传媒行业OpenAI Sora市场前景及投资研究报告：Transformer扩展优势，视频理解,生成能力提升.pdf

OpenAISora专题

Transformer扩展优势凸显，视频理解与

生成能力提升

2024年2月

核心观点

事件：2024年2月16日，OpenAI发布文生视频模型——Sora及其技术报告《Videogeneration

modelsasworldsimulators》。

从Sora模型看文生视频的技术路径：技术路径尚未收敛，Transformer扩展特性优势凸显。市场大

多认为扩散模型是图像和视频生成领域的主流路径，但没有重视Transformer架构scaleup的能力。

OpenAI技术报告指出，Sora是基于扩散模型，但更强调，Sora是一个基于Transformer架构的扩散

模型，其优秀的生成能力离不开Transformer架构优秀的scaling特性。当前，为构建性能更优、效

率更高的视频生成模型，已出现多种结合DiffusionModel和Transformer架构的构建方式。

从Sora模型看文生视频的最新能力（假设展示视频可以代表Sora的一般性表现）：1）强大的理解

能力：Sora模型不仅可以理解Prompt的内容，还能理解事物在物理世界中的存在方式，突出的语言

理解能力是其能够准确生成视频的前提。2）优秀的生成能力：①长度：可生成60s视频；②复杂度

2

：能够生成包含多个角色、多种主题、多类运动形态的复杂场景；③逼真度：能够呈现更多的视觉

细节，具备更高清的画质，为用户提供逼真的视觉体验；④连贯性&一致性：可以生成同一角色的多

个镜头，保持其在整个视频中的外观，在角度移动和切换情况下，人物和场景元素在三维空间中的

位置关系能够保持一致的运动；⑤可控性：在某一Prompt基础上只改动一个关键词仍能生成优质的

视频，具备较好的可控性。3）其他能力：图生视频，视频扩展/编辑/拼接/模拟等。

从Sora模型看文生视频的行业影响：目前OpenAI已向部分视觉艺术家、设计师和电影制作人提供访

问权限，以获取专业的反馈。我们认为，以Sora为代表的视频生成模型有望给广告/设计/短视频/游

戏等行业带来变化。从中短期来看，视频生成模型将更多的作为创作工具对相关行业进行赋能。

投资建议：随着文生视频模型的迭代升级和未来的大规模应用，算力需求有望增长，云服务有望成

为算力的重要补充，视频传输也将带动高带宽、高性能的光通信需求，建议关注算力、云服务和光

通信领域投资机会。相关标的：英伟达(NVDA.O)、超威半导体(AMD.O)、微软(MSFT.O)等。

风险提示：技术进展不及预期风险；行业竞争加剧风险；应用开发不及预期风险。

1

目录

1从Sora看文生视频模型的技术路径

1.1发展现状：视觉生成热潮兴起，路径探索仍在继续

1.2路径对比：扩散模型占据主流，自回归模型潜力可期

1.3未来趋势：transformer优势凸显，多种模型构建方式有望呈现

2从Sora看文生视频模型的最新能力

2.1模型背景：团队成员年轻有为，相关技术积累深厚

2.2理解能力：领会并细化提示词，学习及模拟物理世界

2.3生成能力：视频长度优势明显，连贯性及可控性提升

2.4其他能力：图生视频，视频扩展/编辑/拼接/模拟等

3从Sora看文生视频模型的影响

3.1算力端：参数扩展提升训练算力消耗，应用落地拉动推理算力增长

3.2应用端：文生视频模型拓宽应用广度，前期有望以助手角色落地

3.3其他：云服务将成算力重要补充，多媒体传输带动光通信需求

2

sUlWpV8WdYiYfXnMqRbR9RaQ