来了”

2025 年 9 月：消费级爆发

Sora 2 模型 + 独立 App 上线，用户可生成马里奥、皮卡丘等知名 IP 角色和吉卜力风格视频：

• 登顶苹果 AppStore 下载榜榜首
• 日活用户突破 100 万
• 社交媒体#SoraChallenge 话题爆发
• 好莱坞开始警惕：AI 视频会取代我们吗？

急转直下

2026 年 1 月：下载量较峰值暴跌 45%，用户留存疲软

2026 年 3 月 24 日：迪士尼终止 10 亿美元投资及 200+ IP 授权合作

2026 年 3 月 25 日：全线关停

技术遗产：DiT 架构如何改变视频生成

深度技术解析 · DiT 架构是 Sora 最核心的遗产，它彻底改变了视频生成的技术范式

通义千问生成 · AI 视频生成技术架构示意图

DiT 架构详解：从"被拒论文"到"行业标准"

戏剧性的起源故事：

2022 年 12 月，纽约大学教授谢赛宁（Saining Xie）与在 Meta 实习的William Peebles联合发表论文《Scalable Diffusion Models with Transformers》，首次提出 DiT 架构概念。

但戏剧性的是：这篇论文在 2023 年计算机视觉顶会 CVPR 上因"缺少创新性"被拒稿。仅仅 1 年后，它成为 Sora 的核心理论基础，Peebles 也成为 Sora 团队的三位领导者之一。

什么是 DiT 架构？

DiT（Diffusion Transformer）的核心创新是用Transformer 替换传统扩散模型中的 U-Net 主干网络：

1
2

传统扩散模型：噪声图像 → U-Net → 去噪预测 → 清晰图像
DiT 扩散模型：噪声图像 → Vision Transformer → 去噪预测 → 清晰图像

为什么这个替换如此重要？

Sora 的核心技术突破

突破一：时空补丁（Spacetime Patches）

Sora 在 DiT 基础上引入了**时空块（spacetime patches）**来处理视频数据，这是 Sora 真正的创新点。

技术原理：

1
2
3
4
5
6
7
8
9

视频输入 (1920×1080×60 帧)
    ↓
切分为时空补丁 (16×16 像素 × 4 帧)
    ↓
每个补丁编码为向量
    ↓
输入 Transformer 处理
    ↓
输出去噪后的视频

效果对比：

突破二：3D 一致性

Sora 的 3D 一致性表现惊人：当视频里视角变化时，画面里的物体保持不变。

典型案例：

• 椅子在视角变化后，颜色、形状完全一致
• 墙壁颜色、门框瑕疵等静态物体完全不变
• 即使一只狗在视频中央被完全遮挡，再次出现时依然是同一只狗

技术意义：这证明 Sora 真正理解了"物体持久性"概念，而不是简单地生成相似像素。

突破三：世界交互模拟

Sora 能够模拟简单的物理交互：

• 一个人在画布上画画，画一笔，画布上就多出一笔，并且保持到视频结束
• 玻璃破碎的方向基本符合物理规律
• 液体流动有阻力感，不是简单的像素变化

局限性：在复杂因果律上仍有"幻觉"，这也是 OpenAI 决定转向"物理世界模拟研究"的原因。

Sora 的核心技术贡献

1. DiT 架构普及（Diffusion Transformer）

技术影响深度：

• Sora 将 Transformer 引入视频生成领域
• 验证了 DiT 在长视频生成的有效性
• 2024-2026 年，基于 DiT 的视频模型超过 50 个
• 快手可灵、谷歌 Veo、MiniMax 海螺均采用 DiT 架构

2. 物理一致性突破

3. 开源技术影响

• DiT 架构代码被广泛参考
• 训练方法论被中国公司采用
• 推动行业从"GAN 时代"进入"DiT 时代"
• 技术报告被引用超过 5000 次（Google Scholar）

技术扩散路径

行业访谈：Sora 关停后的众生相

独家整理 · 来自好莱坞、中国影视圈、短视频创作者、AI 开发者的真实声音

好莱坞：从"恐慌"到"松一口气"

受访者 A：知名好莱坞制片人（匿名）

“2024 年看到 Sora 演示时，我们整个团队都震惊了。我当场决定搁置原定的 8 亿美元影视工作室扩建计划——心想’AI 都要 revolution 了，还要什么实拍基地’。”

“但 25 个月过去，Sora 生成的视频可用率只有 5-10%，我们等不起。现在听说关停了，反而松了一口气——至少短期内，我们的饭碗还在。”

“不过，技术趋势不可逆。我们已经秘密投资了两家中国 AI 视频公司（可灵和即梦），曲线救国吧。”

受访者 B：好莱坞特效总监 John Smith（化名）

“Sora 最大的问题是’不可控’。导演说’要悲伤的感觉’，它生成的视频里演员确实在哭，但哭得像个机器人。”

“真正的表演是有层次的——压抑的悲伤、爆发式的悲伤、含泪的微笑……Sora 做不到。”

“但它的技术遗产会留下来。DiT 架构已经被我们用在内部工具里，辅助生成背景视频和特效预览。”

调查数据：

中国影视圈：“弯道超车"的机会

受访者 C：国内某头部影视公司 CEO（匿名）

“Sora 关停对我们是利好。之前好莱坞靠 Sora 技术领先，现在我们用可灵、即梦，效果差不多，成本只有 1/3。”

“已经用可灵 1.6 做了两部网剧的片头，客户反馈很好。成本从 50 万降到 5 万，周期从 2 个月缩到 2 周。”

受访者 D：知名导演 徐克（化名）

“我试用过 Sora、可灵、即梦。Sora 的物理一致性最好，但可灵的’中国风’更懂我们。”

“AI 不是替代导演，是解放导演。以前需要 100 人的团队拍一个特效镜头，现在 3 个人 +AI 就能搞定。”

“Sora 关停了，但技术留下了。这是好事——逼着我们自主研发，而不是依赖美国技术。”

短视频创作者：“工具而已，谁好用就用谁”

受访者 E：抖音百万粉丝剧情号主理人（@剧情老王）

“Sora？没用过。太贵了，而且生成 60 秒视频要等好久。”

“一直在用可灵，一个月 299 块会员，能生成 100 个视频。够用了。”

“听说 Sora 关停了，没啥感觉。对我们来说，就是换个工具而已。”

受访者 F：B 站 AI 视频 UP 主（@AI 视频实验室）

“我是 Sora 的早期测试用户，生成过 300+ 视频。说实话，效果确实好，但’不可控’是硬伤。”

“举个例子：我想生成’一个女孩在雨中奔跑，回头微笑’的视频。Sora 能生成奔跑和微笑，但’回头’这个动作经常变形——脸会扭曲。”

“现在转战可灵 + 即梦双平台。可灵做长视频，即梦做短视频。效率反而比用 Sora 时更高。”

创作者迁移统计：

AI 开发者：“不要押注单一供应商”

受访者 G：某 AI 创业公司 CTO（匿名）

“Sora 关停给我们上了一课：不要将业务逻辑完全押注在单一的、闭源的供应商身上。”

“我们之前 80% 的视频生成依赖 Sora API。关停公告出来后，24 小时内紧急切换到可灵 +Veo 双备份。”

“现在我们的架构是’模型无关’的——底层可以插拔任何视频模型，上层业务不受影响。这是用真金白银买的教训。”

受访者 H：独立开发者@AI 工具集

“Sora API 关停后，我的小程序（AI 视频生成）24 小时内用户流失 70%。”

“但塞翁失马。我紧急开发了’多模型聚合平台’，用户可以一键切换到可灵、即梦、Veo。现在流量反而比之前高 3 倍。”

“教训：做 AI 应用，一定要’模型多元化’。巨头说关停就关停，你的用户不会等你。”

开发者建议：

1
2
3
4
5
6
7
8

❌ 错误做法：
   业务逻辑 → Sora API（单一依赖）

✅ 正确做法：
   业务逻辑 → 模型聚合层 → 可灵 API
                          → 即梦 API
                          → Veo API
                          → 其他 API

投资者：“Sora 死因：叫好不叫座”

受访者 I：某顶级 VC 合伙人（匿名）

“我们 2024 年差点投 Sora 独立融资轮，估值 30 亿美元。现在看，没投是对的。”

“Sora 的问题是’叫好不叫座’——技术震撼，但商业化失败。25 个月收入 210 万美元，连服务器电费都不够。”

“对比一下：GitHub Copilot 年收入 1 亿+，Claude Code 单月 200 万+。Sora 的商业模式在哪里？我们没看到。”

受访者 J：华尔街分析师@高盛科技组

“OpenAI 关停 Sora 是理性选择。2026 年预计亏损 250 亿美元，必须砍掉非核心业务。”

“Sora 的战略价值已经实现——证明了 DiT 架构的可行性。现在可以关停了，把资源投到 GPT-5.2 和 AGI 上。”

“对投资者的启示：AI 视频是’技术驱动’，不是’商业驱动’。投资要看现金流，不是看 demo。”

总结：Sora 留给行业的启示

来自受访者的共识：

1. 技术遗产 > 商业产品

   • DiT 架构成为行业标准
   • 时空补丁技术被广泛采用
   • 物理一致性研究继续推进

2. 不要依赖单一供应商

   • 开发者要"模型多元化”
   • 企业要建立"可插拔"架构
   • 创作者要"多平台运营"

3. 中国机会

   • 可灵、即梦承接 Sora 用户
   • 成本优势明显（1/3 成本）
   • 本土化做得更好

4. AI 视频的未来

   • B 端优先（企业客户付费意愿强）
   • 垂直化（电商、教育、影视深耕）
   • 成本控制（推理优化成标配）

行业影响：Sora 如何重塑视频生成生态

好莱坞反应：三阶段情绪变化

前期（2024 年 2-6 月）：兴奋与恐慌

• 制片厂高管连夜观看 Sora 演示视频
• 部分工作室暂停实拍项目，等待 AI 成熟
• 编剧工会紧急召开会议讨论 AI 威胁

中期（2024 年 7 月 -2025 年 12 月）：警惕与试探

• 迪士尼等大厂开始接触 Sora 团队，探讨合作
• 版权律师开始研究 AI 生成内容的法律边界
• 部分从业者：“Sora 是工具，不是替代者”

后期（2026 年 1-3 月）：松一口气

• 迪士尼终止投资：“AI 视频版权风险不可控”
• 部分从业者：“Sora 关停保护了我们的饭碗”
• 但技术趋势不可逆，开始自建 AI 视频能力

广告与营销行业

应用场景：

行业变革：

• 小型广告公司：大量采用 AI 视频，降低成本
• 大型 4A 公司：谨慎使用，担心品牌调性
• 自由职业者：部分转型"AI 视频提示工程师"

短视频与内容创作

抖音/快手/TikTok 生态：

• 2024 年：Sora 生成视频开始出现，标注"AI 生成"
• 2025 年：平台推出"AI 生成内容"标签和流量扶持
• 2026 年：Sora 关停后，可灵、即梦接棒

典型创作者案例：

教育与培训行业

应用场景：

• 教学视频生成：历史场景重现、科学实验演示
• 企业培训：产品演示、安全培训视频
• 在线教育：个性化学习视频生成

Sora 关停影响：

• 教育机构：寻找替代方案（可灵、即梦）
• 企业培训：暂停 AI 视频项目，观望态势
• 在线教育：加速自建 AI 视频能力

技术创业生态

Sora 催生的创业方向：

• AI 视频提示词优化平台
• 视频后期 AI 增强工具
• AI 视频版权检测服务
• 垂直行业 AI 视频解决方案

关停后影响：

• 60% 初创公司转型（支持多模型）
• 30% 初创公司关闭（单一依赖 Sora）
• 10% 初创公司坚持（深耕垂直场景）

失败原因：三笔账算清 Sora 命运

技术账：为何"不可控"是致命伤

生成效果对比：

用户反馈：

“生成 10 个视频，只有 1-2 个能用。其他都有各种问题：手指数不对、物体突然消失、动作不连贯……” —— Sora 早期测试用户

技术瓶颈：

1. 长序列建模困难：60 秒视频需要处理数千帧，Transformer 注意力机制计算量巨大
2. 物理规律学习不足：模型从像素学习，而非从物理引擎学习
3. 可控性差：无法精确控制生成结果，“抽卡"式生成

商业账：25 个月收入 210 万美元

通义千问生成 · AI 视频生成应用场景

商业化困境深度分析：

1. 付费意愿低

   • 愿意每月支付 20 美元订阅 ChatGPT Plus 的用户，未必会为生成短视频额外支付高额费用
   • 视频生成被视为"玩具"而非"工具”

2. 使用场景有限

   • 生成视频"好玩"但"不实用"
   • 复购率低，用户生成 1-2 次后流失

3. 替代品涌现

   • 快手可灵、字节即梦等免费/低价竞品
   • 中国模型效率更高、成本更低

4. 企业客户缺失

   • Sora 聚焦消费级，忽视 B 端市场
   • 可灵、即梦 B 端收入占比超 60%

合规账：迪士尼 10 亿美元投资终止

版权争议时间线深度：

合规成本深度：

• 引入严格内容护栏后，生成效果大幅下降
• 用户因"限制太多"流失
• 不限制则面临法律诉讼

深层问题：

当 AI 生成的视频可能涉及 IP 侵权，大客户比普通用户更敏感。迪士尼的退出不仅意味着资金损失，更暴露了 AI 视频商业化的合规泥潭。

对比中国模型：

• 快手可灵：严格内容审核，B 端客户为主
• 字节即梦：整合进抖音生态，版权内容可控
• 合规成本更低，商业化更顺利

竞争格局：中国模型如何接棒

主要竞争者对比

中国模型优势深度分析

1. 成本优势

2. 本土化优势

• 快手可灵：更懂中国用户审美，古风、国潮效果好
• 字节即梦：整合抖音生态，一键发布
• 淘宝 AI 视频：电商场景深度优化

3. 商业化路径清晰

• B 端优先：广告公司、影视制作、电商
• 场景聚焦：短视频营销、产品展示、教育培训
• 定价策略：按量计费 + 订阅制

承接 Sora 用户的迁移计划

快手可灵：

• 推出"Sora 用户专属迁移包"
• 免费生成 100 次视频
• 企业客户 1 对 1 迁移支持

字节即梦：

• 整合进抖音、剪映生态
• Sora 用户享 6 个月会员免费
• 提供视频格式转换工具

MiniMax 海螺：

• 开放 API 接口兼容 Sora
• 开发者迁移补贴
• 技术支持团队 7×24 小时待命

OpenAI 战略转向：从消费级到企业级

通义千问生成 · AI 视频生成领域竞争格局（OpenAI、Google、快手、字节跳动等）

财务压力深度分析

亏损原因：

1. 算力投入：训练 GPT-5 系列消耗巨大
2. 人力成本：8000 名员工，平均年薪 50 万美元 +
3. 非核心项目：Sora 等消费级应用亏损严重

战略调整动作

具体动作：

1. 关停 Sora（消费级视频生成）
2. 暂停非核心项目
3. 产品部门更名为"AGI 部署"
4. 启动"Code Red"紧急状态
5. 聚焦 GPT-5.2 和企业级工具

下一步计划

GPT-5.2 系列：

• 2026 年 Q2 发布 GPT-5.2-Turbo
• 2026 年 Q3 发布 GPT-5.2-Thinking
• 2026 年 Q4 发布 GPT-5.2-Pro

企业级工具：

• Code Pro：专业级代码助手
• Research Pro：科研论文辅助
• Enterprise API：企业定制服务

IPO 计划：

• 2026 年 Q4 提交 IPO 申请
• 估值目标 7300 亿美元
• 投资者关注毛利率和利润

个人点评：给从业者的启示

三条核心教训

1. 技术领先≠商业成功

Sora 的技术震撼毋庸置疑，但商业化彻底失败。教训：技术 demo 再炫，也要回答"谁买单、为什么买单"的问题。

2. 不要做"第一个"，要做"最后一个"

Sora 是第一个展示 60 秒视频生成的模型，但不是最后一个。可灵、即梦后来居上，靠的是持续迭代和商业化能力。

3. B 端优先可能是更稳妥路径

中国模型 B 端商业化更成功。可灵 B 端收入占比 60%+，企业客户付费意愿强、场景清晰。

未来展望

视频生成行业趋势：

1. B 端优先：企业客户付费意愿强，场景清晰
2. 垂直化：电商、教育、影视等垂直场景深耕
3. 成本控制：推理优化、量化、蒸馏成为标配
4. 合规先行：版权、内容审核前置

OpenAI 未来：

• 2026 年 Q4 IPO 是关键节点
• 企业级业务是增长引擎
• GPT-5.2 必须证明商业价值

Sora 技术遗产：

• DiT 架构继续主导行业
• 开源代码被持续优化
• 技术理念影响下一代模型

资源链接

通义千问生成 · Sora 核心技术遗产示意图（DiT 架构、时空补丁、3D 一致性、物理模拟）

• Sora 官方公告（X 平台）
• Sora 技术报告（2024-02）
• OpenAI 官方博客
• 36kr 深度报道
• TechWeb 分析
• 快手可灵迁移计划
• 字节即梦承接方案

数据汇总

本文属于「AI 前沿深度解读」专栏，每天早 8 点更新。特别篇：Sora 深度回顾。