OpenAI 於 2026 年 3 月正式宣布關閉 Sora 視頻生成模型的公共 API 存取，這一決定在 AI 產業界引起了廣泛討論。OpenAI 在聲明中坦承，Sora 每分鐘視頻生成的推理成本遠超公司預期，在現有技術條件下無法建立可持續的商業模式。這一事件不僅影響了數千家依賴 Sora API 的應用開發者，更迫使整個視頻 AI 產業對生成式視頻技術的商業前景進行根本性的重新評估。
推理成本的技術剖析
為何視頻生成如此昂貴
視頻生成的計算成本遠超文本和圖像生成，主要源於以下技術因素：
1. 時間維度的指數級複雜度
文本生成是一維序列問題，圖像生成是二維空間問題，而視頻生成是三維時空問題。一段 10 秒、30fps、1080p 的視頻包含 300 幀，每幀約 200 萬像素，總計需要處理約 6 億個像素點的時空一致性。
Sora 使用的 Diffusion Transformer（DiT） 架構需要在這 6 億個像素點之間建立注意力關係。即使使用了多種注意力壓縮技術，計算量仍然是圖像生成的 50-100 倍。
2. 擴散步數的不可壓縮性
Sora 的生成過程涉及多步擴散去噪。典型的高品質視頻生成需要 50-100 步擴散迭代，每一步都需要完整的前向傳播。相較之下，文本模型的每個 Token 只需一次前向傳播。
雖然學術界已提出多種快速採樣方法（如 DDIM、DPM-Solver），但在視頻生成場景中，步數的減少會導致時間一致性的顯著下降，產生閃爍、形變等視覺瑕疵。OpenAI 的內部測試顯示，將步數從 80 減少到 20 時，使用者品質評分下降了約 35%。
3. 超解析度與後處理流水線
Sora 的生成並非一步到位。完整的流水線包括：
- 初始生成：在低解析度（如 256x144）下生成基本動態結構
- 空間超解析度：逐步提升至目標解析度
- 時間插幀：生成中間幀以確保流暢度
- 品質增強：細節增強、色彩校正、穩定化
每一階段都需要額外的計算資源，使得整體成本進一步攀升。
成本估算
根據業界分析師的估算，Sora 的推理成本結構大致如下：
| 項目 | 每分鐘視頻成本（估算） |
|---|---|
| GPU 計算（H100 集群） | $8-15 |
| 記憶體/快取 | $1-3 |
| 網路傳輸/儲存 | $0.5-1 |
| 基礎設施分攤 | $1-2 |
| 總計 | $10-21 |
而 OpenAI 對 Sora API 的定價約為每分鐘 $0.50-2.00（依解析度與品質層級），意味著每生成一分鐘視頻，OpenAI 需要補貼 $8-19。即使以 OpenAI 的融資規模，這種虧損率在大規模使用場景下也是不可持續的。
技術瓶頸分析
硬體限制
當前的 GPU 架構並非為視頻生成工作負載而優化。核心瓶頸包括：
記憶體頻寬
視頻生成需要頻繁存取大量的中間特徵圖。以 1080p、10 秒的視頻為例，中間特徵圖的記憶體佔用可達 200-400GB，遠超單張 GPU 的 HBM 容量（H100 為 80GB）。這迫使計算必須跨多張 GPU 進行，引入了大量的跨裝置通訊開銷。
計算密度
擴散模型的計算模式以矩陣乘法為主，理論上適合 GPU 加速。但視頻生成的注意力計算涉及極長的序列（數十萬到數百萬個 Token），使得注意力運算成為記憶體受限（memory-bound）而非計算受限（compute-bound）的操作，GPU 的計算利用率大幅下降。
演算法限制
一致性與效率的矛盾
視頻生成中的時間一致性（temporal consistency）是品質的核心指標。目前的 DiT 架構透過全域時間注意力來維持一致性，但這正是計算成本的主要來源。輕量化的替代方案（如局部時間注意力、光流引導）雖然能降低計算量，但在複雜動態場景中容易出現一致性破綻。
長度外推的挑戰
Sora 在訓練時使用的視頻長度有限，但使用者往往期望生成更長的視頻。長度外推時，累積誤差會導致品質急劇下降，迫使系統採用分段生成+接續的策略，進一步增加了計算成本和接合處的瑕疵風險。
產業影響分析
對 Sora API 用戶的衝擊
OpenAI 提供了 90 天的過渡期，但影響仍然巨大：
- 內容創作平台：多家基於 Sora API 的視頻創作工具需要尋找替代方案或重新設計產品
- 廣告行業：部分廣告公司已將 Sora 整合進工作流程，需要回退到傳統製作流程
- 教育與培訓：使用 Sora 生成教學視頻的教育科技公司面臨服務中斷
對競爭者的影響
Sora 的退出並非意味著視頻生成市場的萎縮，但它重新定義了市場預期：
Google Veo 3：同樣面臨推理成本壓力，但 Google 擁有自研 TPU 的成本優勢，且可將視頻生成作為 YouTube 生態系統的補貼功能。
Runway Gen-4：作為專注視頻生成的公司，Runway 的策略是針對專業用戶定價（$50+/月），而非追求大眾市場。這種高價值、小規模的商業模式可能更具可持續性。
開源社群：Stable Video Diffusion、CogVideo 等開源方案允許用戶在自有硬體上運行，將計算成本轉嫁給用戶自身。
技術路線的重新校準
Sora 的經驗教訓正在推動視頻 AI 領域的技術路線重新校準：
1. 從端到端生成轉向混合流水線
純端到端的視頻生成成本過高，業界正轉向「AI 輔助 + 傳統渲染」的混合方案。例如，使用 AI 生成關鍵幀和動態描述，再使用傳統 3D 渲染引擎生成完整視頻。
2. 從通用模型轉向垂直模型
通用視頻生成模型試圖處理所有類型的視頻內容，導致模型規模和計算需求膨脹。垂直化的模型（如專門生成產品展示、人物動作、場景轉換的小型模型）可以在特定領域提供足夠品質的同時大幅降低成本。
3. 邊緣計算與雲端的混合部署
未來的視頻生成可能採用「雲端規劃 + 邊緣渲染」的架構，將高層語義理解放在雲端，將像素級渲染放在使用者裝置上，利用消費級 GPU 的算力分擔計算負擔。
對 AI 產業的更廣泛啟示
推理成本是下一個核心戰場
Sora 的案例清楚地說明：訓練一個強大的模型只是起點，讓它以可持續的成本運行才是真正的挑戰。隨著 AI 應用從文本擴展到圖像、視頻、3D 等更豐富的模態，推理成本問題將越來越突出。
商業模式與技術能力的對齊
技術上的可行性不等同於商業上的可行性。Sora 在技術上是成功的——它生成的視頻品質令人驚嘆——但在商業上卻無法找到成本與收入之間的平衡點。這提醒所有 AI 公司，在追求技術突破的同時，必須同步考慮部署經濟學。
結論
OpenAI 關閉 Sora 公共 API 是 AI 產業發展中的一個標誌性事件。它標誌著視頻生成技術從「能不能做到」的階段進入了「能不能負擔得起」的階段。這種成本現實主義並非悲觀，而是推動產業從實驗性展示走向可持續商業應用的必要反思。可以預見，推理成本優化將成為 2026 年下半年 AI 產業最核心的技術議題之一。