OpenAI
这些回答再次验证了 Gartner 技术成熟度曲线的准确性：人们往往对新技术抱有过高期待，随后又因现实落差而陷入失望。目前 Sora 只展示了一些演示视频，这类内容仅供专业提示工程师反复调试参考，并不具备太多实际意义。真正有说服力的是测试版本，但至今尚未公开发布。生成视频的核心难点并不在于画面是否逼真，而在于系统能否准确理解提示并进行后续预测。
OpenAI 虽然拥有强大算力来解析提示词，但这一点仍需通过测试版验证。然而，即便能做到这一点，生成超过 60 秒的连贯视频依然是巨大挑战。实现后续预测需要
AI 深刻理解物理世界，例如两车相撞时，碰撞部位如何运动、车身结构如何变形、轮胎摩擦情况以及车内物品和乘客反应等复杂变化。这些预测背后涉及大量物理学知识，
人类通常只有在完成受力分析后才能大致推断结果。对于较短时间范围内的事件，可以通过拟合算法模拟，例如碰撞实验软件就能做到一定程度的还原。但如果将时间跨度拉长，比如预测一场足球比赛的进程，误差会迅速扩大到不可控的程度，单纯依赖数据无法得出可靠结论，这在数学上本身就是无解的问题。要实现长期预测，必须构建包含物理学、化学、生物学等多学科基础理论的模型，但即便如此，由于量子效应和混沌理论的存在，完美预测世界仍是不可能完成的任务。因此，从原理上看，
AI 长时间预测未来的发展方向本身就违背了物理定律与数学规律。那么，如果采用分镜头方式，将视频分割成若干小段再拼接？这种方法同样面临诸多难题。首先，
AI 很难保证每次生成的人物、物体及背景素材的一致性；其次，它难以维持故事逻辑的连贯性；
AI 更难以创造出具有艺术价值的内容，让观众产生情感共鸣。尽管 Sora 已经代表了技术上的重大突破，但从商业角度来看，它的实用价值依然有限。具体来说，Sora 的应用场景可能仅限于成本极高的项目，如疯狂动物城这样的全 3D 动画
电影，或者非常简短的广告素材制作。但对于大多数中低预算需求，Sora 并不适用，其当前能力远不足以支撑广泛的商业化应用。
