Sora要“复活”，但不再面向普通用户

OpenAI 可能不会彻底放弃 Sora，而是准备把它从消费级视频应用，改造成面向电影和电视行业的专业制作工具。

据 IT之家 10 月 13 日援引《The Information》前一日报道，OpenAI 正与一家专注于电影制作 AI 视频技术的隐身初创公司谈判，计划将此前已经停止运营的 Sora 平台交由这家公司接管和改造。新公司可能基于 Sora 技术开发、销售面向影视制作方的软件或服务，但双方目前还没有敲定最终合作条款，Sora 的模型权重是否会被交给这家初创公司也尚不清楚。

这不是一次普通的产品改版，更像是 OpenAI 对 Sora 商业路线的一次重新下注：放弃高频、低客单价的普通用户市场，转向好莱坞、广告公司、流媒体和后期制作团队。

这家神秘公司，背后站着好莱坞和 Sora 原负责人

这家初创公司尚未公开名称，但已披露的创始团队足以说明其目标并不是做一个面向大众的“AI短视频应用”。

据报道，公司由好莱坞制片人杰弗里·卡岑伯格（Jeffrey Katzenberg）、Sora 前研究负责人比尔·皮布尔斯（Bill Peebles），以及 Dropbox 前首席财务官苏杰·贾斯瓦（Sujay Jaswa）于数月前共同创立。

专业影视 AI 工具是指服务于剧本开发、分镜设计、预演、虚拟拍摄和后期制作等专业流程，而不是单纯根据一句提示词生成一段短视频的软件。 这个定义决定了产品的评价标准：画面够不够“惊艳”只是基础，能否让导演控制镜头、让制片人管理素材、让后期团队反复修改，才是能不能进入生产环节的关键。

卡岑伯格熟悉好莱坞的制片、发行和商业合作体系；皮布尔斯了解 Sora 的技术路线和研发限制；贾斯瓦则有企业软件和财务管理经验。三人的组合，明显更接近“影视技术公司”的配置，而不是又一家追逐流量的生成式 AI 创业团队。

OpenAI为什么要给Sora换赛道

Sora 的问题从来不只是生成质量，而是成本、商业化和工作流都没有跑通。

Sora 是 OpenAI 于 2024 年公布的视频生成模型，核心能力是根据文本或图像生成具有较长时长、复杂镜头运动和一定世界一致性的视频。与早期只生成几秒钟片段的模型相比，Sora 更强调对空间、时间和物体关系的整体建模，因此一度被视为“世界模型”方向的重要产品。

但视频生成比文本生成昂贵得多。一个视频不仅包含单帧图像，还要持续处理帧与帧之间的运动、角色身份、光照变化和镜头关系。视频长度、分辨率和帧率每增加一项，计算量都会快速上升。此前有公开信息显示，在英伟达 H100 上生成 1 分钟视频大约需要 12 分钟，这还没有计入失败重试、内容审核、存储和并发服务成本。

视频生成模型的计算成本通常随着时长、分辨率和帧率同时增加，因此“生成一次”并不等于“得到可用成片”。 对普通用户来说，连续生成十几次只是等待时间变长；对平台方来说，则意味着显著的 GPU、带宽和存储支出。

今年 3 月，OpenAI 已宣布停止使用 Sora，Sora 团队也表示将逐步关闭相关服务，并公布应用、接口下线时间表以及用户内容保存安排。此前，Sora 的消费级应用和网页平台已经关闭，OpenAI 还终止了与迪士尼规模约 10 亿美元的合作计划。

这意味着 Sora 的第一条商业路径基本失败：它没有成为一个类似短视频社交产品的内容平台，也没有形成足以覆盖高算力成本的订阅或授权收入。

从消费应用转向专业工具，账可能更容易算

专业影视市场的优势在于客户数量少，但单个客户价值高，且愿意为稳定性、版权和流程集成付费。

一个普通用户可能只愿意为视频生成订阅支付每月几十美元；而一部电影、电视剧或大型广告项目，可能愿意为前期预演、素材管理、定制模型和企业级部署支付数万甚至更高费用。更重要的是，专业团队不会把 AI 当成“自动拍电影”，而是把它当作降低前期制作成本的工具。

例如，在正式搭建场景之前，导演可以先用 AI 生成不同镜头方案；制片人可以评估夜景、爆炸、群演和复杂外景是否值得实际拍摄；摄影指导可以测试焦段、机位和运动轨迹；特效团队可以提前判断某个视觉效果的实现难度。

这些场景不要求 AI 直接生成最终发行版本，却能在项目早期节省大量试错成本。对于 Sora 来说，这可能比继续争夺普通用户的短视频创作时间更现实。

Sora的技术优势，还足以支撑专业市场吗

Sora 最初引发关注，是因为它试图处理传统视频模型最难的几个问题：长时一致性、复杂镜头运动以及物体与环境之间的关系。

长时一致性是指视频中的人物、物体、场景和运动状态在多个连续镜头或较长时间内保持稳定，而不是每隔几帧就发生外观漂移。 这项能力直接影响影视制作的可用性：角色脸部变形、服装突然变化、道具消失，都会让生成片段无法进入剪辑时间线。

Sora 当年的技术路线并不只是把图片一帧帧串起来，而是将视频压缩到潜在空间，再把视频切分成时空上的视觉 token，交给 Transformer 统一建模。这种方法的目标，是让模型学习“物体如何运动”和“镜头如何变化”，而不仅是学习单张图片的纹理。

但技术领先不等于产品领先。过去两年，视频生成领域的竞争已经从“能不能生成”进入“能不能控制”。用户现在关心的是：

• 能否锁定角色和服装，连续生成多个镜头；
• 能否精确指定镜头时长、焦段、机位和运动轨迹；
• 能否对现有素材进行局部修改，而不是每次从零生成；
• 能否保持人物口型、对白、音乐和动作同步；
• 能否输出符合剪辑、调色和特效流程要求的素材；
• 能否提供清晰的版权来源、内容标记和项目权限管理。

这也是 Sora 面临的现实压力。即使它在长视频生成和世界一致性上仍有优势，如果缺少时间线编辑、角色资产管理、镜头版本控制和团队协作能力，专业用户仍然可能选择更贴近工作流的竞品。

与主流视频生成产品相比，Sora要补的不是画质

目前的视频模型大致可以分成三类：一类追求通用生成质量，一类强调电影化控制，一类则把重点放在开放权重和本地部署。Sora 若转向影视专业市场，必须从第一类产品升级为第二类产品。

| 产品方向 | 代表模型或工具 | 主要优势 | 专业影视短板 | 更适合的场景 | |---|---|---|---|---| | 通用视频生成 | Sora | 长时一致性、复杂场景理解、世界模型方向 | 商业路线中断，产品连续性和可控性仍待验证 | 概念片、预演、创意探索 | | 电影化生成 | Runway、Luma 等 | 镜头语言、风格化效果和创作工具较成熟 | 长片级角色一致性、版权和成本仍有挑战 | 广告、MV、分镜、视觉开发 | | 开放生态 | Open-Sora 等开源复现项目 | 可研究、可定制、便于二次开发 | 训练和部署成本高，成片稳定性有限 | 学术研究、模型实验、企业定制 | | 传统影视流程增强 | 虚拟拍摄、动作捕捉和特效软件 | 与现有制作流程衔接更稳定 | 生成能力有限，前期投入较高 | 正式拍摄、后期合成、资产管理 |

需要注意的是，Open-Sora 等开源项目并不是 OpenAI 官方 Sora，也不代表获得了 Sora 的模型权重。相关项目更多是对论文思路和公开信息的复现，适合研究人员理解视频扩散、时空 token 和 Transformer 架构，不能直接视为商业级 Sora 替代品。

Sora真正的竞争对手不是某一个视频生成模型，而是已经进入影视制作流程的整套软件和服务。 如果新公司只是重新开放一个文本生成视频页面，它很难在专业市场建立壁垒；如果能够把 Sora 变成一个覆盖剧本、分镜、资产、镜头和后期协作的制作系统，价值才会明显提升。

模型权重是否转移，是这笔交易的关键

目前最值得关注的变量，是 OpenAI 会以什么方式与这家初创公司合作。

第一种可能是直接转移或授权 Sora 模型权重。这样做的好处是新公司可以迅速延续 Sora 的能力，不必从头训练；但风险也很高。模型权重涉及知识产权、训练数据、版权责任、安全策略和商业控制权，OpenAI 未必愿意把核心资产完整交出去。

第二种可能是提供模型服务或技术授权。新公司负责产品、客户和影视工作流，模型仍然由 OpenAI 控制。这种方式更符合大模型公司的资产管理逻辑，但也会让新公司的产品受到模型供应、推理成本和版本迭代的限制。

第三种可能是双方共同成立或深度绑定一家新公司，由 OpenAI 提供技术和算力支持，影视团队负责销售和行业落地。这种模式在企业软件领域更常见，也更容易处理版权、客户合同和责任边界。

| 合作方式 | 新公司获得的能力 | OpenAI的控制力 | 主要风险 | |---|---|---:|---| | 模型权重转移 | 可独立部署和迭代 | 较低 | 知识产权、版权、安全和算力成本 | | 模型技术授权 | 可快速推出产品 | 中等 | 依赖 OpenAI 服务，利润空间受限 | | 联合运营 | 技术、客户和品牌共享 | 较高 | 商业条款复杂，决策效率可能下降 | | 仅出售影视解决方案 | 以工作流包装模型能力 | 高 | 产品差异化不足，容易被竞品替代 |

截至 2026 年 10 月 13 日，双方尚未公布正式协议，也没有确认新公司名称、产品时间表、价格方案或模型权重安排。因此，“Sora复活”目前更准确的说法是潜在的资产重组和商业合作，而不是已经确定的新产品发布。

对开发者和深度用户意味着什么

对开发者而言，最直接的信号是：Sora 未来即便重新出现，也未必会回到普通用户熟悉的消费级产品形态。

它可能更像一个面向制片厂的专业平台，重点放在企业项目、私有素材、团队权限、版权追踪和批量生产，而不是开放一个人人都能随手使用的低价应用。普通用户能否访问、是否提供公开网页端、是否继续支持个人创作，都存在不确定性。

对深度用户而言，这次转向也说明 AI 视频产品正在分化。消费级产品追求低门槛、高频率和社交传播；专业级产品追求可控性、稳定性、资产复用和责任可追溯。前者靠规模和活跃度赚钱，后者靠项目合同和工作流绑定赚钱，两者需要完全不同的产品设计。

对影视行业来说，Sora 的“复活”如果成真，最有价值的部分可能不是自动生成最终电影，而是把前期制作从“文字描述—人工画分镜—搭景试拍”的链路，压缩为“剧本—镜头方案—可视化预演—制作决策”。这会影响导演、制片、摄影和特效团队的协作方式，但短期内不太可能替代完整的拍摄和后期体系。

结论：Sora还有机会，但必须换一种活法

OpenAI 停止 Sora 消费级服务，说明高质量视频生成并不天然等于成功的互联网产品；如今尝试把 Sora 交给专业影视团队，则是一次更务实的方向修正。

Sora转向专业影视工具的核心逻辑，是用高价值项目收入覆盖高昂的视频生成成本，并用影视工作流提高用户黏性。 这条路比做大众短视频应用更窄，却可能更适合 Sora 的技术特点。

但它能否真正“复活”，取决于三个问题：OpenAI 是否愿意提供足够完整的技术能力；新公司能否把模型变成可控、可协作的生产工具；影视客户是否愿意把真实项目交给一个曾经中断服务的产品。

如果答案是肯定的，Sora 可能从一个被关闭的消费级应用，转变为隐藏在电影制作流程背后的基础设施。若答案是否定的，它最终只会成为 OpenAI 在视频生成领域的一次昂贵试验。

目前，更准确的判断是：Sora还没有真正回归，但它正在寻找一个更能赚钱、也更符合自身能力边界的落点。

参考来源

• IT之家：消息称 OpenAI 计划“复活”Sora，换赛道进军 AI 专业影视工具 —— 关于 OpenAI 与隐身影视 AI 初创公司谈判、创始团队及合作细节的主要报道。
• 知乎：Sora 2 引爆的社区革命 —— 关于 Sora 产品演进和 AI 视频创作影响的行业讨论，文中相关判断仅作背景参考。
• GitHub：Video Generation 技术专题 —— 关于 Sora 技术路线、Open-Sora、Latte 等视频生成研究项目的资料整理。