Sora来了字节发力：张楠的重任和挑战

  北京时间2月16日，OpenAI发布了文生视频大模型Sora。从官方介绍看，Sora可以依据文本提示创建详细的视频，扩展现有视频中的叙述以及从静态图像生成场景，最长能生成60秒视频。

  这熟悉的一幕，让人梦回2023年。彼时，ChatGPT引发了大模型的浪潮，掀起了全世界内的AI军备竞赛。到了今年，OpenAI再次扔出一枚石子，在文生视频的池子里激起涟漪。

  Sora让“一句话生成视频”变成可能，这是一场人工智能改变视频制作的革命，全球短视频巨头字节跳动也不可以忽视这个浪潮。

  巧合的是，Sora问世一周前，字节跳动宣布了一项人事变动，原抖音集团CEO张楠宣布，自己已经辞去集团CEO一职，未来把精力聚焦在剪映的发展上。字节跳动CEO梁汝波表示，感谢张楠过去带领中国信息平台业务做出的贡献和突破，期待她在新岗位上再接再厉。

  作为元老级员工，张楠已经加入字节跳动十年整，主导推出了抖音、火山等产品。她带领抖音完成了对竞争对手的反超，成为字节跳动实现二次飞跃的关键人物。如今，抖音的日活已超越6.5亿，成为全世界范围内短视频领域的佼佼者。

  高层的变动常常伴随业务的调整，让最熟悉抖音生态的人来负责剪映，字节跳动的目标很明确，要在AI文生视频制作方面抓住新的爆发机遇。

  据时代周报报道，接近剪映的人士透露，过去一年，张楠已经把绝大多数精力倾斜到剪映先关的业务上，并亲自带队寻求在AI辅助创作上有所突破，并即将推出一个AI生成和视频的产品。

  ChatGPT和Sora给字节跳动带来了新的启发，也带来了更多压力。过去一年，字节跳动延续超级APP的逻辑，接连推出了多款基于AI技术的产品，分布对话、工具、互动剧情等多个类别，包括豆包、扣子等APP。

  动作很多，但速度不快，成果不显，这让字节跳动感到焦虑。年初内部会议上，梁汝波把对技术部门的不满表达得很直白。他说，字节跳动居然直到2023年才开始讨论GPT，而业内做得比较好的大模型创业公司都是在2018年至2021年创立的。

  AI风口下，字节还没能大力出奇迹，张楠再次担任了冲锋者的角色。能否带领剪映再次创造奇迹，对张楠和字节跳动来说至关重要，这决定了字节跳动能否走出增长困境，寻找到新的生机。

  一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包；她戴着太阳镜，涂着红色口红；她走路自信又随意……

  潮湿积水的街道倒映着上空的影像、女性皮肤上的毛孔清晰可见，如此逼真写实的视频画面，出自AI之手。

  没有任何预告，OpenAI再放大招。北京时间2月16日OpenAI在社交平台X发帖，首次对外公布了名为Sora的文生视频AI模型。

  Sora带来的震撼，不亚于去年的ChatGPT，瞬时成为开年最火爆的话题之一。

  事实上，文生视频并非新鲜事物。在Sora发布前，根据知名投资机构a16z统计，截至2024年底，市场上共有21个公开的AI视频模型，包括大众熟知的Runway、Pika、Genmo以及Stable Video Diffusion等等。

  但Sora为何会如此惊艳，并以颠覆性再次搅动AI行业？理解力、还原力是Sora效果超预期的核心。

  OpenAI官网上的多段视频也证明了Sora的能力。两艘海盗船在一杯咖啡中航行，在泛白的咖啡泡沫中互相激斗；载满乘客的列车驶过光影交替的城市，车窗上投射出生动的车内倒影；舞龙队伍在周边人群的围观和随行中前进，远近透视真实感十足。

  在视频时长上看，用户只需要输入一段文本，Sora就能自动生成最长一分钟的高清视频。这超出了市面上的大多数产品。根据a16z统计，现有的AI视频模型制作的视频长度大都在10秒以内，像此前大热的Runway Gen 2、Pika，其制作的视频长度分别只有4秒和3秒。

  更重要的是，Sora对真实世界的理解能力和还原能力都超出了市面现有的大模型。

  正如OpenAI在官方博客上写道，Sora不仅可以理解用户的需求，还知道这些事物在现实世界如何存在。具体而言，Sora不仅能实现一镜到底，还能完成多角度镜头、分镜头的切换，更能还原真实世界中的光影反射、人类行为等。

  超预期的表现离不开技术支撑。据OpenAI介绍，因使用Transformer架构，Sora具有极强的扩展性，同时在基于过去对DALLE和GPT的研究基础构建上还利用了DALLE 3的重述提示词技术，为视觉模型训练数据生成高描述性的标注。

  Sora的出现能否掀起中国乃至全世界新一轮的AI军备竞赛尚不可知，但能生成60s视频的Sora，把压力实实在在给到了字节跳动。因为60s视频所处的赛道，正是字节跳动王牌业务抖音的大本营。

  在抖音生态越来越丰富后，为了服务内容创作者，剪映也应运而生。背靠抖音的流量池，截至2021年，剪映的月活用户已经突破1亿，是国内最大的移动视频编辑产品。而TikTok在全球的风靡，也带动了剪映海外版CapCut的下载量激增。

  剪映之所以能够如此风靡，原因在于降低了门槛，让普通人都能够更快更简单地产出视频内容。

  而近两年，随着AIGC的火爆，视频制作门槛将被再次降低。这也是如今Sora对剪映产生威胁的核心原因：更多人将倾向于选择门槛更低，但效果更好的平台，剪映的用户将可能被AI视频生成产品抢走。

  2023年11月，剪映测试名为“Dreamina”的AIGC工具，用户只需输入一段文字，Dreamina即可生成四幅由AI生成的创意图像。这些图像可以从抽象、写实等多个维度生成，满足不同用户的审美需求。

  彼时，据Tech星球报道，消息的人偷偷表示，该工具未来会用于抖音的图文或短视频的内容创作，丰富抖音在AI创造方面的内容库。

  不过从效果来看，目前剪映面临和Runway、Pika、Genmo等产品一样的困境：视频的运动不自然，保真度不高、视角单一等问题，这些问题本质上是技术问题，Sora靠技术解决了这些问题，威胁到“剪映们”生存的同时，也给“剪映们”提供了思路。

  今年，原抖音集团CEO张楠卸任，转而投入剪映的发展，透露出抖音乃至字节对AI创作的重视。值得关注的是，在张楠发给剪映的内部信中，张楠提到，AI图像生成技术正在内容创作工具行业带来巨大的变化和可能性。

  如今，Sora的横空出世，给了字节跳动压力，它不能再慢了，而如何带剪映突围，则成了张楠新阶段的重任。

  加入公司十年，原抖音集团CEO张楠算得上是字节跳动的功臣。某种程度上看，字节跳动短视频业务能够快速“开疆扩土”，靠的就是张楠。

  2015年开始，张楠先是带着团队推出了火山小视频，上线后迅速爆火，日活跃用户很快突破5000万；2016年，张楠从0到1推出了抖音，为当下国内最火的短视频APP奠定了基础，如今抖音的日活超过了6.5亿。

  2020年3月12日，字节跳动在成立八周年之际，宣布张楠担任字节跳动（中国）CEO，作为中国业务总负责人，全面协调公司中国业务的产品、运营、市场和内容合作，包括今日头条、抖音、西瓜视频、搜索等业务和产品。

  没过多久，伴随字节组织架构调整，抖音从字节跳动旗下的APP成长为拥有复杂生态的抖音集团，旗下拥有抖音、火山、剪映、轻颜相机等多个APP，张楠出任抖音集团CEO。

  身份的变化，让张楠更像是幕后掌控抖音全局的指挥官，而非冲锋陷阵的将军，但她始终是最了解抖音生态的人。

  伴随市场环境的变化，抖音短视频的增长不及以前是事实，但抖音要为字节寻找新增量的目标没变。AI的东风越吹越大，原本是抖音视频创作工具的剪映站在风口之上，这是个机会，字节跳动必须抓住。

  离开自己一手带出来的抖音，张楠在告别文中表示，“在未来的十年再折腾一些我热爱的事情”。

  张楠职位的变化，与其说是她离开抖音权力中心，不如说是被放在了新的关键位置上，也释放出字节要在AI领域突围的信号。

  就在张楠辞任抖音CEO一周前，字节CEO梁汝波在字节举行的2024年度全员会上发表了“始终创业，逃逸平庸的重力”的内部讲话。

  在这场分享会上，梁汝波多次提及“危机感”一词，梁汝波甚至还将“加强危机感”列入年度目标。他坦言，最大的危机感，是担心字节作为一个组织，正在变得平庸，无法取得新的突破。

  当短视频业务趋近天花板，字节需要找到新的增长点。当OpenAI的两枚炸弹证明了AI行业蕴藏的想象力，字节跳动作为一家拥有丰富内容生态的公司，拥有天然的AI使用场景，必须跟上AI的脚步，用AI技术为自身寻找突破。

  “字节跳动是最好的平台，既有梦想，又务实的浪漫，我很期待和剪映的小伙伴们一起造梦，与这个AI的时代一起成长，共同绘制出脑海中的奇幻世界。”张楠如此写道。

  如果一家勇于探索商业模式的公司2023年上半年营收超越腾讯，2024年开年估值达到2250亿美元，位于全球独角兽榜首，那这家公司的年度关键词会是什么？

  梁汝波提到，组织上，字节跳动变得平庸：低效、迟钝、标准低；人才管理上，去肥增瘦效果不明显，对优质人才吸引力降低；业务上，核心业务领先不明显，其他业务需要突破。

  “对机会敏感度不如创业公司”，公司业务上迟钝加重了梁汝波的危机感。对大模型的技术浪潮跟进太慢，就是梁汝波感到危机的原因之一。

  2023年，由OpenAI开启了“ChatGPT热”，也掀起了全世界内的GPT竞赛，国内外多个知名互联网巨头都推出了自研大模型产品。

  回看字节跳动的动作：2023年1月组建了首个大模型团队，将远在新加坡负责TikTok技术负责人朱文佳调回国内担任团队的业务负责人；2023年5月，字节跳动创始人张一鸣忙着研究OpenAI的一系列论文，并且常常读至深夜。

  只是，相比字节跳动曾经的战斗力，在新的AI时代，字节跳动似乎没能一鸣惊人。

  当其他公司都在加入大模型竞赛，一个接着一个产品陆续推出后，字节跳动在2023年8月才推出自研大模型“云雀大模型”。在此之后，字节跳动的AI动作才变得快速而频繁起来。

  先是AI对话产品“豆包”开启测试，它的前身是字节内部代号为“Grace”的AI项目，可以生成歌词、小说、文案等文本内容，还能够给大家提供数学计算、翻译、英文写作等功能；后有扣子、AI角色互动APP“话炉”、AI产品“PicPic”等产品进入内测和研发阶段。

  目前，字节在国内外已上线十余款AI产品，除了上述提到的产品，还有“AI搜”、 AI情绪伴聊机器人的“抖音小晴”、 针对电商内容创作的产品“即创”、AI工具合集小悟空（ChitChop）、 AI 剧情互动平台BagelBell等。

  这些产品的背后，是一个全新的AI部门Flow，也是字节在AI时代的排头兵。据36氪报道，Flow部门技术负责人为字节跳动技术副总裁洪定坤。一位知情人士告诉36氪，这一新部门的业务带头人，为字节大模型团队的负责人朱文佳；据Tech星球报道，字节跳动产品与战略副总裁朱骏已负责Flow部门的产品线。

  调用多名主力干将，字节发力AI的意图已经十分明显。只是，虽然在AI的投入不少，但字节系产品要突围并不是特别容易。比如，“豆包”的推出不仅比ChatGPT晚了八个月，从效果上看，多家媒体评测结果为，“豆包”的智能化水平在大模型C端助理类产品中无显著优势。

  一个明显的变化是，到了AI时代，字节跳动还处在追随者的角色，且尚未有弯道超车的迹象。

  而放眼TikTok在全球的发展，要面对的挑战和竞争也不少。在这种情况下，字节跳动在AI时代还没有自己的独特优势，甚至有可能会被新技术颠覆，这或许正是梁汝波的危机感所在。

  “字节跳动目前的业务有非常大的惯性，哪怕团队不额外努力，公司仍旧能依赖惯性滑行很长一段时间，但这是很危险的。” 梁汝波提到。

  在过去的十年，字节跳动抓住了短视频时代的红利，而下一个十年，如何在AI时代，从追随者变成创造者，保持创业状态继续突围，考验着字节跳动。正如梁汝波所说，只有保持危机感和始终创业的心态，字节跳动才能“逃逸平庸的重力”。