AI 先学会了「认图」——看一眼就能说出「这是猫」。可人们更想让它自己画。2014 年，研究者伊恩·古德费洛想出「生成对抗网络（GAN）」：让两个 AI 组队，一个拼命画（生成器），一个拼命挑毛病（判别器）。画的一直改、挑的一直评，画出来的东西就越来越像真的——这是 AI 第一次能「画」出这么像真的东西。

2021 年 1 月，OpenAI 发布了 DALL·E：你打一句文字，它还给一张图画。「穿裙子的萝卜」「长着牛油果身体的扶手椅」……这些古怪要求它都画得出来，「文生图」就这样诞生了。不过这时候的图还有点像卡通，普通人也用不上。

2022 年，画图的 AI 突然变得「人手一份」：8 月，Stable Diffusion 把模型免费开源，谁都能下载到自己电脑上用；Midjourney 打开网页就能玩。图片也从「卡通感」升级成了照片级。一夜之间，很多插画、海报、头像都变成了 AI 画的。

图能画了，下一个问题自然就是：能不能让画面动起来？2023 年，一批「文生视频」工具冒了出来（Runway、Pika……），可它们只能生成几秒钟：人一走远就变形，动作也接不上。难在哪儿？视频是每秒二十几张图，每一张都得和前后接得上——这比画一张图难太多了。

2024 年 2 月 15 日，OpenAI 公布了 Sora。它和以前的工具完全不同：只要一句话，就能生成最长约一分钟的视频——画面稳定、有电影感，镜头还会跟着人走。最让人吃惊的是，连早就灭绝的长毛象它都能「拍」出来。这一天，全世界都在讨论这个名字。

Sora 厉害在两个地方。第一，它把视频切成一个个小方块（连时间也算进去），再像拼积木一样，一块一块往后接。第二，看过的视频太多，它慢慢琢磨出现实世界的物理规律：东西会往下掉、水会流动、影子跟着光走。所以科学家说：Sora 更像一个「世界模拟器」，而不只是视频工具。

刚亮相时，Sora 只能排队申请试用。直到 2024 年 12 月 9 日，它才正式对外开放：ChatGPT 的付费用户输入一句话、等上几分钟，视频就出来了。它的一条演示里，一只斑点狗蹲在意大利小镇的窗台上——那条片子被很多人转发。从此，「文生视频」从新闻里的黑科技，变成了人人可用的工具。

不过 Sora 也会犯迷糊：人走过桌子，手指可能「穿过」杯子；画面里人一多，它甚至数不清有多少条腿。因为真实世界太复杂，它学得还不够多。所以看到特别离奇的视频，不妨多看两眼、想一想——这也是 AI 时代我们要练的本事。

Sora 让全世界第一次看到：把脑子里的想法说出来，AI 就能把它「拍」成一段视频。广告、动画、教学片、小电影……做视频的门槛一下子低了。不过新问题也跟着来了——既然视频也能凭空造出来，以后看到的东西，我们还能相信吗？