计算机行业市场前景及投资研究报告：Sora划时代,算力应用加速，可编辑培训课件.pptx

仅供机构投资者使用证券研究报告|行业深度研究报告Sora划时代：算力应用再加速2024年2月19日

核心逻辑?Sora：划时代的文生视频大模型?文本生成视频：Sora能够根据用户提供的文本描述生成长达60S的视频。深化语言理解：利用GPT技术将简短的用户提示转换为更长的详细转译，并将其发送到视频模型。图片生成能力：Sora可以根据用户需求，生成可变大小的图像，最高可达惊人的2048×2048分辨率。新的模拟能力：Sora具有3D一致性、较长视频的连贯性和对象持续性，能与世界互动，模拟数字世界。?多模态下游应用百花齐放?多模态+视频创作：提升创作者效率。除了Sora、Runway外，Lumiere能够在单个过程中生成完整的视频序列，而非简单组合静态帧。这种技术能够同时处理视频的空间（即视频中的对象）和时间（即视频中的运动）方面，为用户带来更加自然和流畅的运动感知体验。?多模态+自动驾驶：彻底改变人车交互。商汤提出DriveMLM模型，可实现闭环测试中操控车辆，超过之前的端到端和基于规则的自动驾驶系统方法。?多模态+广告（电商）：创造多样化营销卖点。利用AI技术进一步提升数字人的多样性，比如人脸替换、背景替换、口音语音替换去适配我们的prompt，最后脚本、数字人脸替换、背景替换等，视频压制之后，就可以得到一个口播视频；还可以帮助商业实现营销海报的生成。?多模态+教育：提升教学效率，加强人机互动。StableDiffusion等图像生成模型，可以依据教学需求输入主体及其细节的文本描述，快速自动生成多种风格、高清逼真、蕴含美感的美育类教学资源，所生成的教学资源既具备显著的跨模态性，又具有新颖性与独特性。?多模态+医疗：为临床医疗任务提供更为智能、高效的解决方案。临床医疗业务产生的大量数据以不同模态存储于数据库中，对它们整理、清洗后，再经过预处理进行多模态融合。多模态融合可以有机整合不同的信息，相比单模态信息更加全面。?多模态+安防：AI+安防加速演变。根据全球政企解决方案，目前在国内“AI+安防”领域AI技术三个落地到产品端的应用方向是：生物识别技术、视频结构化和物体识别系统。其中，生物识别技术应用时间最早，涉及较为范围广，且为人像识别的入口技术。?受益标的：多模态素材：万兴科技、虹软科技、超讯通信、佳都科技、平治信息、博汇科技、美图公司；应用：科大讯飞、大华股份、海康威视、润达医疗、中科创达、千方科技、盛通股份；算力基础设施：中科曙光、开普云、高新发展、网宿科技、神州数码、拓维信息、海光信息、首都在线。?风险提示：1）政策落地不及预期；2）技术发展不及预期；3）经济发展不及预期。2

01Sora：划时代的文生视频大模型3

1.1Sora——划时代文生视频大模型?Sora是由OpenAI发布的文生视频大模型，此模型发布预示着大模型时代进阶。Sora能够仅仅根据提示词，生成60s的连贯视频，远超行业目前大概只有平均“4s”的视频生成长度。Sora的出现，预示着一个全新的视觉叙事时代的到来，它能够依据客户的文本提示，将人们的想象力转化为生动的动态画面。Sora作为一款通用的视觉数据模型，其卓越之处在于能够生成跨越不同持续时间、纵横比和分辨率的视频和图像，甚至包括生成长达一分钟的高清视频。?打造虚拟世界模拟器。Sora采用了Transformer架构，该架构对视频的时空序列包和图像潜在编码进行操作。随之诞生的最强大模型Sora，也就具备了生成一分钟高质量视频的能力。扩展视频生成模型的规模，是构建模拟物理世界通用模拟器的非常有希望的方向。文生视频大模型Sora4

1.1Sora——划时代文生视频大模型?Sora将不同类型的视觉数据转化为统一的格式，以便于对生成模型进行大规模训练。?将可视数据转换成数据包（patchs)，大语言模型通过token将各种形式的文本代码、数学和自然语言统一起来，而Sora则通过视觉包（patchs）实现了类似的效果。对于不同类型的视频和图像，包是一种高度可扩展且有效的表示方式，对于训练生成模型具有重要意义。?从宏观角度来看，首先将视频压缩到一个低维度的潜在空间：这是通过对视频进行时间和空间上的压缩实现的。这个潜在空间可以看作是一个“时空包”的集合，从而将原始视频转化为这些包。OpenAI专门设计的解码器模型，它可以将生成的潜在表示重新映射回像素空间资料：Sora官网，华西证券研究所5

1.1Sora——划时代文生视频大模型?视频压缩网络：Sora研究员专门训练了一个网络，专门负责降低视觉数据的维度。这个网络接收原始视频作为输入，并输出经过压缩的潜在表示。Sora模型就是在这个压缩后的潜在空间中接受训练，并最终生成视频。此外，研究员还设计了一个解码器模型，它可以将生成