快速摘要： 2026年3月24日，OpenAI正式宣布关停旗下视频生成应用Sora，这款曾经登顶App Store、与迪士尼达成10亿美元合作的明星产品，从上线到退场仅仅存活了半年。Sora之死并非偶然，而是用户留存率断崖式下跌（30天留存仅1%）、生成体验严重依赖"抽卡"运气、定价策略脱离市场实际、以及OpenAI主动进行战略收缩四大因素的共同结果。 但值得注意的是，Sora的退场并不意味着AI视频赛道的终结——它恰恰证明了技术领先不等于产品成功，下载量不等于用户黏性。本文将从Sora的技术架构讲起，深入拆解它从巅峰到退场的完整脉络，并分析这一事件对整个AI视频行业的深远影响。往下看，有更详细的拆解。
一场猝不及防的告别
2026年3月24日，美国东部时间凌晨，Sora的官方账号在社交平台发布了一条简短的告别声明，大意是感谢所有使用过Sora的用户，承认这个消息令人失望，并表示后续会公布应用和API的具体关停时间表。
——莫潇羽@无忆研习社（www.wuyi.wiki）
这条消息传开之后，整个AI行业为之震动。要知道，就在几个月前，Sora 2上线时还凭借音画同步、故事板分镜等功能在App Store上强势霸榜，被无数人视为AI视频领域划时代的里程碑产品。而更让人唏嘘的是，OpenAI在2025年12月刚刚与迪士尼签署了一份为期三年、价值10亿美元的IP授权协议，计划将超过200个迪士尼角色引入Sora平台。据多家外媒报道，迪士尼的技术团队直到关停前一天晚上才得知这个"战略调整"的消息。
CNN在报道中引用了OpenAI发言人的表述，称公司需要在高算力成本的产品之间做出取舍，Sora的研究团队将转向世界模拟研究，特别是与机器人相关的方向。
从2024年初的技术预览惊艳亮相，到2025年9月的Sora 2正式上线，再到2026年3月的黯然退场——Sora的完整生命周期，满打满算不过两年出头，而作为独立应用的存活时间，只有短短六个月。
这篇文章，莫潇羽将带你从底层技术原理开始，逐层拆解Sora到底是怎么工作的、为什么曾经被寄予厚望、又为什么最终走向了关停。如果你是AI领域的从业者或爱好者，这篇分析应该能帮你看清AI视频生成行业当前的真实面貌。
从零理解Sora：它到底是怎么生成视频的
在讨论Sora为什么失败之前，我们有必要先搞清楚它到底是什么、怎么工作的。只有理解了技术层面的底层逻辑，才能真正看懂它在产品层面暴露出的那些问题。
文生视频的核心难题
文生视频（Text-to-Video，简称T2V）这个任务，说白了就是：你输入一段文字描述，AI输出一段对应的视频。听起来简单，但实际上它是AI内容生成领域公认最难的方向之一。
为什么难？因为视频不是简单的"图片序列"。一段10秒、30帧/秒的1080p视频，包含300帧画面，每帧画面有约200万个像素点，每个像素点有RGB三个通道的数值。这意味着AI需要在一个极其高维的数据空间中，同时处理空间信息（每帧画面的内容）和时间信息（帧与帧之间的连贯性），还要让生成的内容与文字描述在语义上对齐。
这三个维度的要求——空间质量、时间连贯性、语义准确性——任何一个做不好，生成出来的视频就会出现画面崩坏、动作跳变、或者"文不对题"的问题。
Sora的技术架构：DiT（Diffusion Transformer）
Sora的技术核心，是一种叫做DiT（Diffusion Transformer）的架构。这个名字包含了两个关键概念：扩散模型（Diffusion Model）和Transformer。
我们分别来看。
扩散模型是怎么回事？
扩散模型的基本思想其实很直觉化：想象你有一张清晰的照片，然后你不断往上面撒噪点，撒到最后变成一团完全看不出内容的白噪声——这个过程叫"前向扩散"（Forward Diffusion）。反过来，如果你训练一个神经网络，让它学会从白噪声中一步一步把噪点去掉、还原出清晰的内容——这个过程叫"反向去噪"（Reverse Denoising）。
训练好之后，你就可以从一团随机噪声开始，让模型一步步"去噪"，最终生成一张全新的、从未存在过的图像。这就是扩散模型生成内容的核心原理。
前向扩散过程：
清晰图像 → 加噪声 → 加噪声 → ... → 纯噪声
反向去噪过程（生成）：
纯噪声 → 去噪声 → 去噪声 → ... → 清晰图像把这个过程从图像推广到视频，就是Sora在做的事情。只不过现在"去噪"的对象不再是一张2D图片，而是一段包含了时间维度的3D数据（宽×高×帧数）。
为什么要引入Transformer？
传统的扩散模型（比如Stable Diffusion早期版本）使用的骨干网络是U-Net——一种在图像分割领域非常成熟的卷积神经网络架构。U-Net在处理固定尺寸的图像时效果不错，但它有一个根本性的局限：扩展性不好。
什么意思呢？在大语言模型领域，有一个被反复验证的规律叫Scaling Law——模型参数越多、训练数据越多、训练计算量越大，模型的能力就越强。Transformer架构之所以能在语言领域一统天下，核心原因之一就是它具备极好的可扩展性：你给它更多的参数和算力，它就能持续变得更强。
而U-Net并不天然具备这种良好的扩展特性。于是DiT架构的思路就是：把扩散模型的骨干网络从U-Net换成Transformer，让视频生成模型也能享受到Scaling Law带来的红利。
DiT的核心结构可以概括为这个流程：
输入文本
↓
[文本编码器(CLIP)] → 文本特征向量
↓
视频数据 → [VAE编码器] → 潜空间表示 → [切分为时空Patch]
↓
噪声Patch + 文本条件 → [Transformer骨干网络] → 去噪后的Patch
↓
[VAE解码器] → 输出视频这里面有几个关键环节值得展开说明（莫潇羽@无忆研习社 www.wuyi.wiki 整理）：
第一步：视频压缩与时空Patch化。 Sora不会直接在原始像素空间中操作（那样计算量太大），而是先通过一个VAE（变分自编码器）将视频压缩到一个低维的"潜空间"（Latent Space）中。然后，把压缩后的视频表示切分成一个个的"时空Patch"——你可以把它理解为一个个的小立方体，每个立方体捕获了一小块空间区域在若干帧内的信息。这个思路借鉴了Vision Transformer（ViT）中将图像切分为Patch的做法，而Sora把它从2D推广到了3D。
第二步：文本条件融合。 用户输入的文字提示词（Prompt）会通过CLIP等文本编码器转换为高维特征向量。在Transformer的处理过程中，这些文本特征会通过自适应层归一化（Adaptive Layer Normalization）或交叉注意力（Cross-Attention）等机制注入到视频生成过程中，引导模型生成与文字描述匹配的内容。此外，Sora还借鉴了DALL·E 3的"重字幕"（Recaption）技术——用GPT模型将用户输入的简短提示词扩展为更详细、更具描述性的长文本，从而让视频生成模型能更准确地理解用户意图。
第三步：迭代去噪生成。 从随机噪声出发，Transformer骨干网络在文本条件的引导下，对噪声Patch进行多步去噪处理。每一步都会让视频内容变得更清晰、更符合文字描述。最终，去噪完成后的潜空间表示通过VAE解码器还原为像素空间的视频。
值得一提的是，Sora的视频生成是一次性完成所有帧的，而不是逐帧生成。这种设计能更好地保证时间维度上的连贯性，避免帧间的抖动和跳变。
NaViT与多分辨率支持
传统的视觉模型通常要求输入固定尺寸的数据，这意味着不同宽高比的视频需要被裁剪或缩放，导致信息损失。Sora借鉴了Google提出的NaViT（Native Resolution ViT）技术中的Patch n' Pack策略，允许模型在训练和推理时接受不同分辨率和宽高比的输入。这让Sora可以直接以视频的原始分辨率进行处理，既保留了更多细节信息，也提高了训练效率。
具体来说，Patch n' Pack的做法是将多个不同大小的视频样本的Patch"打包"成一个统一的序列，送入Transformer进行处理。这样做的好处是，模型不再被固定尺寸所限制，可以灵活地处理横屏、竖屏、方形等各种视频格式，而不需要事先进行裁剪或填充操作。对于一个面向普通用户的视频生成工具来说，支持多种分辨率和宽高比是一项基础但非常重要的能力——毕竟，用户可能需要为不同的平台（短视频平台通常用竖屏9:16，YouTube通常用横屏16:9）生成不同格式的视频。
Sora的三阶段训练流程
理解了基本架构之后，我们再来看看Sora的训练过程。根据公开的技术资料和业内推测，Sora的训练大致分为三个阶段，这也是当前主流视频生成模型普遍采用的训练范式。
第一阶段：文生图预训练。 在这个阶段，模型首先在大规模的图像-文本对数据集上进行预训练，学习理解文本描述与视觉内容之间的对应关系。因为图像可以看作是"单帧视频"，所以这个阶段的训练成果可以直接为后续的视频生成奠定基础。模型在这个阶段学到的图像生成能力、纹理渲染能力、空间布局能力，都会被继承到视频生成阶段中去。
第二阶段：文生视频微调。 在图像预训练的基础上，模型进一步在大规模的视频-文本对数据集上进行训练。这个阶段的核心目标是让模型学会处理时间维度的信息——包括物体的运动、场景的变化、镜头的移动等。训练数据的质量在这个阶段至关重要。OpenAI利用了类似DALL·E 3的重字幕（Recaption）技术，首先训练了一个高质量的视频描述生成器，然后用它为训练集中的每一段视频生成详细的文本描述。这种合成高质量字幕的策略，有效解决了互联网上视频-文本对数据普遍质量偏低的问题（很多视频的原始描述只是简短的标题或者毫不相关的广告文案）。
第三阶段：质量对齐与优化。 最后阶段包括通过人类反馈进行质量对齐、针对特定生成任务的微调、以及各种工程层面的优化（如推理加速、内存优化等）。这个阶段决定了用户最终看到的产出效果。
训练数据：Sora的隐形壁垒
在讨论AI模型时，人们往往把注意力集中在模型架构上，但实际上训练数据的规模和质量同样至关重要，甚至在某些情况下更为关键。OpenAI在文本、图像和视频数据方面的积累是其最大的竞争壁垒之一。据推测，Sora的训练数据集涵盖了数以亿计的互联网视频片段，经过精心的筛选、标注和重字幕处理。这种量级的数据准备工作，不是短时间内能够复制的，它需要巨大的计算资源和长期的工程投入。
此外，OpenAI在GPT系列模型上积累的自然语言处理能力，也为Sora提供了独特的优势。用户输入的提示词会经过GPT模型的"润色"——将简短模糊的描述扩展为详细准确的长文本，再输入视频生成模型。这个看似简单的步骤，实际上对生成质量有着显著的影响。它使得Sora能够理解更复杂的用户意图，生成更符合描述的视频内容。
为什么Demo和实际产品之间存在巨大差距
理解了上面这些技术细节之后，我们就能更清楚地理解一个关键问题：为什么Sora的官方Demo效果那么惊艳，但实际使用时却经常让人失望？
原因在于Demo展示的是模型在最佳条件下的最佳输出。OpenAI的团队可能为每个Demo视频生成了成百上千个候选结果，然后从中精心挑选出效果最好的那一个。这就像一个摄影师拍了一千张照片，只展示最完美的那一张——你看到的是"上限"，而不是"常态"。但当产品大规模开放给普通用户后，每个用户看到的都是"随机抽取的某一个结果"，这个结果有很大概率距离最佳状态相差甚远。
从技术层面来看，Sora的架构设计确实是相当前沿和精巧的。DiT架构将扩散模型的生成能力与Transformer的可扩展性结合在一起，理论上具备持续提升质量的潜力。而OpenAI在训练数据、算力资源和工程优化方面的长期积累，让Sora在Demo阶段展现出了令人惊叹的生成效果。
但正如我们接下来要讨论的，技术上的先进性并不能自动转化为产品层面的成功。从Demo到可大规模使用的产品之间，横亘着一道由工程实现、用户体验、成本控制和商业模式组成的巨大鸿沟。
败因之一：用户留存率的断崖式崩塌
如果要用一个数据来概括Sora的产品困境，那就是留存率。
2025年底，硅谷顶级风投机构a16z的合伙人Olivia Moore在社交媒体上公开了一组来自移动端数据监测平台SensorTower的数据。这组数据显示，Sora APP的用户留存率呈现出极其恐怖的下滑曲线：
Sora APP 用户留存率数据（SensorTower监测）：
- 第 1 天留存率：约 10%
- 第 7 天留存率：约 2%
- 第30天留存率：约 1%
- 第60天留存率：趋近于 0%
作为对比：
- 抖音30天留存率：约 48.7%（艾瑞咨询数据）
- 快手30天留存率：约 46.2%（艾瑞咨询数据）
- 行业普通社交应用30天留存率：约 15%-20%这组数据的冲击力不需要多解释。即便是一些表现平平的APP，30天留存率也能维持在15%到20%之间。而Sora的30天留存率仅有1%，到了60天几乎归零。虽然有业内人士对数据的绝对精确度提出质疑（比如速途研究院院长丁道师就表示0%的留存率可能不够客观），但Sora的用户留存远低于行业平均水平，这一点是没有争议的。
——本文由莫潇羽@无忆研习社独家整理，转载请注明出处：www.wuyi.wiki——
更值得关注的是Sora的初始下载数据其实相当亮眼。Sora 2上线后仅用5天就突破了100万下载，下载速度甚至超过了当年的ChatGPT。Android版本上线首日就在美国、欧洲等市场获得了47万次下载，一度登顶App Store免费应用榜。
这种"下载量爆炸但留存率归零"的极端反差，说明了一个残酷的事实：用户的好奇心可以驱动安装，但无法转化为持续使用的黏性。绝大多数用户下载Sora，更多是出于尝鲜心理——生成几条视频发到社交平台上，获得一波社交话题之后，新鲜感便迅速退去。
Olivia Moore在分析这组数据时也指出了一个关键观察：Sora上最优质的内容往往会被创作者导出，然后发布到YouTube、Instagram Reels、TikTok等已有的成熟平台上。换句话说，Sora充其量是一个"内容生产车间"，用户在里面"加工"完视频就离开了，几乎没有人愿意留在Sora自己的社区里消费内容。
这其实暴露了Sora在产品定位上的一个根本性失误：它试图同时做"创作工具"和"内容社区"两件事，但两件事都没做好。作为工具，它的生成体验存在严重问题（下面会详细分析）；作为社区，它的推荐算法单一、互动功能残缺（没有评论和收藏、视频播放无法暂停、搜索体验混乱），跟成熟的短视频平台完全不在一个量级上。
OpenAI的首席研究官Mark Chen在一次访谈中也间接承认，短视频这类产品对运营能力的依赖极重，而这恰恰不是OpenAI的长项。一家以AI研究见长的公司，去跟字节跳动这样深谙内容运营的平台型企业在社区产品上正面竞争，结果可想而知。
败因之二：生成体验的"抽卡"困局
如果你真的深度使用过Sora 2，对"抽卡"这个概念一定不会陌生。
所谓"抽卡"，是AI视频生成领域的一个行话，意思是：同样的提示词，每次生成的结果可能天差地别。因为扩散模型的生成过程从随机噪声出发，随机种子的不同会导致最终输出截然不同。有时候你会"抽到"一条效果惊艳的视频，但更多时候，生成出来的内容可能画面崩坏、动作诡异、或者跟你的描述风马牛不相及。
根据winsomemarketing团队的实际测试数据，Sora 2生成的视频中，真正可以用于实际发布的内容命中率只有5%到10%。也就是说，一段最终可用的视频背后，可能需要经历十几次甚至几十次的"废片"生成。这些废片消耗的算力和等待时间，全部是沉没成本。
具体到用户的实际操作体验，大概是这样的：你精心编写一段提示词，点击生成，然后等待。以Sora 2的生成速度，等待时间通常在几分钟到半小时不等（取决于视频时长和清晰度）。等了半天，结果出来了，一看——效果差得不能用。于是你调整提示词，重新生成，再等半小时。如此反复，可能折腾一两个小时才能得到一条勉强能用的视频。
这种体验对普通用户来说是致命的。它意味着你没有办法把Sora高效地嵌入到日常工作流中。对于内容创作者来说，生成内容需要的是可预期的稳定输出，而不是碰运气的惊喜机制。你不能每次拿到成品都要"开盲盒"，在专业的内容生产场景中，这是完全不可接受的。
Sora 2在2025年底上线的时候，市场上还没有出现真正强有力的竞争对手，所以这个问题在早期被掩盖了——用户没得选，只能接受"可能性"这个概念。但到了2026年，随着国产AI视频生成工具的快速迭代，用户有了更多选择。比如字节跳动旗下的即梦（Seedance），虽然等待时间也被不少用户吐槽，但它的出片率明显更高，产出效果的稳定性也更好，走的是可量产的稳定输出路线。用户一比较，高下立判。
Sora还有一个被广泛诟病的问题：它试图把自己做成一个纯AI生成内容的社交社区，某种程度上想成为"AI版TikTok"。但纯AI生成内容的社区，效果天然劣于"人机混合"的内容形态。用户看多了AI批量产出的同质化内容，新鲜感顶多撑几分钟。真正有观赏价值的AI视频，往往需要创作者在AI生成的基础上进行大量的后期调整和二次创作，而不是直接在一个纯AI社区里消费。
当新鲜感退去，留下来的创作空间早已所剩无几。
败因之三：定价策略的严重失控
如果说"抽卡"体验让用户觉得Sora不好用，那定价问题则让用户觉得Sora用不起。
让我们来算一笔账。以Sora 2 Pro的高清版为例，其生成成本大约是每秒0.5美元。生成一条25秒的短视频，不算等待时间、不算因为"抽卡"失败导致的重复生成，单次生成费用就是12.5美元，折合人民币约90元。
如果你是一个日常使用AI视频进行内容创作的创作者，假设每天需要生成50条10秒的视频来筛选可用素材（考虑到5%到10%的可用率，这个数量并不夸张），那你每月的Sora使用账单大约是4,500美元起步，折合人民币超过三万元。
这个数字对绝大多数个人创作者和中小团队来说，是完全不可承受的。
莫潇羽@无忆研习社这里要特别说明一下背景：AI视频生成是一个极其消耗算力的领域。一段5秒的高清AI视频，背后需要消耗的GPU算力是文本生成的数百倍。据36氪的报道，Sora每日的运营成本高达约1500万美元（年化约55亿美元），单段10秒视频的生成成本在1.3美元起步，复杂场景下单次费用甚至高达33美元。Sora的负责人Bill Peebles甚至公开承认，当时的运营模式"完全不可持续"。
在这种成本压力下，OpenAI选择了"高定价转嫁成本"的策略——通过让用户承担高昂的使用费来缩小亏损缺口。但这个策略产生了一个恶性循环：高价格 → 用户不愿意频繁使用 → 用户流失加速 → 规模无法扩大 → 单位成本无法通过规模效应降低 → 价格更难降。
为了控制成本，OpenAI后来被迫将免费用户的每日生成额度从30条削减至6条，但这进一步削弱了普通用户的参与意愿，加速了留存的崩塌。
作为对比，国内的AI视频生成工具在定价策略上走了完全不同的路线。国产工具普遍采用"先做市场规模、再谈商业模式"的思路，价格远低于Sora。当然，这些平台目前也都处于亏损状态——整个AI视频生成行业目前还没有找到真正可持续的商业模式。差别只在于，各家愿意亏多少来换取市场份额。
OpenAI选择了"少亏一点"，把价格涨上去；而字节跳动等国内厂商选择了"先把盘子做大"，靠低价快速积累用户和使用场景。两种策略的短期结果已经很明显——Sora因为高价被用户抛弃，而国内的AI短视频创作生态正在快速成长。
算力成本：AI视频行业的根本性矛盾
在这里有必要深入说一下AI视频生成的成本结构，因为这不仅仅是Sora一家的问题，而是整个行业都面临的根本性矛盾。
莫潇羽@无忆研习社查阅了多方资料，做一个简单的成本对比，能直观感受到AI视频生成的算力消耗有多惊人：
不同AI任务的算力消耗对比（估算）：
- 文本生成（如ChatGPT回复一段话）：消耗约 0.001-0.01 GPU秒
- 图像生成（如DALL·E生成一张图）：消耗约 1-10 GPU秒
- 视频生成（如Sora生成10秒视频） ：消耗约 100-1000+ GPU秒
换算关系：
生成一段10秒的AI视频，消耗的算力约等于
ChatGPT回答一万到十万个问题这组数字解释了为什么AI视频生成的成本如此之高，也解释了为什么算力成本的降低对这个行业的存亡如此关键。当前的GPU价格和供应情况决定了，大规模提供低价AI视频生成服务在经济上是不可持续的。各家厂商的低价策略本质上都是在"补贴"用户，用投资资金来填补算力成本与用户付费之间的巨大缺口。
这也是为什么OpenAI选择关停Sora的原因之一——在当前的成本结构下，Sora每天消耗的算力资源如果转移到ChatGPT的文本服务上，能服务数倍乃至数十倍的用户量，产生远远更高的商业价值。对于一家正在冲刺IPO的公司来说，这是一笔再简单不过的经济账。
未来算力成本能否大幅下降？从技术趋势来看是乐观的。新一代的推理专用芯片、模型蒸馏和量化技术、以及Transformer架构本身的效率优化，都有望在未来两到三年内将AI视频生成的成本降低一到两个数量级。但在那一天到来之前，整个行业仍然需要在"烧钱换市场"和"可持续经营"之间艰难地寻找平衡点。
败因之四：OpenAI主动按下的关机键
前面三个败因，某种程度上可以归结为Sora自身的产品和市场问题。但最后一个致命因素，是OpenAI作为母公司，主动做出的战略决策。
2026年初，OpenAI正面临着前所未有的竞争压力。多家媒体报道指出，OpenAI内部从2025年12月起就进入了"Code Red"紧急状态。其应用业务CEO Fidji Simo在一次全员会议上明确宣布，公司将停掉所有"side quests"（支线任务），关闭各种非核心项目，把资源全部集中到生产力工具的优化上。
视频生成业务，显然被归入了"需要被砍掉的支线任务"这一类别。
这个战略判断背后有清晰的商业逻辑。从OpenAI当时面临的竞争态势来看：在编程开发领域，它的Codex工具正在快速崛起；在企业服务端，它需要与Google Gemini、Anthropic等竞争对手正面交锋。与其继续在消费级视频生成这个烧钱如流水的赛道上苦苦支撑，不如把宝贵的算力和核心团队精力集中投入到真正有优势、且商业前景更清晰的方向上去。
据CNBC报道，OpenAI正计划将旗下的ChatGPT桌面应用、Codex编程工具和浏览器整合为一款统一的"超级应用"，由Fidji Simo亲自主导，OpenAI总裁Greg Brockman协助推进。Simo在社交平台上对此表态说，当新的业务线开始展现出明显势头的时候，加倍投入并避免分心，是非常重要的。
更重要的背景是，OpenAI正在为可能最早在2026年第四季度启动的IPO做准备。公司当时正在筹集新一轮100亿美元的融资，总融资额突破1200亿美元，估值高达7300亿美元。在IPO的聚光灯下，投资人关注的不是"热闹"，而是可持续的业务增长和清晰的路径。像Sora这样流量虽大但持续烧钱的消费级应用，很容易成为拖累财报的"成本黑洞"。果断砍掉它，既是向资本市场展示公司"懂得做减法"的能力，也是在为招股书中的财务数据腾出空间。
所以Sora的结局，不仅仅是被市场淘汰，更是被自己的母公司主动放弃。用一个不那么好听但很准确的说法：这是一次战术性撤退。
值得一提的是，Sora团队并没有被裁撤。Sora的负责人Bill Peebles在宣布消息后发了一条内部消息，表示对团队的工作感到自豪，并宣布Sora研究团队的下一个目标是构建"通过模拟任意环境来深度理解世界的系统"——也就是世界模型（World Model），最终指向机器人领域。这与Sam Altman在内部信中的表述一致：Sora的底层研究将继续，但会以不同的形态和方向存在。
迪士尼10亿美元的尴尬收场
在Sora的整个故事中，与迪士尼的合作是最具戏剧性的一个章节。
2025年12月，迪士尼宣布向OpenAI进行大额投资，并签署了一份为期三年的IP授权协议。根据这份协议，超过200个迪士尼旗下的经典角色——包括漫威、皮克斯、星球大战等IP——将被授权在Sora平台上使用。用户可以在AI生成的视频中与这些耳熟能详的角色互动，OpenAI的高管甚至将这项合作比作"电影史上从默片到有声片的转变"级别的变革。
原本的计划中还包括在Disney+流媒体平台上开设专区，让订阅用户能够上传自己用Sora生成的迪士尼IP视频。这本该是AI与内容产业最具标志性的一次联姻。
但仅仅三个月后，这一切就随着Sora的关停而戛然而止。
据报道，迪士尼方面对此非常意外。在Sora关停的官方声明发布后，迪士尼通过发言人表示"尊重OpenAI退出视频生成业务的决定"，并表示将"继续与AI平台合作，寻找新的方式来触达用户"。措辞虽然得体，但难掩背后的尴尬——一家以版权保护著称的娱乐巨头，在刚刚跨出拥抱AI的重要一步后，就被合作方单方面"放了鸽子"。
这件事对整个AI内容行业的影响是深远的。它向所有潜在的内容版权方发出了一个信号：AI视频生成平台的生存能力和商业可持续性，远没有它们宣传的那么确定。在内容IP授权这种需要长期稳定关系的合作中，AI公司的不确定性成了最大的风险因素。
Sora的内容审核困境
说到迪士尼的合作，这里有必要提一下Sora在内容安全和审核方面面临的挑战，因为这也是压垮Sora的一个重要但经常被忽视的因素。
根据TechCrunch等外媒的报道，Sora上线后的社区内容审核状况可以用"一言难尽"来形容。Sora推出了一个叫"角色客串"（后因商标纠纷改名为"Characters"）的功能，允许用户通过摄像头采集自己的面部和声音特征，然后在AI生成的视频中"扮演"各种角色。这个功能本意是增加互动性和个性化，但实际上迅速成为了一个深度伪造（Deepfake）的温床。
理论上，Sora不允许用户生成未经本人授权的公众人物视频，但平台的安全防护机制很容易被绕过。结果就是，各种名人的AI伪造视频在平台上泛滥，甚至引发了争议事件——一些已故公众人物的后人不得不公开在社交媒体上呼吁用户停止制作他们亲人的AI视频。
更具讽刺意味的是，大量用户故意使用各类知名IP角色的形象来生成恶搞视频，对OpenAI的知识产权合规造成了巨大压力。而迪士尼面对这种局面的反应出人意料——他们没有选择起诉（尽管迪士尼以强力维权著称），而是直接
