Sora 失败拆解：5 天冲上热榜，7 个月后被 OpenAI 关掉 (2026)

开篇结论

一句话总结：Sora 不是因为生成质量不够好而失败，它把一项极具传播力的生成能力，装进了一个免费、耗算力、带社交信息流的消费产品，最后没有证明用户会持续回来、愿意付费，而且能覆盖不断上升的推理与安全成本。

增长判断：Sora 2 在 2025 年 9 月 30 日发布，五天内下载超过 100 万次，并登上美国 App Store 总榜前列。到 2026 年 1 月，累计下载达到 960 万，但当月安装量环比下降 45%，消费收入降至 36.7 万美元；全球累计消费者支出只有 140 万美元。Sora 网页版和 App 已于 2026 年 4 月 26 日停用，API 计划于 2026 年 9 月 24 日停用。1 2 3 4

增长因果链：高质量视频和「把自己放进场景」带来强拉新与首轮创作 → 免费初期降低了付费筛选，信息流又把创作变成短暂娱乐 → 下载增长快速转弱，公开收入远低于 ChatGPT → 版权、真人肖像和有害内容增加治理负担 → OpenAI 把算力和团队转向机器人、企业与更高生产力场景，退出独立 Sora 产品。5 6 7

G 增长系统

结论：Sora 的 AARRR 前半段跑得很快，后半段没有被公开数据证明。它证明了用户愿意试用 AI 视频，却没有证明用户愿意把 AI 视频变成稳定习惯。

环节	已确认事实	判断	置信度
Acquisition 获取	Sora 2 以邀请制起步，在北美先行；上线不到五天下载超过 100 万次，并登上美国 App Store 榜首。2	稀缺邀请码、名人 cameo 和视频外部传播共同制造了第一轮拉新。获取是成功项。	A
Activation 激活	官方产品包含创建、remix、自定义 feed 和 characters；用户可把自己或朋友放入生成视频。初期免费，并给出较宽松的使用额度。1	首次价值很直观：输入一句话，几分钟内得到可分享的短片。characters 把「看模型表演」变成「我也在里面」。	A
Retention 留存	2025 年 12 月下载量环比下降 32%，2026 年 1 月安装量环比下降 45%，降至 120 万。公开资料没有 D7、D30、WAU/MAU 或 cohort 留存。3	下载回落是留存恶化的间接信号，不能代替 cohort 数据。更稳妥的判断是：新鲜感过后，产品没有证明用户每天都需要它。	B
Revenue 收入	截至 2026 年 1 月，Sora iOS 与 Android 累计下载约 960 万次，消费者支出约 140 万美元；1 月消费收入环比下降 32%，至 36.7 万美元。3	以 140 万美元除以 960 万次下载，粗略得到每次安装约 0.15 美元的累计消费信号。它不是 LTV，也没有扣除渠道与内容审核成本，但足以说明公开变现规模很小。	A
Referral 传播	产品设计鼓励用户把视频发布到 feed 和社交平台，BBC 记录了 Sora 视频在社交媒体上快速扩散；K 因子、邀请转化率和分享后回流率未披露。2	传播强不等于留存强。视频可以带来一次点击，却未必带来下一次创作。	B

Sora 的关键增长问题，是把两个不同的产品混在了一起：一边是高成本的创作工具，另一边是低门槛的短视频信息流。创作工具需要用户有明确任务，信息流需要足够多的新内容和足够低的消费成本。两者都能拉高使用量，却会把成本和价值推向相反方向。

可证伪指标应该这样设：连续 8 周观察同一批用户，如果 D30 留存低于 15%、每周创作用户占比低于 20%，同时付费用户产生的毛贡献不足以覆盖其推理和审核成本，就停止扩大免费信息流。这里的阈值是本期给产品团队的决策建议，不是 Sora 的历史披露数据。

O 市场机会

结论：生成式视频的需求确实存在，但 Sora 没有拿到一个可验证的独立市场规模。它拥有大市场想象，却没有把「谁付钱、为什么持续付钱」讲清楚。

口径	可验证情况	本期判断
TAM	生成式视频、短视频创作和影视预览都可被纳入，但本轮没有找到与 Sora 同口径、同时覆盖用户和付费的公开数字。	未披露，不能用泛 AI 视频市场报告替代。
SAM	Sora 初期只向北美受邀用户开放，后来扩展到移动端和网页端；具体可服务国家、付费人群和创作者规模未披露。1	未披露。已知的 960 万次下载只能作为兴趣代理变量，不能当作 SAM。
SOM	Sora 约 960 万次累计下载、140 万美元消费者支出，且 2026 年 1 月消费收入为 36.7 万美元。3	这是 Sora 已经拿到的用户和收入，不是市场份额。它说明需求可以被激活，但还没有形成足够强的预算捕获。

OpenAI 在发布时把 Sora 描述成「创作、分享和观看视频」的新产品，Sam Altman 也把它称为「ChatGPT for creativity」的时刻。公司同时承认，社交媒体可能带来上瘾、霸凌和低质量内容，并写下了「如果无法修复，就停止提供服务」的原则。8 这暴露出一个产品选择：Sora 想做的不只是视频模型，而是一个新的内容入口。

这个入口需要同时回答三个问题。第一，普通用户为什么要每天创作，而不是只在发布当天玩一次。第二，谁来持续生产值得看的内容。第三，每段视频的生成、审核、存储和分发成本由谁承担。Sora 的公开数据回答了第一个问题的前半句，却没有回答后三个商业问题。

判断市场机会是否真实，可以看两个阈值：一是至少有一个明确职业人群愿意按月购买，而不是只在免费额度内试用；二是创作者产生的收入或客户线索，能够超过生成一条可用视频的综合成本。Sora 在停用前没有公开这两项数据，置信度只能给 C。

S 战略定位

结论：Sora 的战略问题不是「视频没有未来」，而是独立消费视频产品在 OpenAI 的资源排序里没有足够高的优先级。

Sora 2 的产品形态很清楚：模型负责视频与同步音频，App 负责 feed、remix 和 characters，用户负责创作与分享。1 但它依赖三项昂贵能力同时成立：高质量生成、内容社交分发、实时安全治理。每增加一个用户，可能同时增加算力、审核和版权风险，而不是只增加广告展示或订阅收入。

停用时，OpenAI 给出的公开方向包括世界模拟研究、机器人和解决现实世界物理任务；Reuters 报道的知情信息还包括把资源转向编程工具和企业客户。6 7 这意味着 Sora 的研究能力可能仍有价值，但独立 App 已经不再是优先承载方式。

Disney 合作把这个冲突放大了。2025 年 12 月宣布的三年合作原本涉及 10 亿美元投资和 200 多个角色的授权使用，但 Reuters 报道称交易没有实际资金流动，Sora 退出后合作也被取消。6 产品还没有完成稳定变现，就先承担了高规格版权合作的组织成本。

如果一项消费 AI 产品同时需要模型、内容、社交和版权四套系统，却没有自己的强分发入口，它就会在每一项上都和更大平台竞争。Sora 有技术声量，但没有证明自己能成为 OpenAI 不可放弃的用户入口。

C 竞品分析

结论：Sora 面对的不是一个「视频模型榜单」，而是四种不同的用户替代方案。它最难守住的地方，正是创作工具和内容平台之间的空白。

竞争对象	用户选择它的理由	对 Sora 的压力	Sora 需要补的课
专业创作工具，如 Runway	工作流、镜头控制和项目协作比单条炫技视频更重要。	专业用户更愿意为可控、可复用的生产流程付费。	把生成结果接入分镜、剪辑、素材管理和客户交付，而不是只给 feed。
大模型生态内的视频能力，如 Google 系列产品	用户已经在现有 AI 账户和生产力工具里，切换成本低。	分发和订阅账户可以摊薄获客成本。	让视频能力成为 ChatGPT 等主入口中的一项可调用能力，减少独立 App 的获客压力。
内容平台内的生成能力，如 ByteDance 的 Seedance	内容消费、创作者和推荐分发在同一生态里。BBC 将 Seedance 列为 Sora 关闭时仍在竞争的 AI 视频产品。9	平台可以把生成内容直接接入既有推荐和创作者网络。	不要同时从零搭建模型、社交 feed 和用户关系，优先借已有分发。
原生短视频平台	用户不需要学习生成，打开就有内容；创作者也有成熟的分享和反馈。	注意力已经被成熟产品锁定。	若没有明显更高的内容质量或社交关系，不应把无限 feed 当成核心差异。

这张矩阵的核心结论是：Sora 选择了最贵的组合，却没有形成最强的防守。它的技术领先可以被竞品追赶，短视频 feed 可以被平台复制，characters 可以被其他模型加入；能长期留下用户的，反而是工作流、分发和关系网络。

P 产品设计

结论：Sora 的首屏体验极强，第二周体验不一定成立。它把「生成一段惊人的视频」优化得很好，却没有把用户的下一项具体任务设计出来。

Sora 2 的产品链路大致是：输入提示词或参考素材，生成带音频的短视频，浏览 feed，remix 他人的作品，再用 characters 把自己或朋友加入场景。官方还强调了可见水印、C2PA 元数据、肖像授权、青少年保护和多层内容过滤。1 5 这套设计让第一次使用很容易理解，风险治理也被放进了产品基础设施。

问题出在价值频率。characters 解决了「我为什么想试一次」，却没有自动解决「我为什么下周还要用」。remix 解决了内容接力，却不等于创作者能获得客户、粉丝或收入。无限 feed 解决了空白首页，却可能把用户带回一个已经被 TikTok、Instagram 和 YouTube 教会的消费习惯。

产品团队应该把创作行为分成三类：一次性娱乐、持续内容生产、可交付工作。第一类适合拉新，第二类能形成留存，第三类才可能承载付费。Sora 的公开材料和产品舆论主要集中在第一类，关于第二类和第三类的任务完成率没有披露。

安全也不是附属模块。Sora 上线后很快出现已故公众人物、版权角色和深度伪造内容，BBC 记录了相关争议；MIT Technology Review 还指出，视频生成比文本和图像更耗能、更昂贵，且版权方的退出机制可能加重治理复杂度。2 10 产品每获得一份真实感，就要多承担一层审核和权利处理。

E 商业模式

结论：Sora 的商业模式把可变成本放在了前面，把付费理由放在了后面。免费初期适合验证兴趣，却不适合长期承载无限视频生成。

OpenAI 发布 Sora 2 时表示产品初期免费，并给出较宽松的使用额度；MIT Technology Review 记录了当时「免费、无限制生成」的产品状态，也指出视频生成是更耗能、更昂贵的 AI 形式。1 10 这套策略可以迅速做出内容样本，但会把最昂贵的用户也先吸引进来。

收入表现没有跟上。BBC 报道称，Sora 在同一时期的全球净应用内收入约 140 万美元，而 ChatGPT 为 19 亿美元；Yahoo Finance 引用的移动端数据也显示，Sora 累计消费者支出约 140 万美元，且 2026 年 1 月单月消费收入降至 36.7 万美元。9 3 两个来源的口径接近，至少能确认公开变现规模没有匹配早期声量。

Sora 的收入分母还不完整。订阅收入是否计入、ChatGPT Pro 用户贡献多少、API 计划产生过多少收入、推理与审核成本是多少，均未披露。因此不能把 0.15 美元每次安装当作用户终身价值，只能把它当作一个警报：大量下载没有自然转成足够的现金流。

更合理的商业路径有三条：

面向专业创作者按生成额度和项目协作收费，先把成本放进价格里。
通过 API 或企业工作流卖结果，例如广告预演、教育素材、游戏原型和影视分镜，而不是卖一个泛娱乐 feed。
把 Sora 作为 ChatGPT 内的高价值能力，用现有订阅和账户关系分摊获客成本。

这三条路径都比「免费社交视频 App 先做大，再寻找广告或分成」更容易验证。OpenAI 最终选择把独立产品停掉，说明公司没有等到这套消费商业模式被证明。

L 洞察提炼

结论：Sora 留下的第一条教训，是爆款生成能力和可持续产品之间隔着一整套经济学。

第一，下载峰值不能替代留存。Sora 五天 100 万下载很耀眼，但后续安装和消费收入回落，说明获取效率没有变成稳定使用。做 AI 产品时，首周视频数量和社交传播量只能回答「大家愿不愿意试」，不能回答「大家是否会回来」。

第二，真实感越强，成本和责任越重。MIT Technology Review 把视频生成的能源与成本问题放在产品商业化的核心位置；BBC 记录的版权角色、已故公众人物和深度伪造争议，则说明审核成本不是上线后的偶发事故。10 2 如果产品把每一次生成都做得更真实，就要同步提高价格、审核能力和权利处理效率。

第三，独立 App 不是 AI 能力的唯一容器。Sora 的模型研究可以继续服务机器人、世界模拟或其他产品，OpenAI 也明确把资源转向这些方向。4 7 对创业公司来说，真正要问的不是「模型能不能生成」，而是「哪个分发、工作流或数据关系会让这项能力留下来」。

第四，版权策略会反过来决定产品形态。Sora 需要可见水印、C2PA、肖像授权、内容过滤和人工复核，OpenAI 在发布前就把这些机制写入产品说明。5 这不是合规团队的后台任务，而是决定内容能否公开、能否商业化、能否被企业采购的产品条件。

D 决策分析

结论：如果在 Sora 2 发布前重做决策，我会保留模型和创作能力，放弃「免费无限生成 + 独立社交 feed」作为第一阶段的主路径。

决策选项	先验证什么	通过门槛	结论
继续做免费消费 App	用户是否持续创作，且能承受推理与审核成本。	连续 8 周 D30 不低于 15%，付费用户贡献毛利覆盖其推理、存储和审核成本，分享后回流率持续上升。	未达到前不扩张无限 feed。
收窄为专业创作者工具	用户是否把视频用于交付，而非只做玩具。	90 天内有明确职业人群按月付费，至少一个场景的客户收入高于综合生成成本。	更接近可验证的商业模式。
接入 ChatGPT 或企业产品	现有账户和工作流能否降低获客成本。	新用户大部分来自现有入口，且视频功能提升订阅留存或企业续费，而非只增加免费调用。	有分发优势，但需要防止视频变成高成本补贴。
停止独立产品，保留研究和 API 能力	Sora 技术是否能迁移到机器人、世界模拟或其他高价值方向。	迁移后的团队在 6 个月内交付可测量的研究或商业里程碑。	这是 OpenAI 最终采取的方向，代价是放弃已有用户关系。4

给今天做视频 AI 的团队，我会设三道闸门。

第一道是需求闸门：用户第一次生成后，30 天内至少完成一个可交付任务，例如广告预演、课程片段、产品演示或客户提案。只会生成「好玩的片段」，不算通过。

第二道是经济闸门：把模型调用、重试、审核、存储、带宽和退款全部算进单条视频成本。若付费用户的月贡献毛利不能覆盖自己的使用成本，就收紧免费额度，不再用下载量掩盖亏损。

第三道是风险闸门：把肖像、版权、未成年人和虚假信息列为产品指标，而不是上线后的投诉事项。高风险内容拦截率、误伤率、申诉处理时长和权利方撤下时长，都要在扩量前给出阈值。

Sora 的失败判断可以被证伪：如果未来 OpenAI 在其他入口重新推出同等能力，并通过订阅、企业工作流或 API 获得稳定收入，那么失败的是独立消费产品形态，不是视频生成技术；如果类似产品都无法在不依赖巨额补贴的情况下形成留存和付费，才说明问题更接近生成式视频的整体商业化难题。

Sora 失败拆解：5 天冲上热榜，7 个月后被 OpenAI 关掉