计算机行业Sora有望带来AI生成视频领域的新一轮变革-24021819页.pdf

证券研究报告|计算机行业|2024年02月18日

研究团队•计算机行业

Sora有望带来AI生成视频领域的新一轮变革

分析师张初晨登记编号：S1220523070001

陈嵩登记编号：S1220523100002

报告摘要

Sora对AI生成视频产业的影响：Transformer或异军突起，头部效应可能更明显，离AGI又更进一步

➢Transformer可能逐渐取代U-Net成为扩散模型中去噪网络的首选：Transformer-diffusion在AI视频生成领域的核心痛点在于内存需求随着输入序列

长度增加会指数级增长，处理视频信号的成本很高，没办法生成高分辨率的图像；Sora通过引入视频压缩网络（含时空自编码器与解码器）Pacth

化解决了这个问题，Transformer对时间帧的记忆有优势，因此生成长视频过程中比U-Net更能保证帧与帧之间的连续性，分辨率短板补足后很可能

取代U-Net成为扩散模型中的主流backbone。

➢Sora证明了AI生成视频领域同样适用“参数量越大+训练时间越长=训练效果越好”：Transformer的特征是可拓展性强，模型参数量越大、训练

数据集越大、训练时间越长效果就会越好；Sora通过其强大的涌现能力再次说明了这一点，即“参数量越大+训练时间越长=训练效果越好”，AI

生成视频可能带来新一轮算力需求爆发。

➢AI生成视频与LLM是勾稽的，这个领域很可能还是强者恒强：Sora语义信息理解能力强大的背后是通过GPT来重新生成高度描述性的caption，从而提

高视频-文本对数据集的质量，再次说明没有优质的训练数据集很难做出好的模型，而视频标注的难度又远大于文本与图像，对于视频自动标注模型

的要求非常高。以OpenAI（微软）、Google为代表的多模态头部厂商依然优势明显，纯粹做模型的初创公司在AI生成视频领域的机会或许不大。此

外，做安防自动驾驶的公司可能会有差异化的机会，得益于大量的视频数据积累，有能力开发高质量的视频自动标注模型拥有优质的“视频-文本

对”数据集（可以自用也可以出售）。

➢AI生成视频领域的“Midjourney时刻”可能很快到来：Transformer模型的涌现特征意味着模型提升的速度将非常快，文生视频从可用到好用的拐点

或加速到来，应用生态也有望加速繁荣。

➢离实现AGI又前进了一步：Sora展现出的理解能力、推理能力已经有些世界模型的雏形（通过预测周围环境未来的变化，来规划决策），人类迈向通

用人工智能的脚步或许又快了一些。

报告摘要

Sora对下游行业的影响：

➢算力需求或许仍旺盛：AI生成视频因为Sora的出现也将加速向以Transformer为主干的大模型架构发展，考虑到视频数据集的数据量标注难度都远

远高于文本及图片，云端算力基础设施需求或进一步提升（CPO、GPU、HBM等等）；建议关注：服务器（中科曙光、神州数码、高新发展等）、CPO

（中际旭创、剑桥科技、新易盛等）、HBM（雅克科技、香农芯创、深科技等）

➢动画/电影/短视频/游戏/商拍等领域效率提升门槛降低：从目前的视频生成时长长视频场景稳定性来看，Sora还没到取代专业导演的地步，但可

能改变包括短视频/广告/商拍在内的内容创作领域工作流，增强用户体验的同时，降低用户使用门槛，包括抖音、快手在内的内容创作平台可能获

益；另外建议关注以美图、虹软为代表的深耕AI图像生成的厂商加速取得技术进步；

➢视频剪辑类工具：视频创作门槛降低必然带来视频剪辑需求提升；建议关注：万兴科技；

➢智能驾驶领域机器人或迎来新一轮技术进步：智驾大家熟悉的是BEV、Occupancy，特斯拉在去年的CVPR就提到了世界模型，Sora展现出的场景理解

与推理能力已经有些世界模型的雏形，今年很可能是新一轮算法范式革新的开始（从BEV+Transformer到BEV+Transformer-diffusion），同样机器

人产业链也有望深度受益；建议关注：德赛西威、经纬恒润、中科创达、均胜电子、拓普集团、鸣志电器等；

➢AI+安防：视频数据积累最多集中度最高的领域，龙头的业务边界较广且后发优势明显；建议关注：海康威视、大华股份；

➢网络安全：视频数据比文本/图片更高维，监管难度也更大，网安头部厂商或受益；建议关注：启明星辰、深信服、安恒信息、奇安信、博汇科技等；

➢多模态/AI应用相关标