两年前，Sora的横空出世曾引发全球AI领域的轰动，但到2026年，这款曾被寄予厚望的视频生成模型却悄然退场，未能在市场上激起新的波澜。从商业运营的角度看，这一结局并不令人意外——高昂的视频生成成本与寥寥无几的付费用户，让OpenAI每天损失高达千万美元。
Sora的困境折射出更深层的问题：视频生成大模型这一赛道是否已失去商业潜力？更广泛地看，那些技术先进却难以盈利的AI创新，是否注定走向衰落？答案或许并非如此简单。尽管Sora未能成功，但其他国产视频生成模型如快手的可灵AI、字节的Seedance等，已实现单月超2000万美元的收入，昆仑万维的SkyReels和MiniMax的海螺等模型也在逐步产生收益。
为何会出现“东方亮而西方暗”的局面？从技术层面看，Sora的领先优势已不复存在。在物理逻辑、画面一致性及生成时长等关键指标上，部分国产模型已实现超越。更重要的差异在于市场生态——国产模型从诞生之初便拥有清晰的商业化路径。在B端市场，蓬勃发展的微短剧产业为AI生成内容提供了广阔空间。尤其是下沉市场的爽剧，对逻辑、演技要求较低，AI生成的画面可大幅缩短制作周期并降低成本。在C端市场，国内大厂依托自有平台实现“自产自销”：Seedance依托抖音、可灵依托快手，用户生成的视频可直接一键分享，数亿日活用户的需求为模型提供了持续迭代的动力。
OpenAI曾试图为Sora打造视频分享社区，但面对已成熟的TikTok等平台，新平台的同质化缺陷和算法劣势使其难以突围。这印证了一个关键点：AI技术的商业价值不仅取决于技术本身，更取决于其能否嵌入需求旺盛的生态系统中。
当前中美在AI领域的竞争已形成鲜明特色：中国更擅长将技术转化为实际应用。这种务实导向的产业逻辑曾引发担忧：是否会因此长期落后于基础理论研究？但Sora的案例提供了另一种视角：中国庞大的制造业体系、14亿消费者的数字化市场，以及领先的电网建设和“东数西算”战略带来的低成本优势，共同构建了独特的需求侧生态。这种生态能快速验证新技术场景，通过真实需求倒逼技术迭代，形成“应用-数据-技术”的良性循环。例如，中国绿电价格仅为美国的一半，显著降低了AI企业的运营成本。
然而，Sora的退场也敲响了警钟。诺基亚从巅峰到停产用了十余年，而Sora仅存活两年——AI时代的迭代速度远超传统产业。中国AI产业需在保持应用优势的同时，避免陷入舒适区。一方面，应利用应用端产生的高质量行业数据，反哺垂直大模型的训练；将商业成功积累的资本投入芯片、算法等底层技术研发；并凭借场景经验参与全球AI治理框架的制定。另一方面，需为“无用之用”的自由探索保留空间。科学史表明，许多看似“好玩”或短期无应用前景的技术，往往能引发颠覆性变革。中国庞大的应用市场和产业规模，为这类探索提供了更高的容错率。
对于当前难以盈利的AI技术，或许不必急于下结论。让技术在实际场景中接受检验，在迭代中寻找价值点，可能是更理性的选择。
