Sora赢了技术却输了生意:OpenAI视频模型关停内幕

Sora因机会成本被OpenAI砍掉,技术未死,只是换了壳。
Sora从研究预览到正式上线耗时近十个月,先发优势被可灵、Runway、MiniMax等竞品稀释,上线版本还将时长从一分钟砍到20秒。Sora 2转向AI视频社交网络与内容平台,下载量和日活一度爆发后快速回落,核心原因是多数用户只消费不创作,增长飞轮未在外部用户中成立。Sora真正的死因是机会成本:视频生成太吃算力且短期难盈利,OpenAI选择把GPU优先分配给ChatGPT、Codex和企业产品。中国厂商凭借业务生态和降成本经验在商业化上取得进展。OpenAI关停的是独立视频产品线而非技术本身,原团队正洽谈将Sora技术授权给面向影视行业的新公司。
OpenAI的Sora几乎定义了AI视频的起点,却在2026年4月正式关停。一个曾让整个行业兴奋的名字,为何在产品上线后迅速失速?表面看是竞争太卷,真正的原因藏在OpenAI内部的资源账本里。
从研究预览到正式上线:十个月磨掉了先发优势
据B站UP主的梳理,2024年2月15日OpenAI发布Sora时,同行如Runway、Pika已经能生成正常的三五秒视频,而Sora直接拿出了连续一分钟、复杂运镜甚至景别切换的能力。OpenAI给它的定位是“Research Preview”(研究预览),既不开放注册,也没给出可用时间表。
这一等就是近十个月。2024年6月快手放出可灵,7月底v2正式开放;8月底MiniMax视频模型公测;Runway和Pika持续更新。整个行业已经开始让用户真刀真枪地干活,Sora还在预览。10月,Sora共同负责人之一Tim Brooks跳槽去了Google。直到12月9日Sora正式上线,用户拿到的却是Sora Turbo——速度更快,但最长只能生成20秒,砍掉了当初展示的一分钟能力。

时长缩水背后是成本。时任OpenAI CTO的Mira Murati曾表示,Sora的成本比生图模型压力高得多。早期Sora生成慢、废片率高,有创作者估算可用比例约为1比300。十个月里OpenAI很大一部分工作就是在降成本、提速度。
技术报告才是真正的礼物:路线被验证,同行集体起跑
Sora第一次发布时附带的技术报告,讲清了大致方向:视频先压到隐空间,切成时空块,再用Transformer做扩散;图片和不同尺寸、时长的视频可以放进统一框架训练。最关键的是,OpenAI用实际效果证明了这套东西能scale——只要配方合理,把模型做大、数据压多、算力堆上去,效果就能稳定上涨。
据B站UP主和YouTube频道分析,这句话对同行的价值远超一个demo。这条路线并不神奇,但太贵,选错方向可能烧掉几千万美元算力。Sora一出来,国内多家视频生成公司都提到类似感受:Sora最大的意义之一,就是证明了这条路能走通。
同时,Sora还顺手验证了市场需求。用户非常想要,只是OpenAI自己没接住。
时空块(Spacetime Patches) 是Sora技术路线中的关键设计。传统图像生成模型通常将图片切分为二维图块(patches),而视频多了一个时间维度。Sora的做法是先把视频压缩到低维隐空间,再将隐空间表示切分成三维的“时空块”——每一块既覆盖画面中的局部区域,也覆盖一小段时间。这样,不同分辨率、不同时长、不同宽高比的视频都能被表示成统一格式的块序列,交给Transformer处理。这正是Sora能够统一处理图片与视频、并展现出跨时长泛化能力的结构基础。
隐空间扩散(Latent Diffusion) 指扩散过程不在像素空间进行,而是在经过压缩的隐空间中进行。扩散模型通过逐步去噪生成数据,若直接在像素上操作,计算量随分辨率急剧上升,视频尤其昂贵。先用自编码器把视频压到低维隐空间,再在隐空间中做扩散,可大幅降低算力需求,生成质量损失可控。Sora将这一思路从图像扩展到视频,是其在成本与效果之间取得平衡的前提。
Scaling Law(规模定律) 指模型性能随参数量、数据量和算力增加而可预测地提升的经验规律。Sora用实际效果证明,视频生成同样服从这一规律:只要架构和方法正确,把模型做大、数据压多、算力堆上去,效果就能稳定上涨。这对同行的意义在于降低了路线选择的风险——此前没人确定视频生成是否也能“大力出奇迹”,而Sora给出了肯定答案。
Sora 2转向社交与内容平台:增长飞轮没转起来
第一次产品化的教训让OpenAI在Sora 2上学精了。据多源信息,2025年9月30日Sora 2上线,人物动作更复杂、镜头更连贯,还能原生生成环境音、音效和人物台词。但这一代的主角是产品,不是模型。
Sora 2不想只做创作工具,而是想做基于AI视频的社交网络加内容平台。产品化的突破口是Cameo:用户录一段视频,Sora就知道这个角色是你,授权后别人可以把你塞进他的视频。内部测试时大家疯狂互相二创,一周后热度仍在,团队由此判断视频生成可以变成一种互动方式。
上线数据很炸裂:不到五天Sora App下载量破一百万,比当年ChatGPT还快。但据AppFigures数据,Sora下载量12月环比跌32%,次年1月又跌45%;SimilarWeb统计显示日活一度冲到约一百万,几个月后掉到五十万以下。

Sam Altman后来提到一个关键数据:所有用户里真正自己动手生成视频的只占20%到30%,多数还是私下发给朋友和家人。OpenAI设想的“刷到—创作—二创”增长飞轮,在外部用户身上并没有转起来。内容平台创作者占比低是常态,但AI视频还面临一个更残酷的问题——它没那么耐看,每一条内容都得有人先想出一个值得看的东西,而最容易火的真人、名人、大IP恶搞,恰好踩在肖像权、隐私和版权的红线上。
Cameo 是Sora 2的核心产品功能,名字借自影视行业中“客串”的概念。用户录制一段包含自己形象的视频并完成授权后,Sora会提取并锁定该角色的外观特征;此后其他用户可以在自己生成的视频中调用这个角色,让“你”出现在别人的创意场景里。这一设计试图把视频生成从单人创作工具转变为多人互动的社交玩法:你生成一个视频,朋友把他的角色塞进来二创,我再接力改编,内容在社交关系中流动,从而带动更多人生成。内部测试中这种互相二创确实带来了持续热度,但上线后外部用户的行为并未复现这一模式——多数人只是观看和私下分享,主动创作和二次创作的比例远低于预期,Cameo未能成为增长飞轮的引擎。
增长飞轮(Growth Flywheel) 是互联网产品常用的增长模型,指一组相互强化的循环:更多内容吸引更多用户,更多用户产生更多内容,内容分发又带来更多曝光和创作者。Sora 2设想的飞轮是“刷到—创作—二创”:用户刷到有趣视频,产生创作冲动,生成自己的版本,再被他人二创传播。但飞轮转动的前提是足够比例的活跃创作者。当只有20%到30%的用户动手生成、多数内容仍需有人先想出值得看的创意时,供给侧就撑不起消费侧的循环,飞轮在外部用户中自然停转。
真正的死因是机会成本:一张GPU的去处
如果社交和平台赌输了,退回来做生成工具行不行?同行活得很好。据素材,可灵上线10个月年化收入做到1亿美元,到2026年3月年化收入约5亿美元;C Dance成了火山引擎的摇钱树。需求显然存在,且有人真金白银付费。
但视频生成太吃算力。Sora 2免费,负责人Bill Peebles承认经济模型完全不可持续。《华尔街日报》披露,Sora一天大约亏100万美元。

更关键的是,OpenAI不缺好项目。Sora要卡,ChatGPT要卡,Codex要卡,基础模型研发和企业客户都要卡。多模态底层统一的理论好处,在Sora身上并没有对核心语言模型产生明显促进;而Coding和Agent的商业价值已经被验证,Claude Code在企业市场压过OpenAI一头。同样是算力,投给Sora可能赚点钱,投给Codex和企业产品几乎确定能赚大钱。
Sora团队本来准备训练下一代视频模型,公司算完成本后决定不训了,算力优先分配给能创造最大长期经济价值的地方。这就是Sora真正的死因——不是输给Veo,也不是输给C Dance,而是输掉了OpenAI内部的优先级。

中国厂商为什么能留下来:打的是另一仗
据素材分析,字节、快手、MiniMax和OpenAI打的不是同一仗。OpenAI证明了AI视频的上限,接下来的问题是怎么让用户天天用还能挣钱。中国厂商的长处正好在这里:业务生态和降成本经验。创作者怎么干活、广告主为什么付钱、电商需要什么素材,这些真实业务问题他们天天在碰。
MiniMax的海螺02搞了一个NCR优化,思路是扩散模型生成视频时,早期全是噪声,没必要算太细,等人物动作大致出来再增加算力。素材称这样优化后训练和推理效率提高2.5倍,省出来的算力又拿去把模型做大——参数量做到上一代的三倍,训练数据量做到上一代四倍。类似优化各家都做了很多,才把视频生成成本打下来。外界一度传言C Dance毛利率能到70%甚至90%,谭待否认过,但表示火山引擎从成立之初就追求有毛利的规模。
NCR优化 是MiniMax在海螺02视频模型中采用的一种计算资源分配策略。扩散模型生成视频的过程是逐步去噪:在早期阶段,画面几乎全是噪声,人物轮廓和动作尚未成形,此时对每一帧、每个位置都投入同等算力进行精细计算,边际收益很低。NCR的思路是在去噪早期降低计算精度或减少计算量,等人物动作的大致结构浮现后,再把算力集中投入到细节生成上。据素材,这一优化使训练和推理效率提高约2.5倍。省下来的算力并未闲置,而是用于扩大模型规模——参数量提升到上一代的三倍,训练数据量提升到四倍,形成“省算力—扩模型—效果更好”的正循环。这类工程优化是视频生成成本能够持续下降的重要原因,也是中国厂商在商业化竞争中建立成本优势的关键手段之一。
年化收入(Annualized Revenue) 是衡量订阅制或经常性收入业务规模的常用指标,通常用某个月或某季度的收入乘以12推算全年水平。它反映的是当前收入速率,而非已实现的全年收入,因此会随业务波动而变化。文中可灵“上线10个月年化收入1亿美元、2026年3月约5亿美元”的表述,说明的是其收入增长的速度和当前体量,用于对比Sora免费模式下的亏损压力。
Sora的遗产:技术没死,只是换了壳
OpenAI砍掉的是一条独立而昂贵的视频产品线,并没有放弃真实世界研究。Sora团队有人转去做机器人等长期项目。据美国科技媒体The Information报道,Sora原负责人离开OpenAI后,与梦工厂联合创始人、前迪士尼影业主席Jeffrey Katzenberg和Dropbox前CFO Suje Jaswa成立新公司,正与OpenAI谈把Sora拿过去,不再做AI视频App,而是深度定制后卖给电影制作人。如果合作成立,OpenAI会拿到新公司股份。
影视行业客户少、客单价高、任务可排队批处理,模型还能针对特定场景优化,这条路可灵、C Dance、Veo和Runway都已经在走。对OpenAI来说,授权技术换股权,比亲自扛高并发免费用户轻松得多。
Sora的故事说明,技术领先不等于商业成功。当一家公司手里有更赚钱的牌时,再性感的技术也可能被优先级挤出去。多一个强力玩家回来卷视频生成,对用户终归是好事。
相关推荐

Gemini 4 Neon评测:跑分比肩Carbon,API定价与额度解析
Google Gemini 4 Neon正式上线,跑分紧咬Carbon,API定价3/15为Hydrogen两倍。本文汇总B站UP主实测:Neon可平替90% Carbon场景,AntiGravity中额度消耗仅为Carbon三分之一,并解析订阅渠道限制与2API封号风险。

Gemini 4 Helium或将至?Google订阅限制松绑信号
Google团队成员预告发布将继续,社区推测Gemini 4 Helium(Flash Lite)或成下一款模型;订阅封禁争议获回应,产品负责人以「Soon」暗示可能开放限制。本文梳理Gemini动向、OpenAI Coding Agent与风险管理、豆包实时音视频API及算力商业动态。

AI辅助React开发实战:视频应用优化与错误处理
14年经验开发者演示如何用AI辅助优化React视频应用:通过ImageKit将视频从80MB压缩至5MB(约94%),并实现可靠的错误处理与重试机制。包含与AI协作的规划、代码理解和验证方法。