Sora：AI学会了理解时间与空间

2024年2月，OpenAI展示了Sora——一个能根据文字描述生成高质量、连贯视频的大型扩散模型。Sora展示的视频令人震惊：一位女士在东京街头漫步（雨中倒影细节完美），猛犸象在雪地奔跑，科幻城市的空中飞行器……不只是视觉上美观，更重要的是视频在物理上是自洽的——物体的惯性、光影的变化、人物的运动都符合真实世界的规律。OpenAI将Sora定义为一个”世界模拟器”，而非仅仅的视频生成工具。

【为什么重要？】
Sora意味着AI开始理解三维空间和时间的物理规律，这不只是视频创作的革命，更暗示AI正在从”语言理解”走向”世界理解”，为机器人和具身智能的发展提供了重要基础。

【逻辑闭环】
解决了什么：将生成式AI从图像（单帧）扩展到视频（时序帧），且保持了物理一致性，向”世界模型”迈出了重要一步。局限是什么：Sora生成的视频时长有限，极端物理场景仍会出现错误（手指数量、穿透现象），且训练和运行成本极高。这推动了高效视频生成技术、物理引擎与AI结合，以及具身AI（Embodied AI）和机器人的发展——真正理解物理世界的AI将彻底改变机器人和自动驾驶领域。