AI视频生成的“GPT时刻”，即将来临。
文｜《中国企业家》记者 邓双琳
编辑｜李薇
头图来源｜视觉中国
这是一个巧妙的时刻。去年11月末，ChatGPT横空出世，在全世界掀起了人工智能的狂潮，并以史上最快速度实现了上亿活跃用户。一年后，同样的时间，硅谷又出现一枚“AI新星”，一夜之间迅速爆红。
11月29日，AI视频生成公司Pika Labs官宣了最新的视频生成模型Pika1.0，并推出了新网站。据了解，Pika1.0能够生成和编辑3D动画、动漫、卡通和电影。几乎不需要任何门槛，用户只需要输入一句话，就可以生成想要的各种风格的视频。此外，用户还能够通过Pika实现画布延展、局部修改、视频时长拓展等编辑需求。
在宣传片中，Pika1.0拥有强大的语义理解能力，输入“马斯克穿着太空服，3D动画”的关键词，一个身穿太空服的卡通马斯克便出现了，身后还有SpaceX的火箭。文生视频的清晰度和连贯性，远超市面上其他AI视频生成产品。
Pika Labs的创始团队同样富有传奇色彩整个团队目前只有4个人。联合创始人郭文景，是来自杭州的一位“95后”女孩，曾被誉为“天才少女”。郭文景与另一位联合创始人孟晨琳同为斯坦福AI Lab的华人女博士，今年4月，二人一起从斯坦福退学创业。
郭文景的父亲，是A股上市公司信雅达实控人郭华强。Pika走红后，信雅达在11月30日、12月1日连续收获两个涨停，被调侃为“父凭女贵”“女儿概念股”。
随后，信雅达发布公告，承认郭文景与郭华强的父女关系，但“除上述关系外，公司与Pika无其他关系。截至目前，郭文景未在公司担任任何职务，公司未投资Pika，也未与Pika有任何业务往来。”
目前，Pika1.0正式的网页版需要排队预约，尚未有用户实际测评过。有人借此质疑，横空出世的Pika一夜爆红，是否为一场营销骗局？毕竟，在11月之前，Pika还只是一个无名之辈。
事实上，Pika的第一个版本今年4月下旬就在Discord上进行了公测。7月，在Discord正式推出服务器，并在几个月时间内收获了50万用户。由于Pika团队精简，寄生在Discord平台，能够最大限度地减少开发量。
来源：Pika官网截图
最初，Pika只支持文生视频，后来逐渐支持图片转视频、相机控制、文字和Logo嵌入视频中等。Pika1.0宣传片中的许多功能，目前Discord上的版本并不支持，只能等网页版开放测评后验证。
Pika也并非第一次在众人前亮相。今年11月初，《流浪地球3》的发布会上，电影工业化实验室G!Lab官宣成立。郭帆导演介绍了一批战略合作的科技公司，包括商汤科技、小米、华为等，还有Pika Labs。
至今，成立仅6个月的Pika已经完成了三轮融资，总金额5500万美元，估值超10亿元人民币。投资人阵容也可谓豪华包括OpenAI董事会成员Adam D'Angelo与前特斯拉AI总监Andrej Karpathy、前Github CEO Nat Friedman、YC合伙人Daniel Gross，以及硅谷著名投资人Elad Gil等。
全员“天才”
Pika的创始团队，可谓全员天才。
郭文景早在2015年就在社交媒体上走红。当年，郭文景作为浙江第一个被哈佛本科提前录取的学生，被央视报道，被称为“天才少女”。
高一期间，郭文景便获全国青少年信息学奥林匹克联赛（浙江省赛区）一等奖，随后两次拿到奥林匹克数学比赛冠军；此后受美国麻省理工学院邀请参加比赛，获北美编程邀请赛第2名，超过来自哈佛、斯坦福、卡内基梅隆等大学代表队。
进入哈佛后，郭文景一边攻读学业，一边先后去了Meta AI Research、微软、谷歌大脑、Epic Games等公司实习。大二时，郭文景就成为了Meta AI研究部门最年轻的全职员工，并获得了许多国际软件开发大奖。拿到数学本科与计算机硕士学位后，郭文景又到斯坦福大学继续读博。
联合创始人孟晨琳和郭文景为斯坦福同学。过去三年，孟晨琳曾发表多篇研究论文，其中包括已成为内容生成默认方法，并被OpenAI的DALLE-2、谷歌的Imagen以及Stability AI的Stable Diffusion广泛使用的降噪扩散隐式模型(DDIM)。
另一位创始人陈思禹，据透露，与郭文景是杭州二中的同班同学。陈思禹是信息学和物理双料国家集训队成员，后保送北大，也是第一届图灵班的成员之一。4号员工Matan Cohen-Grumi的经验主要在创意领域。
郭文景在接受采访时表示，Pika将持续轻体量化发展，随用户暴增，2024年或将团队拓展到20人。
创办Pika的契机，源于一次不被认可的比赛。2022年，郭文景与几位博士同学决定利用寒假时间使用生成式AI制作一部电影，参加Runway为其首届“AI电影节”举办的大奖赛。郭文景对拿奖很有信心，但现实是几个学霸认真备赛，最终却没能入围。
在备赛过程中，郭文景发现目前市面上制作视频的AI工具异常麻烦，她花了数小时使用Runway和Adobe Photoshop等工具，却收效甚微。这让郭文景嗅到了创业的机会为何不创造一个更易于普通人使用的AI视频生成器？
想法萌生后，郭文景立刻行动起来。今年4月，郭文景与孟晨琳一同从斯坦福退学，共同开发Pika。
在创业做视频生成之前，郭文景考虑过做游戏行业，因为游戏更容易商业化，为此，在斯坦福读博期间，她还专门去了Epic Games实习，了解游戏行业的痛点。但后来，她发现游戏行业太卷，而AI视频生成还是一片蓝海，机会更多，目前的创业方向“至少可以做十年”。
视频生成的“GPT时刻”
在今年ChatGPT掀起的人工智能大模型热潮中，基于语言大模型的聊天机器人成为最热门创业方向；而在泛内容生成类AI应用中，图像生成是最主要的场景，其次是写作工具、视频生成工具。
相较于语言模型，AI生成视频是完全不同的一类模型。其与AI生成图片的模型有共通之处，但难度更高。
郭文景在接受媒体采访时表示，视频有很多和图片不一样的问题，比如要确保视频的流畅性、确保动作，视频比图像更大，需要更大的GPU内存，视频生成需要考虑逻辑问题，还要考虑如何生成，是一帧一帧生成，还是一起生成，现在很多模型是一起生成，生成的视频就很短。但如果要一帧一帧生成，又要怎么做？很多都是图片生成不会面临的新的技术问题。
孟晨琳补充，视频的每一帧都是一张图片，比图片困难得多。因为每一帧的生成质量要高，相邻帧之间还要有关联性。当视频很长时，确保每一帧都协调一致是个相当复杂的问题。
在训练时，处理视频数据时要处理多张图片，模型需要适应这种情况。比如，如何将100帧图片传输到GPU上是一个挑战。而在推理时，由于涉及到生成大量帧，推理速度相对于单张图片会更慢，计算成本也会增加。
此外，控制视频生成更难，因为模型需要生成每一帧发生的事情，而用户不会希望为每一帧都提供详细的描述。此外，视频生成涉及到更多的空间维度，让问题变得更复杂。再加上互联网上视频生成的训练数据集相对于图像更少，也给获取高质量数据增加了难度。
来源：Pika官网截图
目前，AI生成视频领域的创业已经开始加速。仅11月，除了Pika1.0发布，还有多家企业发布了新的视频生成工具。
11月16日，社交媒体巨头Meta发布工具Emu Video，能够基于文本和图像输入生成视频剪辑；几乎同时，字节跳动发了PixelDance模型，通过描述（纯文本）+首帧指导（图片）+尾帧指导（图片），即可生成包含复杂场景和动作的视频。
11月21日，Runway动态笔刷Motion Brush面世，其特别之处在于，只需在任意图片上抹一笔，就能让其变成一段动态视频。作为最早探索视频生成领域的领头羊之一，过去一年，Runway先后发布了Gen1、Gen2。
11月24日，专注于开发人工智能产品的初创公司Stable AI发布了其最新的AI模型Stable Video Diffusion（稳定视频扩散模型），这款模型能够通过现有图片生成视频，是基于之前发布的Stable Diffusion文本转图片模型的延伸。
除此之外，Adobe也在文生视频领域有新动作。日前，该公司宣布已收购AI视频生成创业公司Rephrase.ai，后者主要通过AI技术将文本转换为虚拟形象视频。Adobe高级副总裁兼总经理Ashley Still称，Rephrase.ai团队在生成式AI音视频技术、文本到视频生成工具方面的专业知识将扩展Adobe的生成式视频功能。
随着Pika在文生视频领域的应用验证，业内普遍认为游戏传媒类上市公司或将率先受益。值得关注的是，目前多家游戏传媒类上市公司已成功将AIGC技术运用到视频或游戏素材的创作中。
可见，视频领域的竞争日渐激烈，或许将成为下一阶段AI竞争的主要场景。在孟晨琳看来，视频领域的竞争可能会类似语言模型的竞争格局一家公司发布新模型的时候，他们内部可能已经有了更先进的模型，领先其他公司一到两年。未来在视频领域也会是一家公司领先一到两年、在冲锋，其他公司在追赶。
Pika的爆红，也许意味着AI视频生成的“GPT时刻”，即将来临。
参考资料：
《专访Pika Labs创始人：探索视频生成的GPT时刻》，海外独角兽
新闻热线&投稿邮箱：tougao@iceo.com.cn
