Sora橫空出世，引爆網(wǎng)絡(luò)

2 月 16 日，美國(guó)人工智能公司 OpenAI 發(fā)布最新“文生視頻”大模型 Sora，只需輸入描述性句子即可創(chuàng)建逼真的視頻.

并同時(shí)公布了一系列樣片，展現(xiàn)了 Sora 令人驚嘆的視頻生成效果。同時(shí)，在部分樣片中，Sora 還展現(xiàn)了對(duì)“物理規(guī)律”超強(qiáng)的學(xué)習(xí)能力，無(wú)論是飄逸的毛發(fā)還是水體波紋，Sora 都能“合乎常理”地呈現(xiàn)出來(lái)。

Sora究竟是什么？

Sora這一名稱源于日文“空”，即天空之意，以示其無(wú)限的創(chuàng)造潛力。美國(guó)人工智能研究公司OpenAI發(fā)布的人工智能文生視頻大模型。該模型可根據(jù)輸入的文字信息生成時(shí)長(zhǎng)一分鐘的高保真的視頻。

OpenAI 聲稱，如果給定一段簡(jiǎn)短或詳細(xì)的描述或一張靜態(tài)圖片，Sora 就能生成類似電影的1080p 場(chǎng)景，其中包含多個(gè)角色、不同類型的動(dòng)作和背景細(xì)節(jié)。

下圖為模型通過(guò)文本信息：“一位時(shí)尚女性走在充滿溫暖霓虹燈和動(dòng)畫城市標(biāo)牌的東京街道上。她穿著黑色皮夾克、紅色長(zhǎng)裙和黑色靴子，拎著黑色錢包。她戴著太陽(yáng)鏡，涂著紅色口紅。她走路自信又隨意。街道潮濕且反光，在彩色燈光的照射下形成鏡面效果。許多行人走來(lái)走去?！?/span>

SORA有何特點(diǎn)與優(yōu)勢(shì)？

視頻生成長(zhǎng)達(dá) 1 分鐘，大幅領(lǐng)先其他 AI 模型。

目前文本視頻生成熱門模型中，pika 1.0 默認(rèn)生成 3 秒視頻，可拓展到 7 秒；而 runaway gen2 模型最高可生成 18秒視頻。不同于此前發(fā)布的模型只能生成幾秒到十幾秒長(zhǎng)度的視頻，Sora可以通過(guò)文本指令直接輸出長(zhǎng)達(dá) 60 秒的視頻，并保持視頻主體與背景的高度流暢性與穩(wěn)定性。

Sora相對(duì)生成視頻更真實(shí)，更逼真

首先Sora 模型可根據(jù)提示生成具有多個(gè)不同運(yùn)動(dòng)軌跡的角色的復(fù)雜場(chǎng)景視頻，使得視頻中的角色運(yùn)動(dòng)軌跡符合現(xiàn)實(shí)世界中的運(yùn)行規(guī)律。

同時(shí)在單個(gè)樣本中生成同一角色的多個(gè)鏡頭，實(shí)現(xiàn)各種中、近、遠(yuǎn)景的切換，并在整個(gè)視頻中穩(wěn)定保持其外觀。此外Sora 可以生成攝像機(jī)動(dòng)態(tài)運(yùn)動(dòng)的視頻。

Sora 可以向前向后拓展視頻，連接視頻。 可以使用 Sora 在兩個(gè)輸入視頻之間逐漸插值，在具有完全不同主題和場(chǎng)景構(gòu)圖的視頻之間創(chuàng)建無(wú)縫過(guò)渡。

在長(zhǎng)場(chǎng)景視頻生成方面，Sora 的細(xì)節(jié)豐富度和畫面流暢度顯著高于其他視頻生成模型。

克服了AI視頻的技術(shù)難題

AI 視頻生成面臨的一個(gè)重大挑戰(zhàn)是在較長(zhǎng)的視頻中保持人或物的一致。Sora 在大多數(shù)情況下能夠有效地處理這些問(wèn)題例如，Sora 可以保存人物、動(dòng)物和物體，即使其被遮擋或暫時(shí)離開(kāi)了鏡頭。Sora 也可以在單個(gè)視頻中生成同一角色的多個(gè)鏡頭，并在整個(gè)視頻中保持其外觀的一致。

簡(jiǎn)而言之，SORA可以構(gòu)建模擬數(shù)字世界和實(shí)現(xiàn)模擬世界與現(xiàn)實(shí)世界的互動(dòng)，使得AI所生成的視頻內(nèi)容更具逼真，更具真實(shí)性。

可不斷訓(xùn)練提升視頻樣本質(zhì)量

Sora 使用擴(kuò)散模型和 transform er的結(jié)合，使得視頻生成質(zhì)量隨著訓(xùn)練計(jì)算的增加而顯著提高。Sora 團(tuán)隊(duì)發(fā)現(xiàn)，隨著Sora模型訓(xùn)練計(jì)算量越大，樣本質(zhì)量的提升越顯著。

SORA對(duì)何種行業(yè)帶來(lái)機(jī)遇？

短視頻、傳媒行業(yè)

傳統(tǒng)視頻制作往往需要投入大量人力、物力和時(shí)間成本，通過(guò)利用 Sora模型，創(chuàng)作者可以快速、高效地生成視頻，極大降低產(chǎn)出成本。另一方面，Sora 的編輯和擴(kuò)展能力為創(chuàng)作者的靈活創(chuàng)作提供了空間，將進(jìn)一步提高內(nèi)容產(chǎn)出的創(chuàng)新性和多樣性。

當(dāng)前，短視頻時(shí)長(zhǎng)主要集中在 60 秒及以下；中視頻時(shí)長(zhǎng)介于60 秒到 30 分鐘之間；長(zhǎng)視頻包括時(shí)長(zhǎng) 30 分鐘及以上的所有視頻。Sora 模型的內(nèi)容產(chǎn)出能力恰好適配短視頻的核心時(shí)長(zhǎng)，短期內(nèi)短視頻的產(chǎn)能有望迅速增長(zhǎng)。

綜合來(lái)看，AI 視頻可以大幅度降低視頻的制作成本，對(duì)廣告營(yíng)銷、影視、游戲等都有可觀的降本增效作用，隨著 AI 視頻工具的不斷更新迭代，相關(guān)產(chǎn)業(yè)制作效率或?qū)?shí)現(xiàn)質(zhì)的提升，游戲、短視頻等相關(guān)內(nèi)容的供給端有望實(shí)現(xiàn)飛躍式的發(fā)展。

AI大模型與運(yùn)用

隨著文生圖、圖片對(duì)話技術(shù)的成熟，文生視頻可能成為多模態(tài)大模型下一步發(fā)展的方向。該技術(shù)有望極大降低短劇制作的成本，并且會(huì)進(jìn)一步向影視、自媒體、游戲等領(lǐng)域滲透，提高視頻創(chuàng)作效率。

此外Sora 展示了 AI 在理解和模擬物理世界方面的能力，這被認(rèn)為是實(shí)現(xiàn)通用人工智能（AGI）的關(guān)鍵一步（AGI 是指能夠在多種任務(wù)和環(huán)境中靈活應(yīng)用知識(shí)的 AI）。

隨著 AI 文生視頻技術(shù)的不斷完善和更新，我們認(rèn)為 AI 視頻有望憑借人工智能的技術(shù)優(yōu)勢(shì)和視頻這一品類的內(nèi)容優(yōu)勢(shì)打開(kāi)市場(chǎng)。隨著下游客戶對(duì) AI 需求表現(xiàn)強(qiáng)勁，海外云巨頭持續(xù)加大投入，AI 模型加速迭代、推陳出新，AI+終端持續(xù)滲透

同時(shí)Sora 的發(fā)布或?qū)⒊蔀?AI 視頻應(yīng)用的里程碑事件，視頻生成工具可以大幅減少實(shí)景拍攝、降低視頻制作成本，有望打開(kāi)更為廣闊的 AI 應(yīng)用市場(chǎng)。

算力

OpenAI 表示，Sora所展現(xiàn)的能力表明，繼續(xù)擴(kuò)大視頻模型規(guī)模能夠更有效的模擬物理和數(shù)字世界中的人類、動(dòng)物和物體，隨著視頻模型時(shí)長(zhǎng)、分辨率等各項(xiàng)參數(shù)的進(jìn)一步提升，將對(duì)算力提出更高的要求。

此外，Sora 仍為基于 Transformer 架構(gòu)的擴(kuò)散模型，在此基礎(chǔ)上，Sora 與 Gen-2 等產(chǎn)品所形成的效果差異主要來(lái)自于大規(guī)模高質(zhì)量的訓(xùn)練數(shù)據(jù)。

考慮到視頻數(shù)據(jù)量相對(duì)文本和圖片有幾何級(jí)的提升，AI視頻生成對(duì)訓(xùn)練和推理的算力需求將大幅提升，OpenAI、Meta 等巨頭在算力領(lǐng)域持續(xù)布局，也側(cè)面反映了未來(lái)對(duì)于算力的旺盛需求。算力支撐與大規(guī)模高質(zhì)量數(shù)據(jù)訓(xùn)練仍為視頻大模型必不可少的環(huán)節(jié)。

所以2024 年算力產(chǎn)業(yè)鏈將維持高景氣度，訓(xùn)練和推理需求或?qū)⒊掷m(xù)上升，蓬勃的算力需求有望持續(xù)帶動(dòng)算網(wǎng)基礎(chǔ)設(shè)施建設(shè)，建議持續(xù)關(guān)注光模塊、光芯片、光器件、AIDC、AI 服務(wù)器、交換機(jī)、液冷溫控等領(lǐng)域投資機(jī)會(huì)

相關(guān)投資標(biāo)的

短視頻、傳媒：因賽集團(tuán)、國(guó)脈文化、中文在線、光線傳媒

大模型及應(yīng)用：萬(wàn)興科技、劍橋科技科大訊飛、昆侖萬(wàn)維

算力及服務(wù)器：中際旭創(chuàng)、高新發(fā)展、中科曙光、浪潮信息、中興通訊、國(guó)投智能