Відео-модель великого масштабу, яка раптово припинила роботу! Величезний підйом і падіння — у чому причина?

Нещодавно OpenAI оголосила про припинення окремого застосунку для Sora, API-інтерфейсів та вбудованої відеофункції в ChatGPT, і повністю вийшла з ринку споживчих AI-відеогенераторів. (Новинне посилання: Sora буде зупинено) Є аналітики вказують, що нестача “жорстких” потреб і дохід, який не виправдав очікувань, стали головними причинами того, що Sora завершилася доволі поспіхом уже через пів року після запуску. Як відео-напрямок на базі ШІ може зберегти тривалу життєздатність — це стало фокусом уваги багатьох.

Після аналізу завантажень Sora ми виявили, що в жовтні 2025 року, коли Sora офіційно запустили 5 днів тому, кількість завантажень перевищила 1 мільйон, швидко піднявшись на перше місце в безплатному рейтингу App Store, а хвиля інтересу навіть на певний час була вищою, ніж у ChatGPT у той самий період. Однак цей сплеск не тривав надто довго: менш ніж за 3 місяці кількість завантажень у порівнянні з попереднім періодом знизилася на 32%; цього ж року в січні завантаження продовжили стрімко падати на 45%. До лютого кількість завантажень Sora опустилася нижче 100-го місця в загальному рейтингу безплатних застосунків.

У соцмережах ми побачили такий допис, який містить: «У перші два тижні після запуску ми з родиною зробили понад 100 відео за допомогою Sora — це надихнуло нас на справжню креативність і принесло радість. Але через два тижні ми більше ніколи його не відкривали. Ми вважаємо, що саме в цьому й полягає справжня поразка Sora».

Цей допис викликав багато відгуків серед користувачів, і чимало з них заявили, що Sora більше схожа на «цікаву іграшку», яку складно перетворити на інструмент, здатний вирішувати їхні реальні практичні проблеми.

Професор факультету штучного інтелекту Нанкінського університету аеронавтики та астронавтики Лі Піцзі: коли нові великі моделі щойно виходять, вони приваблюють велику кількість користувачів, щоб спробувати “на смак”. Хоча ці функції різноманітні й цікаві, через те що вони не вбудовані в повсякденні робочі процеси користувачів, вони також не можуть вирішувати проблеми з високою частотою виникнення в повсякденному житті. Унаслідок цього активність використання програмного забезпечення різко падає, з’являється явище “спалаху на мить”.

Експерти розповіли кореспонденту, що зі сталим зниженням активності застосунків зменшуватимуться також рівень утримання користувачів і їхня “жорстка” потреба в програмі, тоді як високі витрати, такі як оренда GPU, електроенергія та витрати на інференс, не знижуються. За розрахунками аналітичних установ, щоденні витрати на роботу Sora сягають 15 мільйонів доларів США, щороку це виливається приблизно в 5,4 мільярда доларів США; щоб згенерувати 1 секунду відео, потрібно відрендерити близько 30 зображень. Через невдалий результат значна частина згенерованих відео просто відкидається, а кінцевий рівень придатності становить лише 5%-10%. Тобто, щоб отримати 1 придатне відео, за спиною витрачаються десятки разів обчислювальних ресурсів. Це спричинило ситуацію, коли дохід і витрати сильно “перекриваються” у негативний бік, а отже операційну модель дедалі складніше підтримувати.

Швидка ітерація моделей відео з тексту (в Україні — текст-відео)

Нижчі витрати — ширше застосування

Завершення історії Sora також викликало в багатьох питання: чи стикаються моделі такого самого типу, які в Китаї мають функції, подібні до Sora, і де відеогенерація — основний фокус, із такою ж екзистенційною проблемою? Представники галузі зазначають, що для великих моделей “практичність”, тобто багатство сценаріїв застосування, є особливо важливою; глибоке вбудовування в ринок здатне забезпечити більш тривалу життєздатність.

Подібно до Sora, Seedance2.0 також спалахнула в одну ніч і заполонила весь інтернет. Порівняно з Sora, через те що вже є дворічна промислова база, споживачі можуть напряму користуватися послугами “все в одному”: генерування відео, редагування, публікація в соцмережах тощо. А ще одна модель, яка зберігає стабільну “життєву силу” вже майже два роки — Ke Key, постійно оновлюється відповідно до профілів користувачів; кількість ітерацій уже перевищила 30 разів.

Професор факультету штучного інтелекту Шеньчженьського університету Шень Лінлін: конкуренція великих моделей також дуже жорстка; компаніям доводиться безперервно ітерувати й підвищувати версії, краще відповідати ринку та потребам користувачів, підвищувати ефективність виробництва в різних сегментах, знижувати відповідні витрати.

А якщо ми порахуємо з погляду вартості для користувача, то бачимо таке: щоб згенерувати фрагмент ідеального кадру близько 15 секунд, Sora потрібно спробувати 5-10 разів, що обходиться приблизно в 800 юанів. А під час використання популярних у країні програм для “текст-відео” навіть спробувати згенерувати кадр близько 15 секунд 10 разів коштує лише близько 150 юанів.

Професор факультету штучного інтелекту Нанкінського університету аеронавтики та астронавтики Лі Піцзі: у країні вже самі по собі є унікальні переваги щодо обчислювальних потужностей і електроенергії — нижча собівартість, швидші обчислення; і коли китайські компанії роблять оновлення й ітерації для великих моделей, вони більше акцентують на легковажності та практичності. Тому на ринку в конкурентній боротьбі це дає очевидну перевагу.

За неповними статистичними даними, наразі понад 3000 малих студій використовують моделі “текст-відео” як основний інструмент для створення контенту. Деякі студії, використовуючи моделі “текст-відео” для допоміжного створення, збільшили щомісячну кількість випущених відео щонайменше у 3 рази порівняно з раніше. Крім того, дедалі більше корпоративних користувачів з’являється на ринку: сильна ринкова перевага вітчизняного сектору коротких драм і коротких відео починає проявлятися. Нещодавно в інтернеті “вибухнули” кілька коротких драм і корпоративних промороликів, створених за допомогою великих моделей “текст-відео”.

За перші два місяці цього року Національне управління кіберінформації (CAC) додало до реєстру 48 моделей великого масштабу, які охоплюють різні сценарії застосування — від промислового виробництва до культурного туризму та медичного здоров’я.

Професор факультету штучного інтелекту Шеньчженьського університету Шень Лінлін: у своїй суті великі моделі все ще служать ринку та застосункам. Все більше великих моделей вкорінюються в конкретні сценарії використання, краще відповідають потребам користувачів — і переходять від «демонстрації майстерності» до практичного застосування. Паралельно з тим як індустрія й великі моделі формують замкнене коло, це також пришвидшує синхронізацію інноваційного ланцюга та ланцюга постачання, утворюючи стабільну групу користувачів і бізнес-моделі.

（Джерело: CCTV Finance）