Sora，这个由OpenAI在2024年2月（美国当地时间）正式对外发布的文生视频大模型，背后其实藏着更大的野心——OpenAI并没有把它简单定义为“视频生成工具”，而是称之为“世界模拟器”。名字也很有意思，Sora在日语中是“天空”（そら）的意思，引申开来就是“自由”，倒也贴切地呼应了它那种近乎无限的创造潜力。

那么，这个模型到底能做什么？简单说，你给它一段文字描述，它就能生成最长60秒的逼真视频。更关键的是，Sora不只是“画”出画面——它真正理解物体在物理世界中的存在方式，能够深度模拟真实世界的动态。比如生成多个角色同时互动的复杂场景，或者让物体按照物理规律运动，这些都不是简单的像素堆砌能实现的。从画质到指令跟随能力，它都继承了DALL·E 3的水准，用户提出的要求它能精准理解并呈现。

对于需要制作视频的艺术家、电影制片人甚至学生来说，Sora带来的可能性是碘伏性的。OpenAI自己也将它视为“教AI理解和模拟运动中的物理世界”这一长期计划的关键一步。换句话说，Sora的出现，标志着人工智能在理解真实世界场景并与之互动这件事上，确实迈出了一大步——这不只是技术迭代，而是范式层面的飞跃。