為什麼 Sora 證明影片 AI 還沒準備好走向主流

Sora 很驚艷，但它也證明影片 AI 仍不夠可靠、成本太高，且很容易被濫用。

Sora 是最清楚的證據：影片 AI 已經跨過「能不能做出來」的展示門檻，卻還沒跨過「能不能放心用」的產品門檻。OpenAI 在 2024 年 2 月公開預覽時，影片的連貫性確實驚人，但同時也暴露出物理邏輯、左右一致性與因果連續性的問題。到了 2024 年 12 月，Sora 先在美國與加拿大的 ChatGPT Plus、Pro 使用者中推出，討論焦點已經從「能不能生成影片」變成「誰敢拿它當真」。答案很明確：不敢。後來 Sora app 在 2026 年 4 月關閉，更把這件事說死了。

第一個論點

第一個原因很簡單：看起來像真的，不等於真的可靠。OpenAI 自己就承認，模型在複雜物理模擬、左右辨識與時間一致性上仍有明顯限制。這不是影片系統的小瑕疵，而是核心能力的裂縫。影片本來就該保留運動、物件恆常性與場景連續性；如果模型連這些都守不住，那它產出的東西再漂亮，也只是短暫迷惑人眼的假象。

這個落差在高風險場景尤其致命。圖像可以被當成藝術、概念圖或靈感草稿，但生成影片很容易被誤認為證據、教學或紀錄。Sora 早期展示之所以震撼，正是因為它像真實影像；問題也正出在這裡。OpenAI 雖然加入可見浮水印與 C2PA metadata，但在 Sora 2 發布後不到一週，第三方工具就出現了移除浮水印的方法。當 provenance 標記能被輕易拆掉，信任層就塌了，模型反而更像一台高效率的造假機器。

第二個論點

Sora 也暴露了另一個硬現實：影片生成的經濟模型，撐不起真正的規模化使用。上線後的報導指出，Sora 全球使用者一度接近 100 萬，之後跌破 50 萬；同時，因為影片生成的算力需求極高，服務每天估計要燒掉約 100 萬美元。這不是健康的消費級產品曲線，而是典型的「展示很漂亮，真正上量就出血」的樣子。

這個成本結構也解釋了為什麼產品後來走不下去。OpenAI 沒有公開完整關閉原因，但外界報導把它與算力短缺、成本壓力，以及公司把重心轉回核心企業產品連在一起。這就是關鍵教訓：一個文字轉影片模型可以吐出驚人的片段，但如果每分鐘輸出都在吞掉昂貴推理預算，商業模式很快就會縮到只剩少數人玩得起。市場不會長期獎勵一個「很酷、很貴、很難管」的工具，市場要的是能天天用、能穩定接進工作流的系統。

反方可能怎麼說

最強的反方論點是：每一個新媒體剛開始都不成熟。早期圖像模型也會畫錯手、臉和文字，但最後還是改變了創作流程。支持者會說，Sora 的缺陷只是時間問題，只要更多訓練、更大算力，這些錯誤都能修掉；真正的價值，是讓任何人只要描述一個場景，就能得到一段可用的影片草稿。這個說法不是空話，因為 demo 的品質確實夠高，創作門檻也確實被拉低了。

還有一個政策面的辯護也站得住腳。OpenAI 的確做了浮水印、metadata、內容限制與紅隊測試，對性、暴力、仇恨、名人與 IP 相關內容也設了提示與限制。這表示團隊不是忽視風險，而是知道風險很大，並且試著去管理它。

但這些防線都不夠，原因很具體。浮水印可被移除，版權預設引發反彈，而 app 帶有類 TikTok 的社交層，會把產品推向病毒式傳播，而不是受控使用。一個成本高、可驗證性弱、又容易被濫用的模型，不可能直接成為大眾信任的基礎。我承認 Sora 是重要的研究里程碑，但我不同意它已經準備好進入穩定的主流部署。

你能做什麼

如果你是工程師，先別追求更漂亮的樣片，先把時間一致性、來源標記與每秒生成成本做穩；如果你是 PM，別把使用者驚喜誤認成產品成熟，把濫用監控、權限設計與單位經濟納入上線門檻；如果你是創辦人，不要把「影片生成」當成一個天然成立的品類，真正會贏的產品，是能把生成影片做得可信、便宜、可治理，而不只是發表會上看起來很強。