曹越与Sand.ai：视频生成不跟Sora，自回归才是“终局”

Sand.ai创始人曹越在“光年之外”经历后，于2024年1月创立Sand.ai，致力于视频生成领域。他们选择了一条不同于Sora的、更本质的自回归（Auto Regressive, AR）技术路线，并于近期发布了Magi-1模型，旨在通过强调时序因果来突破现有模型的局限，认为这是通向视频生成“终局”的解决方案。

Sand.ai的独特技术路线

• Magi-1发布： Sand.ai于2024年4月21日正式推出Magi-1视频生成模型。
• 技术路径选择： 与Sora采用的DiT（Diffusion Transformer）路线不同，Sand.ai整合扩散模型和天花板更高的自回归（AR）路线。
• 核心理念： 曹越认为AR是更接近视频生成“终局”的解决方案，强调视频在时序上应具备“因果关系”，而非仅仅“相关性”。
• 先行者定位： 曹越认为在利用自回归技术压缩视频数据方面，Sand.ai是先行者，而非迟到者，Magi-1证明了AR方案的可行性。

创始人曹越的背景与创业历程

• 光年之外经历： 曾是王慧文“光年之外”的两名联创之一（算法背景），在王慧文生病后离开并进行自我沉淀。
• 创业动机： 追求极致的个人成长，不愿被“一眼看得到头”的稳定系统所限制，认为创业是实现这种成长的途径。
• 学术背景： 曾在微软亚洲研究院（MSRA）视觉计算组工作，2021年作为核心一作发表《Swin Transformer》并获ICCV最佳论文奖。
• 从研究到商业： 曾以Ilya为职业偶像，未曾想过创业，后被ChatGPT浪潮卷入，意识到商业是产生有意义价值的杠杆。

视频生成赛道的技术与市场洞察

• 市场格局： 视频生成领域竞争激烈，Sora、可灵（快手）、即梦（字节）、MiniMax等均有产品或布局。
• Sora局限性： 曹越认为Sora的技术路线（DiT）可能存在天花板不高、不够scalable的问题，对AGI帮助有限。
• 竞品对比：
  • 可灵： 更专注于做好工具，在工程和组织上有深厚积累。
  • 即梦： 旨在成为新型内容平台（AI视频版抖音）。
• 商业化潜力： 视频生成赛道商业化前景广阔，人类在视频生产力上的欠缺使得即便现有模型效果不完美，也能满足大量场景需求，且渗透率高于文字。

曹越的做事哲学与价值观

• 战略抉择： 秉持“战略乐观，战术悲观”的态度，基于团队禀赋（擅长模型和算法）来做战略选择，放大长板。
• 技术路线判断： 敢于不盲目跟随（如Sora），选择更难但更本质的技术路径，认为对技术本身的判断力至关重要。
• 研究驱动力： 从paper driven（论文驱动）转向impact driven（影响驱动），在MSRA和智源的经历使其追求有组织、解决本质问题的研究。
• 核心理念： 做最本质、最关键、最广受关注的问题，通过在这些问题上的突破产生巨大影响力，并认为“商业是一种杠杆，目的是对世界产生有意思的价值”。