20240228-西南证券-OpenAI_Sora专题_Transformer扩展优势凸显_视频理解与生成能力提升_37页_3mb

Sora模型分析总结

核心观点

• 事件：OpenAI于2024年2月16日发布文生视频模型Sora及技术报告。
• Sora是基于Transformer架构的扩散模型，强调Transformer的扩展特性（scaling up）在生成视频中的优势。
• 市场分析：视频生成模型将赋能广告、设计、短视频、游戏等行业，短期作为创作工具。
• 投资建议：关注算力、云服务和光通信领域，相关标的包括英伟达、超威半导体、微软。
• 风险提示：技术进展不及预期、行业竞争加剧、应用开发不及预期。

从Sora看文生视频模型的技术路径

• 模型背景：OpenAI团队年轻有为，技术积累深厚，Sora源于GPT和DALL·E系列模型的积淀。
• 技术路径：扩散模型与Transformer结合，Sora是扩散+Transformer架构的案例。
• 未来趋势：Transformer扩展能力突出，扩散模型与Transformer持续结合，未来可能出现多种模型构建方式。

从Sora看文生视频模型的最新能力

• 理解能力：Sora能理解Prompt内容和物理世界规则，例如咖啡波浪和蜡烛火焰的模拟。
• 生成能力：
  • 长度：支持60秒视频生成。
  • 复杂度：能处理多角色、多主题场景。
  • 逼真度：高分辨率（1920x1080p），细节丰富。
  • 连贯性：保持角色外观和空间一致性。
  • 可控性：微调关键词能快速生成优质视频。
• 其他能力：包括图生视频、视频扩展/编辑/拼接/模拟。

从Sora看文生视频模型的影响

• 应用端：前期以助手角色落地，赋能文娱等行业的创作。
• 算力端：模型参数扩展提升训练算力，视频生成应用拉动推理算力。
• 其他：云服务补充算力需求，视频传输推动光通信发展。

总体趋势

• 多模态发展：AI从文本向视觉扩展，视频生成技术兴起。
• 扩散模型为主：现阶段主流，但自回归模型有潜力。
• 技术进展：Transformer优势强化，视频生成领域2024年或迎热潮。