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