從Sora到AGI：智能媒介的升維與全新場(chǎng)景體驗(yàn)時(shí)代的到來(lái)

喻國(guó)明 蘇健威

基金項(xiàng)目：北京師范大學(xué)博士生學(xué)科交叉基金項(xiàng)目“擴(kuò)展現(xiàn)實(shí)技術(shù)環(huán)境中的人機(jī)與情感傳播效果”（BNUXKJC2215）；北京師范大學(xué)人才培養(yǎng)質(zhì)量提升專項(xiàng)計(jì)劃

作者信息：喻國(guó)明（1957— ），男，上海人，教育部長(zhǎng)江學(xué)者特聘教授，北京師范大學(xué)新聞傳播學(xué)院教授、博士生導(dǎo)師，主要研究方向：新媒體、網(wǎng)絡(luò)輿論學(xué)、傳媒經(jīng)濟(jì)與社會(huì)發(fā)展；蘇健威（1996— ），男，河北張家口人，北京師范大學(xué)新聞傳播學(xué)院博士研究生，主要研究方向：媒介技術(shù)與人機(jī)交互、認(rèn)知神經(jīng)傳播學(xué)。

【摘要】作為新一代大型視覺(jué)模型，Sora使文生視頻技術(shù)實(shí)現(xiàn)了從“堪用”到“好用”的飛躍，其走紅的背后是邁向通用人工智能的可能。Sora本質(zhì)上是智能媒介的一次重大升維，使價(jià)值生成從此具備時(shí)空維度，這將開(kāi)啟數(shù)字文明的序幕。Sora的意義在于：首先，大眾內(nèi)容生產(chǎn)從以文本為基礎(chǔ)的單模態(tài)升維到以影像為基礎(chǔ)的多模態(tài)，個(gè)體的主體意義得到極大增強(qiáng)；其次，人類(lèi)的認(rèn)知、學(xué)習(xí)、溝通將進(jìn)入全新的場(chǎng)景體驗(yàn)時(shí)代；最后，全新場(chǎng)景體驗(yàn)意味著能夠借此建立粒度更細(xì)、自由度更高、可供性更強(qiáng)的價(jià)值連接。Sora的技術(shù)革命也將深刻影響新聞傳播的價(jià)值要點(diǎn)：一方面，未來(lái)傳播需要滲透到公眾認(rèn)知的全環(huán)節(jié)，輔助公眾參與治理，創(chuàng)造價(jià)值；另一方面，未來(lái)傳播需要連接圈層，促進(jìn)圈層間的彼此理解與共識(shí)達(dá)成。

【關(guān)鍵詞】Sora 大型視覺(jué)模型 場(chǎng)景體驗(yàn) 通用人工智能 智能媒介

【中圖分類(lèi)號(hào)】G206 【文獻(xiàn)標(biāo)識(shí)碼】Ａ 【文章編號(hào)】1003-6687（2024）6-039-07

【DOI】 10.13786/j.cnki.cn14-1066/g2.2024.6.005

生成式人工智能是2023年人工智能乃至整個(gè)媒介技術(shù)領(lǐng)域備受矚目的概念，掀起了新一輪全球產(chǎn)業(yè)升級(jí)。據(jù)科創(chuàng)研究機(jī)構(gòu)PitchBook估計(jì)，2023年全球生成式AI的市場(chǎng)規(guī)?？蛇_(dá)426億美元，2026年則將達(dá)到981億美元，[1]可見(jiàn)生成式人工智能有望成為未來(lái)技術(shù)與產(chǎn)業(yè)革命的強(qiáng)勁引擎。2024年2月15日，OpenAI繼大型語(yǔ)言模型產(chǎn)品ChatGPT之后又發(fā)布全新一代大型視覺(jué)模型Sora，使文生視頻模型的能力達(dá)到了新的高度。不僅如此，OpenAI更表示，Sora是能夠理解和模擬現(xiàn)實(shí)世界的模型基礎(chǔ)，這將是實(shí)現(xiàn)通用人工智能的重要里程碑。[2]

如何理解Sora不同于ChatGPT的革命性特征？Sora的誕生對(duì)于智能媒介與社會(huì)發(fā)展有何意義？厘清這些問(wèn)題對(duì)于把握人工智能技術(shù)發(fā)展至關(guān)重要?；诖?，本文將討論三個(gè)問(wèn)題：一是Sora本身具有哪些技術(shù)上的突破，形成了哪些標(biāo)志性特征？二是以Sora為代表的通用人工智能技術(shù)將如何改變AI參與社會(huì)生產(chǎn)的方式以及人們認(rèn)知和實(shí)踐的方式？三是在Sora的技術(shù)背景下，新聞傳播理論的價(jià)值要點(diǎn)有哪些新的變化？

一、作為全新大視覺(jué)模型，Sora使人們看到實(shí)現(xiàn)通用人工智能的可能與路徑

1. Sora是新一代大型視覺(jué)模型，使文生視頻技術(shù)從“堪用”到“好用”

Sora在日語(yǔ)中是“天空（そら）”的意思，可引申為“自由”之意。[3]正如其名，該模型經(jīng)過(guò)訓(xùn)練，可以根據(jù)簡(jiǎn)單的文本指令自由生成長(zhǎng)達(dá)1分鐘的現(xiàn)實(shí)或想象場(chǎng)景的視頻。[4]如圖1所示，Sora生成的視頻與真實(shí)攝像幾乎無(wú)法分辨，已經(jīng)達(dá)到極為逼真的程度，遠(yuǎn)遠(yuǎn)超過(guò)了既往所有文生視頻產(chǎn)品的效果。

除了簡(jiǎn)單的提示詞生成視頻外，Sora也展現(xiàn)出了諸多新的功能。首先，Sora可以在單個(gè)生成視頻中創(chuàng)建多個(gè)鏡頭，能準(zhǔn)確反映同一場(chǎng)景中不同視角呈現(xiàn)的景觀，這意味著Sora對(duì)二維平面視覺(jué)的生成是基于三維物理世界的理解，能夠?yàn)閮?nèi)容的多角度敘事提供更好支持；其次，Sora可以自然融合兩種并不相關(guān)的場(chǎng)景視頻素材，使不同場(chǎng)景的切換平滑過(guò)渡；再次，Sora還支持對(duì)視頻素材進(jìn)行向前、向后擴(kuò)展，以及更換視頻局部的內(nèi)容（如特定的場(chǎng)景、對(duì)象等）。

Sora這些功能基于與GPT模型類(lèi)似的Transformer技術(shù)架構(gòu)，此前OpenAI對(duì)于DALL·E和GPT模型的研究也成為Sora重要的技術(shù)基礎(chǔ)。就生成過(guò)程而言，Sora是一個(gè)擴(kuò)散模型，它從看起來(lái)像靜態(tài)噪聲的圖像開(kāi)始，通過(guò)在許多步驟中刪除噪聲來(lái)逐漸生成視頻（見(jiàn)圖2）。[5]有研究指出，Sora的問(wèn)世揭示了在文生視頻中的幾種涌現(xiàn)能力。這一進(jìn)展凸顯了大型視覺(jué)模型具有類(lèi)似大型語(yǔ)言模型的潛力。[6]Sora目前還存在一些不容忽視的問(wèn)題，其可能難以準(zhǔn)確模擬復(fù)雜場(chǎng)景的物理規(guī)律與因果關(guān)系，如生成視頻中一個(gè)人在餅干上咬了一口，餅干可能不會(huì)出現(xiàn)咬痕。Sora還可能會(huì)忽略提示語(yǔ)中潛在的空間細(xì)節(jié)，如生成視頻中的人可能會(huì)在跑步機(jī)上反向跑步。盡管如此，不可否認(rèn)的是，Sora已經(jīng)使文生視頻應(yīng)用實(shí)現(xiàn)了從“堪用”到“好用”的飛躍，成為大型視覺(jué)模型技術(shù)發(fā)展的一個(gè)關(guān)鍵里程碑。

2. Sora成功背后的隱喻：邁向通用人工智能的可能性與實(shí)踐路徑

2007年，美國(guó)通用智能研究所的戈?duì)柌郀柡团寮{欽首次提出“通用人工智能”的概念，[7]用于區(qū)分狹義的、專長(zhǎng)于個(gè)別領(lǐng)域的人工智能技術(shù)，代指人類(lèi)水平的智能，即達(dá)到或超越人類(lèi)智能，擁有如生命、感知、意識(shí)、心智甚至情感和道德等特征。[8]通用人工智能是能夠引發(fā)人工智能技術(shù)發(fā)展與應(yīng)用質(zhì)變的一個(gè)重要目標(biāo)。遺憾的是，即便是近年來(lái)大熱的大語(yǔ)言模型也僅僅只能在文本模態(tài)進(jìn)行抽象生成，人工智能技術(shù)距離通用人工智能的愿景仍十分遙遠(yuǎn)。Sora的出現(xiàn)使人們前所未有地接近了通用人工智能。

首先，Sora使用視覺(jué)材料訓(xùn)練，這意味著大型視覺(jué)模型技術(shù)在學(xué)習(xí)層面具有極高的資源稟賦和效率優(yōu)勢(shì)。目前訓(xùn)練大型語(yǔ)言模型存在諸多障礙，如人類(lèi)文明發(fā)展歷史中沉淀下來(lái)的優(yōu)質(zhì)文本訓(xùn)練語(yǔ)料是有限的，文本所能提供的學(xué)習(xí)價(jià)值也相對(duì)單薄。大型視覺(jué)模型則不同，任何視覺(jué)模態(tài)的材料都可以用作視覺(jué)訓(xùn)練材料，都蘊(yùn)含著大量真實(shí)世界的法則規(guī)律。360集團(tuán)創(chuàng)始人周鴻祎指出：一旦人工智能接上攝像頭，把所有的電影都看一遍，把YouTube上和TikTok的視頻都看一遍，對(duì)世界的理解將遠(yuǎn)遠(yuǎn)超過(guò)文字學(xué)習(xí)，一幅圖勝過(guò)千言萬(wàn)語(yǔ)，而視頻傳遞的信息量又遠(yuǎn)遠(yuǎn)超過(guò)一幅圖，這就離AGI真的不遠(yuǎn)了，不是一二十年的問(wèn)題，可能一兩年就實(shí)現(xiàn)。[9]有研究使用“具身智能”概念描繪未來(lái)人工智能學(xué)習(xí)進(jìn)化效率的革命，即能理解、推理以及與物理世界互動(dòng)的智能系統(tǒng)。[10]可以說(shuō)，基于視覺(jué)模態(tài)的訓(xùn)練是人工智能主動(dòng)與物理世界交互的先決條件，當(dāng)能夠主動(dòng)學(xué)習(xí)、理解真實(shí)世界的具身智能成為現(xiàn)實(shí)，世界將很快迎來(lái)人工智能技術(shù)發(fā)展與應(yīng)用的質(zhì)變時(shí)刻。

其次，除了Sora訓(xùn)練模式的轉(zhuǎn)變之外，使Sora接近通用人工智能的第二個(gè)原因是，Sora表現(xiàn)出了模擬物理世界的世界模型的潛力。OpenAI表示，他們正在教AI理解和模擬運(yùn)動(dòng)中的物理世界，目標(biāo)是通過(guò)訓(xùn)練模型來(lái)幫助人們解決需要與現(xiàn)實(shí)世界交互的問(wèn)題。[1]根據(jù)Sora的技術(shù)報(bào)告，它是第一個(gè)確認(rèn)展示出涌現(xiàn)能力的視覺(jué)模型。英偉達(dá)高級(jí)研究科學(xué)家Jim Fan斷言，Sora是一個(gè)數(shù)據(jù)驅(qū)動(dòng)的物理引擎，是一個(gè)可學(xué)習(xí)的模擬器或世界模型。[11]這種模擬世界的性質(zhì)使以Sora為代表的大型視覺(jué)模型超出了以往所有人工智能的價(jià)值定位，一方面，人工智能能夠在深度理解世界規(guī)律的基礎(chǔ)上進(jìn)行創(chuàng)造性的、多模態(tài)的生成；另一方面，人工智能不僅能夠?qū)σ延胁牧线M(jìn)行歸納提取，亦能在規(guī)律的基礎(chǔ)上實(shí)現(xiàn)對(duì)真實(shí)世界的一定預(yù)測(cè)。

由此可見(jiàn)，Sora的走紅并非僅靠其文生視頻功能的卓越表現(xiàn)，更在于其已經(jīng)極為接近通用人工智能的愿景。那么，如何從本質(zhì)上理解Sora相較于先前人工智能技術(shù)所具有的革命性？Sora將如何改變我們的傳播形態(tài)以及社會(huì)生產(chǎn)生活方式？這對(duì)于把握以Sora為代表的大型視覺(jué)模型技術(shù)是極為重要的。

二、理解Sora的革命性：本質(zhì)上是智能媒介的一次重大升維，使價(jià)值生成從此具備時(shí)空維度

愛(ài)因斯坦曾指出，在問(wèn)題的原有維度上不能解決問(wèn)題，在原有維度上，只能呈現(xiàn)問(wèn)題，只有換一個(gè)維度，才能解決現(xiàn)有問(wèn)題。人工智能的技術(shù)發(fā)展同樣是一個(gè)不斷升維的過(guò)程。倘若人工智能技術(shù)僅僅在原有邏輯上不斷提升性能及表現(xiàn)，那么人工智能將永遠(yuǎn)無(wú)法實(shí)現(xiàn)革命性的質(zhì)變。因此，理解Sora以及未來(lái)的人工智能技術(shù)，技術(shù)維度的躍升是一個(gè)關(guān)鍵視角。

1. Sora本質(zhì)上是人工智能在ChatGPT之后的又一次重大升維

可以簡(jiǎn)單地根據(jù)能力維度將人工智能技術(shù)發(fā)展劃分為三個(gè)階段（見(jiàn)圖3）。第一個(gè)階段即零維階段，就整個(gè)人工智能發(fā)展而言，零維階段是產(chǎn)生人工智能技術(shù)的前期基礎(chǔ)階段，其底層的系統(tǒng)架構(gòu)、算法模型、算力基礎(chǔ)正在由量變轉(zhuǎn)為質(zhì)變。人工智能在這一時(shí)期主要作為一種技術(shù)概念或方向，其功能效果尚不足以解決現(xiàn)實(shí)問(wèn)題，更遑論具有超越人類(lèi)智能的表現(xiàn)。

人工智能技術(shù)從零維突破至一維階段的標(biāo)志，是1997年IBM超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝國(guó)際象棋棋王加里·卡斯帕羅夫。這場(chǎng)對(duì)決使人工智能震驚世界——人工智能在一個(gè)專業(yè)領(lǐng)域已經(jīng)達(dá)到甚至超越了人類(lèi)頂尖水平。2016年DeepMind圍棋機(jī)器人AlphaGo戰(zhàn)勝圍棋世界冠軍李世石，證明人工智能能夠在更多專業(yè)領(lǐng)域超越人類(lèi)智能。盡管如此，其間人工智能技術(shù)并沒(méi)有實(shí)現(xiàn)維度上的突破，即人工智能的優(yōu)越性仍然僅限于個(gè)別專業(yè)領(lǐng)域。

ChatGPT的問(wèn)世可被視為人工智能技術(shù)由一維突破至二維的關(guān)鍵標(biāo)志，它的核心突破點(diǎn)在于， ChatGPT能夠在語(yǔ)義系統(tǒng)內(nèi)對(duì)構(gòu)成人類(lèi)、場(chǎng)景、世界的各種要素進(jìn)行整合提煉，將先前人工智能技術(shù)線性的個(gè)別領(lǐng)域優(yōu)勢(shì)突破至平面式的更通用的、普適的優(yōu)勢(shì)。由此，人工智能技術(shù)不再局限于個(gè)別領(lǐng)域?qū)θ祟?lèi)智能的超越，而是在相當(dāng)廣泛的場(chǎng)景領(lǐng)域中表現(xiàn)出機(jī)器智能的優(yōu)勢(shì)，這是一種功能維度上的巨大躍升。

但必須認(rèn)識(shí)到，ChatGPT所依賴的GPT模型本質(zhì)上是一個(gè)大型語(yǔ)言模型，其生成內(nèi)容僅限于文本模態(tài)——對(duì)用戶和世界的一種抽象表達(dá)。換言之，以ChatGPT為代表的大型語(yǔ)言模型只能以相當(dāng)粗粒度的方式認(rèn)識(shí)世界、描繪現(xiàn)象、表述邏輯、傳遞情感……而我們?nèi)粘Ｉ钪兴兄降氖澜邕h(yuǎn)遠(yuǎn)比文字表述要更加細(xì)膩、活潑和生動(dòng)。人工智能要進(jìn)一步整合更廣域、更細(xì)膩、更直達(dá)人心的要素，就需要在更高維度上取得突破。

因此，Sora的革命性意義在于，其是繼ChatGPT之后人工智能技術(shù)的又一次重大升維，使人工智能感知和表達(dá)世界從此具備了時(shí)空維度。這種升維深刻地改變了人工智能提煉整合世界要素的邏輯，形成了全新的、更具包容度和自由度的智能系統(tǒng)。

2. Sora開(kāi)辟了智能媒介價(jià)值生成的時(shí)空維度，從而具備模擬世界的能力

保羅·萊文森曾指出，一切媒介的進(jìn)化趨勢(shì)都是復(fù)制真實(shí)世界的程度越來(lái)越高，其中一些媒介和真實(shí)的傳播環(huán)境達(dá)到了某種程度的和諧一致。[12]智能媒介同樣遵循這一發(fā)展邏輯，即智能媒介要達(dá)到通用人工智能的愿景，僅靠基于文本模態(tài)對(duì)世界的抽象理解和模擬是遠(yuǎn)遠(yuǎn)不夠的。要復(fù)制真實(shí)世界，形成更加廣闊、豐富、細(xì)膩地對(duì)世界和人類(lèi)的感知、理解、匹配，智能媒介必須突破樸素的文本維度，形成基于時(shí)空維度的學(xué)習(xí)與創(chuàng)造能力。

Sora作為一個(gè)劃時(shí)代的大型視覺(jué)模型，其不僅能夠生成高保真平面影像，更能基于對(duì)物理世界的理解，形成對(duì)對(duì)象、場(chǎng)景多角度的影像創(chuàng)造。正如OpenAI將其定義為“世界模擬器”，一方面，Sora并非一個(gè)簡(jiǎn)單的文生視頻模型，其實(shí)質(zhì)上將智能媒介價(jià)值創(chuàng)造的維度從扁平的文本維度轉(zhuǎn)變?yōu)槿S的空間維度，實(shí)現(xiàn)對(duì)物理世界的空間模擬；另一方面，Sora能夠生成長(zhǎng)達(dá)1分鐘的視頻，能夠以時(shí)間為尺度描繪生成對(duì)象的變化。

于是Sora開(kāi)啟了智能媒介模擬世界的時(shí)空維度，使智能媒介極大地接近通用人工智能的愿景——不僅能夠完成語(yǔ)義體系內(nèi)世界的構(gòu)建，更能完成整個(gè)物理世界的現(xiàn)實(shí)構(gòu)建、場(chǎng)景構(gòu)建、實(shí)踐平臺(tái)構(gòu)建。在這種維度突破帶來(lái)的可供性劇增之下，無(wú)論是語(yǔ)義要素還是非語(yǔ)義要素都可以用三維時(shí)空進(jìn)行模擬、重組和創(chuàng)生，這意味著智能媒介能夠敏銳地識(shí)別更加細(xì)微、隱晦、無(wú)法用語(yǔ)義表達(dá)的結(jié)構(gòu)要素，并能在這種要素的重組、匹配、連接過(guò)程中形成更大的價(jià)值。這種維度突破也促使以Sora為代表的智能媒介幾乎實(shí)現(xiàn)了全域式的整合和價(jià)值匹配，即人類(lèi)社會(huì)實(shí)踐的全環(huán)節(jié)、全鏈條可以進(jìn)行全要素的整合和價(jià)值匹配。因此可以說(shuō)，Sora本質(zhì)上是人工智能的又一次重大升維，是智能媒介發(fā)展的一個(gè)全新標(biāo)志。

3. Sora將揭開(kāi)人類(lèi)數(shù)字文明的序幕

事實(shí)上，任何一種媒介都是建立在特定技術(shù)進(jìn)步基礎(chǔ)上的。媒介進(jìn)化的歷史表明，媒介越向前發(fā)展，它與技術(shù)的關(guān)系就越發(fā)水乳交融、密不可分。[13]Sora所代表的大型視覺(jué)模型技術(shù)的飛躍形成智能媒介模擬世界的時(shí)空維度，也將促使媒介升維，推動(dòng)媒介所承載的關(guān)系連接、價(jià)值連接得到升維。

對(duì)于構(gòu)建數(shù)字文明而言，由于時(shí)空是極為重要的維度，所以開(kāi)辟時(shí)空維度所驅(qū)動(dòng)的這種升維不同于先前任何一個(gè)時(shí)段的媒介與社會(huì)進(jìn)化。以往在論及人類(lèi)的數(shù)字化、媒介化生存時(shí)，盡管能夠以媒介進(jìn)化的邏輯突出其與先前時(shí)代的區(qū)別，但仍存在語(yǔ)焉不詳之處，即在我們所構(gòu)想的數(shù)字文明之中或許存在著人類(lèi)實(shí)踐邏輯、社會(huì)關(guān)系、社會(huì)結(jié)構(gòu)的重要變化，但這種變化無(wú)法被立體地描摹出來(lái)，是以一種抽象的語(yǔ)義形態(tài)存在著，而非人類(lèi)能夠真切地看到、感受到、接觸到的鮮活的時(shí)空現(xiàn)實(shí)。

在模擬世界的時(shí)空維度出現(xiàn)之前，我們很難構(gòu)想一個(gè)不被時(shí)間、空間尺度所衡量的數(shù)字世界。于是在Sora出現(xiàn)之后，我們不僅可以看到智能媒介的技術(shù)進(jìn)化，更能窺見(jiàn)未來(lái)虛實(shí)相融的社會(huì)場(chǎng)景以及人們?nèi)绾卧谶@種場(chǎng)景中實(shí)踐和發(fā)展。對(duì)于即將到來(lái)的由技術(shù)高度中介化的人類(lèi)文明——數(shù)字文明，我們可以看得越來(lái)越明晰，對(duì)它的實(shí)現(xiàn)與發(fā)展越來(lái)越有所依循。就此而言，以Sora為代表的大型視覺(jué)模型為數(shù)字世界的價(jià)值創(chuàng)造開(kāi)辟了時(shí)空維度，使未來(lái)的數(shù)字實(shí)踐得以被時(shí)空所呈現(xiàn)，人類(lèi)數(shù)字文明的序幕也將就此揭開(kāi)。

三、Sora驅(qū)動(dòng)信息模態(tài)與價(jià)值連接升維，人類(lèi)社會(huì)將進(jìn)入全新的場(chǎng)景體驗(yàn)時(shí)代

1. 大眾內(nèi)容生產(chǎn)從以文本為基礎(chǔ)的單模態(tài)升維到以影像為基礎(chǔ)的多模態(tài)，個(gè)體的主體意義得到極大增強(qiáng)

ChatGPT等基于大型語(yǔ)言模型的智能媒介前所未有地改變了大眾內(nèi)容生產(chǎn)的效能，增強(qiáng)了個(gè)體感知、認(rèn)知和表達(dá)水平，使大眾內(nèi)容生產(chǎn)躍升到新的層次。盡管如此，需要看到的是，ChatGPT立足于文本模態(tài)的價(jià)值賦能受到單一模態(tài)的限制，其價(jià)值創(chuàng)造的規(guī)模十分有限。

Sora和ChatGPT的不同之處在于，Sora以視覺(jué)模態(tài)為基礎(chǔ)，能夠囊括整個(gè)物理世界的全要素，能在算法算力的加持下對(duì)這些要素進(jìn)行極大規(guī)模的整合、濃縮和提取，并能在個(gè)體意志的引領(lǐng)下形成更加豐富、立體和飽滿的表達(dá)。其實(shí)質(zhì)是大眾內(nèi)容生產(chǎn)從語(yǔ)言到非語(yǔ)言、從抽象到具象、從邏輯到感覺(jué)的革命性躍升。這種躍升系統(tǒng)地深掘并表達(dá)了人腦中無(wú)窮無(wú)盡的、模糊隱晦而無(wú)法凝練為語(yǔ)言的思緒，并能與前述萬(wàn)千物理世界的要素進(jìn)行細(xì)膩地整合、匹配、連接，形成更加廣闊的可供性。

這種可供性的劇增會(huì)形成全新的連接人與世界的方式，正如從功能手機(jī)到智能手機(jī)的“iPhone時(shí)刻”。功能手機(jī)作為具有特定功用的終端，連接的對(duì)象和內(nèi)容都是有限的。iPhone從功能機(jī)的語(yǔ)境中脫離出來(lái)，以應(yīng)用的方式重構(gòu)了手機(jī)的功能邏輯，使手機(jī)成為人與外界連接的超級(jí)終端。Sora也將改變信息生產(chǎn)傳播的語(yǔ)境，使人們?cè)谂c外部環(huán)境連接的過(guò)程中，不但能夠進(jìn)行單薄的話語(yǔ)交流，更能以具象的形式分享創(chuàng)意和構(gòu)想。人們能夠在具象的呈現(xiàn)基礎(chǔ)上進(jìn)行溝通、游戲，以及復(fù)雜的行為協(xié)同。因此，Sora驅(qū)動(dòng)的大眾內(nèi)容生產(chǎn)的模態(tài)躍升，關(guān)鍵意義在于人們能夠超越信息交流的范疇，在近乎真實(shí)的實(shí)踐場(chǎng)景中進(jìn)行對(duì)話和深度協(xié)同。

此外，大眾內(nèi)容生產(chǎn)的模態(tài)躍升使個(gè)體能夠獲取超越以往的資源與權(quán)力。過(guò)去公眾主要以話語(yǔ)的形式參與社會(huì)、影響社會(huì)，如今個(gè)體基于Sora對(duì)世界的模擬，能夠感受世界各種各樣的真實(shí)樣態(tài)，可以用具有物理性質(zhì)、化學(xué)性質(zhì)的全要素進(jìn)行對(duì)象和場(chǎng)景的把握、提取和細(xì)分，能夠通過(guò)相關(guān)影像來(lái)創(chuàng)造性地設(shè)計(jì)具體想法，從而使語(yǔ)義表達(dá)變?yōu)楝F(xiàn)實(shí)的數(shù)字產(chǎn)品。這就空前實(shí)現(xiàn)了從語(yǔ)義到非語(yǔ)義、從軟件到硬件的數(shù)字化擬合，個(gè)體可以在這種擬合的基礎(chǔ)上各盡其能，共創(chuàng)價(jià)值，共造生態(tài)。因此，Sora驅(qū)動(dòng)信息模態(tài)的躍升將使個(gè)體的主體意義得到極大增強(qiáng)，個(gè)體的重要性將遠(yuǎn)超以往任何一個(gè)時(shí)代，呈現(xiàn)出麥克盧漢所預(yù)言的“處處皆中心，無(wú)處是邊緣”。未來(lái)社會(huì)的構(gòu)建要建立在個(gè)人的意愿和創(chuàng)意基礎(chǔ)之上，個(gè)體將成為最重要的原點(diǎn)，這是未來(lái)文明極為鮮明和重要的特征。

2. 人類(lèi)的認(rèn)知、學(xué)習(xí)、溝通將進(jìn)入場(chǎng)景體驗(yàn)時(shí)代

在OpenAI發(fā)布的最新Sora技術(shù)報(bào)告中提到，Sora能夠模擬如視頻游戲的數(shù)字化過(guò)程。未來(lái)Sora將可能被應(yīng)用于建模、生成游戲動(dòng)畫(huà)和場(chǎng)景等，游戲開(kāi)發(fā)者的門(mén)檻將被大大降低。[14]這意味著無(wú)限生成個(gè)性化的數(shù)字場(chǎng)景成為可能。換言之，每個(gè)個(gè)體都能夠按照自己的意愿構(gòu)造亦真亦假、虛實(shí)交融的數(shù)字場(chǎng)景，也能夠進(jìn)入萬(wàn)千場(chǎng)景中獲取新知和體驗(yàn)，實(shí)現(xiàn)學(xué)習(xí)和對(duì)話。這不同于傳統(tǒng)的場(chǎng)景概念，如打車(chē)、外賣(mài)、網(wǎng)購(gòu)等理性邏輯構(gòu)造下的分眾場(chǎng)景，在智能媒介模擬物理世界的能力加持下，個(gè)體的每一種思緒都能夠形成更加直觀、細(xì)膩、立體、飽滿的場(chǎng)景，在這些場(chǎng)景中，我們能與故人對(duì)話，能在未來(lái)遨游，能讓每一個(gè)奇思妙想成為現(xiàn)實(shí)。因此，Sora代表的智能媒介將開(kāi)啟不同于以往的、全新的場(chǎng)景體驗(yàn)時(shí)代。

基于這種場(chǎng)景體驗(yàn)，人的學(xué)習(xí)方式、認(rèn)知模式都將發(fā)生深刻的變化。在此前的技術(shù)語(yǔ)境下，事物的表達(dá)維度往往是不完整的，是以語(yǔ)言或圖像的形式對(duì)世界的簡(jiǎn)化和抽象，這一過(guò)程中對(duì)象或場(chǎng)景的大量細(xì)節(jié)將無(wú)法呈現(xiàn)，能夠呈現(xiàn)的部分也難免存在表達(dá)模糊晦澀之處。與之相應(yīng)，對(duì)這種表達(dá)的認(rèn)知就可能形成偏態(tài)，其認(rèn)知過(guò)程的沉浸度、愉悅度和順暢度都是不足的。在新的場(chǎng)景體驗(yàn)時(shí)代，人們將在場(chǎng)景中體驗(yàn)、學(xué)習(xí)，直觀地體會(huì)世界的樣貌，把握對(duì)象的性質(zhì)，具體而言，這種全新的場(chǎng)景體驗(yàn)時(shí)代具有四個(gè)重要特征。

一是個(gè)體將以第一人稱進(jìn)入場(chǎng)景之中，具有學(xué)習(xí)和探索的自由度。在沉浸傳播時(shí)代，傳播也將真正實(shí)現(xiàn)“我的場(chǎng)景我做主”，將傳播中的主動(dòng)權(quán)賦予受眾。在虛擬的場(chǎng)景空間中，人的在場(chǎng)與環(huán)境因素并置存在，是一種非線性的并置狀態(tài)。[15]個(gè)體能夠主動(dòng)地控制認(rèn)知過(guò)程，對(duì)事物形成多維度的解讀，并能結(jié)合實(shí)踐操作形成更深層次的把握。

二是場(chǎng)景將形成人們對(duì)話的基礎(chǔ)，極大地減少各說(shuō)各話的窘境。受限于先前技術(shù)，個(gè)體往往使用抽象的語(yǔ)言建立會(huì)話主題。盡管這種抽象一定程度上能夠突出重點(diǎn)，但其忽略掉的細(xì)節(jié)往往會(huì)引起不同受眾的不同解讀，正所謂“一千個(gè)讀者有一千個(gè)哈姆雷特”，受眾從抽象到具象的演繹會(huì)受到各種因素的影響，從而帶來(lái)認(rèn)知的不確定性。在新的場(chǎng)景體驗(yàn)時(shí)代，個(gè)體能夠以相對(duì)具象的方式呈現(xiàn)話題，極大地削減語(yǔ)義不明的灰色空間，使會(huì)話多方能夠就話題形成共通的、基礎(chǔ)的認(rèn)識(shí)，從而減少網(wǎng)絡(luò)中各說(shuō)各話的溝通困境。

三是場(chǎng)景體驗(yàn)將成為個(gè)體消除認(rèn)知差異、達(dá)成共識(shí)與共情的新路徑。在新的場(chǎng)景體驗(yàn)時(shí)代，個(gè)體可以基于技術(shù)構(gòu)建場(chǎng)景、共享場(chǎng)景，通過(guò)消除認(rèn)知不匹配以幫助不同立場(chǎng)的個(gè)體達(dá)成彼此理解，形成換位思考的可能性。此外，構(gòu)建場(chǎng)景也為情感敘事提供了更豐富的可供性，不同立場(chǎng)的個(gè)體置身場(chǎng)景之中更容易產(chǎn)生情感共鳴，如難民議題的敘述文本遠(yuǎn)不如使用戶置身場(chǎng)景之中更具感染力和沖擊力。

四是場(chǎng)景體驗(yàn)將成為個(gè)體認(rèn)知改變的關(guān)鍵要素，能夠在很大程度上彌補(bǔ)語(yǔ)義模糊帶來(lái)的認(rèn)知偏態(tài)和刻板印象，使不同立場(chǎng)的話語(yǔ)能在理論上處于對(duì)等狀態(tài)。最典型的便是網(wǎng)絡(luò)謠言，許多剪輯拼貼而成的影像片段往往能夠壓過(guò)文本信息的聲量，而構(gòu)造場(chǎng)景則能有效傳情達(dá)意，使輿論不致極化。概言之，大眾構(gòu)建多模態(tài)場(chǎng)景的能力對(duì)人類(lèi)認(rèn)知的完整性、自主性和可操作性具有重要意義，智能媒介將成為未來(lái)人類(lèi)學(xué)習(xí)和認(rèn)知的關(guān)鍵平臺(tái)。

3. 全新場(chǎng)景體驗(yàn)意味著能夠建立粒度更細(xì)、自由度更高、可供性更強(qiáng)的價(jià)值連接

羅伯特·斯考伯和謝爾·伊斯雷爾曾前瞻性地指出，在未來(lái)的25年里互聯(lián)網(wǎng)將邁入場(chǎng)景時(shí)代，[16]隨后移動(dòng)互聯(lián)網(wǎng)深度挖掘了基于場(chǎng)景的服務(wù)，即對(duì)場(chǎng)景（情境）的感知及信息（服務(wù)）適配，[17]使用戶需求與場(chǎng)景實(shí)現(xiàn)了粗略的連接，這是場(chǎng)景傳播的第一個(gè)階段，即著重“場(chǎng)”。在這一階段，場(chǎng)景不是完整的，始終是抽象、局部分散和割裂的。場(chǎng)景傳播的下一個(gè)階段將重于“景”，即在解決人們不同情景下個(gè)性化信息和服務(wù)的適配之后，場(chǎng)景技術(shù)將在景觀化呈現(xiàn)和沉浸式體驗(yàn)方面躍進(jìn)，[15]從而能夠構(gòu)造粒度更細(xì)、自由度更高、可供性更強(qiáng)的價(jià)值連接。

具體而言，移動(dòng)互聯(lián)網(wǎng)時(shí)代的場(chǎng)景連接是整體性的，即對(duì)場(chǎng)景的分析主要限于人工主觀劃分的代表性場(chǎng)景，如打車(chē)、外賣(mài)、網(wǎng)購(gòu)等，這種場(chǎng)景以一種脫離個(gè)體所處現(xiàn)實(shí)物理環(huán)境的語(yǔ)義形態(tài)或應(yīng)用形態(tài)存在。用戶無(wú)法窺見(jiàn)場(chǎng)景的構(gòu)成要素和整體面貌，僅能通過(guò)“黑箱”式的主動(dòng)連接完成需求的滿足。如當(dāng)用戶想要回味電影中的某個(gè)情節(jié)時(shí)，只能通過(guò)點(diǎn)開(kāi)幾個(gè)應(yīng)用尋找視頻來(lái)滿足這種場(chǎng)景需求。這種連接模式無(wú)法精確地匹配到用戶想看的某個(gè)片段、想要產(chǎn)生的某種精神共鳴，以及在觀賞的同時(shí)享受到的其他服務(wù)。要達(dá)到這種需求的更深層次的滿足，場(chǎng)景必然不能以整體形式出現(xiàn)，而是以要素個(gè)性化組合的形式呈現(xiàn)。

以Sora為代表的智能媒介就完成了這種場(chǎng)景的解構(gòu)和重組。通過(guò)大型視覺(jué)模型，智能媒介能夠理解物理世界，感知并分析視覺(jué)要素，使場(chǎng)景感知不再依賴于簡(jiǎn)單抽象的文本敘述、數(shù)據(jù)模型、地理位置，而是能夠精確地分析場(chǎng)景中所蘊(yùn)含要素的物理性質(zhì)、化學(xué)性質(zhì)、功能結(jié)構(gòu)，并能結(jié)合個(gè)體需求賦予其價(jià)值定義，使這些要素能夠在用戶的需求意愿下進(jìn)行重組和提煉，并與用戶需求建立精確匹配。這種匹配關(guān)系的細(xì)致程度遠(yuǎn)超以往任何時(shí)代，其價(jià)值釋放的規(guī)模也將達(dá)到全新層次。

這種全新的場(chǎng)景體驗(yàn)將與以ChatGPT為代表的文本生成智能媒介所構(gòu)造的語(yǔ)義連接系統(tǒng)相結(jié)合，形成前所未有的價(jià)值連接范式。文本生成智能媒介的最大革命性在于，其打開(kāi)了個(gè)體需求的“黑箱”，能夠根植用戶表達(dá)的語(yǔ)義系統(tǒng)，通過(guò)個(gè)性要素識(shí)別、人類(lèi)認(rèn)知模擬完成個(gè)體更細(xì)致的內(nèi)生性需求的分析。[18]這迥異于外賣(mài)、打車(chē)等一般簡(jiǎn)單的場(chǎng)景或需求的表達(dá)，而是對(duì)用戶需求的內(nèi)在機(jī)理展開(kāi)細(xì)膩的個(gè)性化識(shí)別。因此，當(dāng)內(nèi)部需求與外部場(chǎng)景的拆解重組相結(jié)合時(shí)，其本質(zhì)上是智能媒介對(duì)連接雙端“黑箱”的開(kāi)啟，是一切價(jià)值連接內(nèi)外部關(guān)系壁壘的打破。一切細(xì)微復(fù)雜的、個(gè)體的、場(chǎng)景的結(jié)構(gòu)要素能夠解構(gòu)重組、重新生成、重新連接，從而構(gòu)造粒度更細(xì)、自由度更高、可供性更強(qiáng)的價(jià)值連接。

至此，在智能媒介的中介下，整個(gè)社會(huì)一切內(nèi)部要素和外部關(guān)系將互聯(lián)互通，整合協(xié)同。正如麥克盧漢對(duì)“地球村”的預(yù)言：“我們今天的加速并不是緩慢地從中心向邊緣的外向爆炸，而是瞬間發(fā)生的內(nèi)爆，是空間和各種功能的融合。我們專門(mén)化的、分割肢解的中心—邊緣結(jié)構(gòu)的文明，突然又將其機(jī)械化的碎片重新組合成一個(gè)有機(jī)的整體。”[19]在這種整合之中，虛擬或現(xiàn)實(shí)世界的各種器物、各種媒介的界限將消弭，一切要素將根據(jù)個(gè)體的意愿、狀態(tài)實(shí)時(shí)響應(yīng)，實(shí)時(shí)連接，協(xié)同作用。這種密集的價(jià)值連接將形成極大的價(jià)值釋放，推動(dòng)人類(lèi)文明進(jìn)入數(shù)字時(shí)代的新紀(jì)元。

四、AGI時(shí)代新聞傳播學(xué)的價(jià)值要點(diǎn)：未來(lái)傳播要滲透到人的認(rèn)知全環(huán)節(jié)，并在圈層化結(jié)構(gòu)中促進(jìn)共識(shí)達(dá)成

以Sora為代表的新技術(shù)將深刻地改變?nèi)祟?lèi)的傳播模式，這也為新聞傳播學(xué)帶來(lái)契機(jī)——我們有望通過(guò)技術(shù)進(jìn)步解除既往傳播模式對(duì)人的限制，幫助公眾更好地形成認(rèn)知，從而更好地把握自我與外界現(xiàn)實(shí)。因此，我們有必要重新審視AGI時(shí)代新聞傳播學(xué)的價(jià)值要點(diǎn)。

1. 未來(lái)傳播需要滲透到公眾認(rèn)知的全環(huán)節(jié)，并輔助公眾參與治理、創(chuàng)造價(jià)值

在AGI時(shí)代，媒介將不僅僅是信息傳播的工具，新聞傳播活動(dòng)也將被賦予更多功能。如果我們此時(shí)仍將新聞傳播簡(jiǎn)單地定義為報(bào)道真相的話，我們就會(huì)犯“刻舟求劍”式的錯(cuò)誤。因?yàn)樾侣剛鞑プ钪匾哪繕?biāo)是消除或減少公眾對(duì)于外界變化的認(rèn)知不確定性，這不是僅靠提供真實(shí)可靠的新聞就能實(shí)現(xiàn)的。因?yàn)槿藘?nèi)在已有的知識(shí)體系、既往經(jīng)驗(yàn)會(huì)扭曲相關(guān)信息，理解會(huì)存在偏差，存在系統(tǒng)性的漏洞，而這些缺陷在過(guò)去的傳統(tǒng)媒介時(shí)代是無(wú)法有效彌補(bǔ)的。

在AGI技術(shù)語(yǔ)境下，未來(lái)傳播必須從新聞報(bào)道的角色轉(zhuǎn)變?yōu)樽非鬂B透至人認(rèn)知的全過(guò)程。Sora為傳播創(chuàng)造了一個(gè)機(jī)會(huì)，即新聞傳播不僅可以報(bào)道真相，也可以通過(guò)游戲、場(chǎng)景體驗(yàn)、實(shí)際操作，讓公眾看到真假混合的社會(huì)現(xiàn)實(shí)。在辨別的過(guò)程中，公眾的認(rèn)知能力、選擇能力、判別能力將得到提升，能夠?qū)⑵滢D(zhuǎn)化為對(duì)不確定性的減少或消除。

此外，媒介正在從提供信息的工具演化為價(jià)值創(chuàng)造的平臺(tái)，這是由于媒介能夠構(gòu)架連接，促進(jìn)信息、資源、價(jià)值的流動(dòng)，使每個(gè)個(gè)體能夠在流動(dòng)的社會(huì)網(wǎng)絡(luò)中既獲取價(jià)值、滿足需求、完善自我，又能夠傳情達(dá)意、創(chuàng)造價(jià)值、實(shí)現(xiàn)自我。AGI時(shí)代，每個(gè)個(gè)體將成為社會(huì)中最重要的原點(diǎn)，未來(lái)社會(huì)將是萬(wàn)眾共治、價(jià)值共創(chuàng)的龐大生態(tài)。因此，傳播與媒介更需要輔助公眾參與治理，創(chuàng)造價(jià)值，這是未來(lái)傳播的關(guān)鍵功能。

2. 未來(lái)傳播需要連接圈層，促進(jìn)圈層間個(gè)體的彼此理解與共識(shí)達(dá)成

媒介技術(shù)的發(fā)展降低了個(gè)體之間彼此連接的成本，人類(lèi)同氣相求的傾向逐漸轉(zhuǎn)變?yōu)槊浇榕c社會(huì)結(jié)構(gòu)的“部落化”和 “DAO化”。這種傳播結(jié)構(gòu)能夠滿足個(gè)體群體認(rèn)同和情感支撐的需求，但也催化了社會(huì)意見(jiàn)的撕裂和輿論治理的困難。因此，未來(lái)傳播的一項(xiàng)重要價(jià)值就在于如何讓人走出圈層進(jìn)入公共空間，使社會(huì)意見(jiàn)能夠充分有效地碰撞和交換，能夠形成某種共識(shí)以推動(dòng)社會(huì)發(fā)展。

Sora這一新興技術(shù)為連接圈層帶來(lái)了新的可能，即通過(guò)視覺(jué)內(nèi)容的傳播與實(shí)踐場(chǎng)景的構(gòu)建，使不同圈層的個(gè)體能夠更加立體、設(shè)身處地地感受彼此所處的情景，從而構(gòu)建能夠形成共識(shí)和溝通的平臺(tái)，加強(qiáng)不同圈層間的彼此聯(lián)系。

總而言之，我們不應(yīng)因新技術(shù)的到來(lái)而感到恐慌。新技術(shù)的誕生能夠改變傳媒業(yè)的格局，更能給新聞傳播帶來(lái)更廣闊的發(fā)揮空間，讓我們發(fā)現(xiàn)既往技術(shù)帶來(lái)的人認(rèn)知、溝通上的限制，從而通過(guò)幫助整個(gè)社會(huì)更好地交流協(xié)作以推動(dòng)技術(shù)向善，使社會(huì)更好地走入數(shù)字文明。

參考文獻(xiàn)：

[1] Sora來(lái)了，現(xiàn)實(shí)不存在了？[EB/OL].[2024-02-16].https：//mp.weixin.qq.com/s/y82KaPSIjCROi9FLHXdf2A.

[2] OpenAI. Video generation models as world simulators[EB/OL].[2024-02-15].https：//openai.com/research/video-generation-models-as-world-simulators.

[3] 關(guān)于Sora，我有十個(gè)小白問(wèn)題[EB/OL].[2024-02-19].https：//www.guokr.com/article/465211.

[4] Liu Y， Zhang K， Li Y， et al. Sora： A Review on Background， Technology， Limitations， and Opportunities of Large Vision Models[EB/OL].[2024-03-03].http：//arxiv.org/abs/2402.17177.

[5] OpenAI. Creating video from text[EB/OL].[2024-02-15].https：//openai.com/sora.

[6] 解剖Sora：37頁(yè)論文逆向工程推測(cè)技術(shù)細(xì)節(jié)，微軟參與，華人團(tuán)隊(duì)出品[EB/OL].[2024-03-02].https：//mp.weixin.qq.com/s/bPwZ1dGgqGeYs6Z4Ko1C6Q.

[7] Goertzel B. Artificial general intelligence[M]. New York： Springer， 2007： 1.

[8] 魏屹東. 關(guān)于通用人工智能的哲學(xué)思考[J]. 南京社會(huì)科學(xué)，2024（2）：10-19.

[9] 周鴻祎：Sora意味著AGI實(shí)現(xiàn)將從10年縮短到1年[EB/OL].[2024-02-16].https：//www.jiemian.com/article/10803956.html.

[10] 劉宏建. 具身智能：通用人工智能發(fā)展的必經(jīng)之路[J]. 張江科技評(píng)論，2023（6）：14-15.

[11] Sora到底懂不懂物理世界？一場(chǎng)頭腦風(fēng)暴正在AI圈大佬間展開(kāi)[EB/OL].[2024-02-20].https：//www.thepaper.cn/newsDetail_forward_26391144.

[12] 保羅·萊文森. 萊文森精粹[M]. 何道寬，譯. 北京：中國(guó)人民大學(xué)出版社，2007：35.

[13] 喻國(guó)明，諶椿，王佳寧. 虛擬現(xiàn)實(shí)（VR）作為新媒介的新聞樣態(tài)考察[J]. 新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2017，38（3）：15-21.

[14] Sora橫空出世，AI創(chuàng)業(yè)者和投資人們一夜無(wú)眠[EB/OL].[2024-02-17].https：//mp.weixin.qq.com/s/p2-RizdbgwxLvuhiCNHciQ.

[15] 喻國(guó)明，曲慧. VR/AR技術(shù)對(duì)媒體場(chǎng)景構(gòu)建的三度拓展[J]. 傳媒觀察，2021（6）：13-16.

[16] 郜書(shū)鍇. 場(chǎng)景理論：開(kāi)啟移動(dòng)傳播的新思維[J]. 新聞界，2015（17）：44-48，58.

[17] 彭蘭. 場(chǎng)景：移動(dòng)時(shí)代媒體的新要素[J]. 新聞?dòng)浾撸?015（3）：20-27.

[18] 喻國(guó)明，蘇健威. 生成式人工智能浪潮下的傳播革命與媒介生態(tài)——從ChatGPT到全面智能化時(shí)代的未來(lái)[J]. 新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2023，44（5）：81-90.

[19] 米歇爾·麥克盧漢. 理解媒介：論人的延伸[M]. 何道寬，譯. 南京：譯林出版社，2011：131.

From Sora to AGI： Intelligent Media Upgrading and the Dawning of

the New Scenario-Based Experience Era

YU Guo-ming， SU Jian-wei（School of Journalism and Communication， Beijing Normal University， Beijing 100875， China）

Abstract： As a new generation of large visual models， Sora makes the generating text to video technology realize the leap from "usable" to "good". Behind its development is the possibility of realizing embodied intelligence， world model and then moving towards general artificial intelligence. Sora is essentially a major upgrading of intelligent media， enabling value generation with spatial and time dimensions， which will profoundly affect the digital practice of human beings and open the prelude to digital civilization. The significance of Sora lies in the fact that， firstly， the large-scale content production has been upgraded from text-based unimodal to image-based multimodal. Secondly， human cognition， learning and communication will enter the scenario-based experience era. Finally， the new scenario-based experience means that value connections can be established with finer granularity， higher degree of freedom and stronger affordance. Sora's technological revolution will also have a profound impact on the value of journalism and communication theory. On the one hand， the future communication needs to penetrate into the whole link of public cognition， and assist the public to participate in governance and create value. On the other hand， future communication will need to connect circles as well as promote mutual understanding and consensus-building among individuals in the circles.

Key words： Sora; LVM; scenario-based experience; AGI; intelligent media