深度报告-20240321-国金证券-AI模型系列报告_从世界模型看算力需求变化_20页_3mb

视频生成模型Sora深度分析

核心观点

• 涌现能力里程碑：Sora是首个展示"涌现"能力的视频生成模型，随着模型规模增大，在理解世界方面取得突破，标志着计算机视觉领域的里程碑。
• 技术架构：采用DiffusionTransformer（DiT）架构，证明了Scaling Law，即更高算力和更大模型规模可显著提升生成质量。
• 差异化需求：视频生成模型推理属于算力密集型场景，对芯片算力和内存容量要求更高，与大语言模型推理需求不同。

技术演进

• 发展阶段：文生视频从GAN/VAE时代→Transformer架构→Diffusion架构，DiT/DiT架构成为关键突破。
• 国内进展：超15家机构参与，字节、百度等大厂和智象未来等初创公司快速跟进，产品仍处于测试阶段。

模型剖析

• 视频编码创新：通过时空压缩与Spacetime Patch技术，支持多分辨率视频生成，保持内容一致性。
• 架构优势：
  • Encoder-Only Transformer架构，一次性生成完整视频
  • 每步输出全尺寸帧，大幅降低访存需求
  • Token数量平方增长提升计算效率

行业影响

• 影视变革：
  ● 前期制作替代分镜/概念片
  ● 后期特效优化工作流
  ● 案例：AI参与创作《千秋诗颂》加速内容生产
• 游戏革命：
  ● 动态环境实时生成
  ● 策略引导的叙事体验
  ● 高效开发工具链

风险提示

1. 算力需求变革：新型架构可能影响当前资源分布格局
2. 技术发展滞后：芯片制程突破可能受摩尔定律限制
3. 政策风险：中美AI领域竞赛可能加剧技术封锁