事件：北京时间2月16日凌晨，Open AI发布旗下首个文生视频模型Sora。Sora可以直接输出长达60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色，对语言有深刻理解，能够准确领会用户的提示。
Open AI发布首个文生视频模型Sora。Sora是基于difussion扩散的transformer 模型，凭借其强大的通用视觉数据处理，可以生成跨越不同持续时间、纵横比和分辨率的图像视频，最多可以连续生成60秒（一分钟）的高清视频。Sora是Open AI在GPT-4及DALL-E等语言和图像模型的基础上进一步的创新突破，该模型能够从类似于静态噪音的视频开始，逐渐去除噪音生成视频。此外，该模型能够生成包含多个角色、特定类型运动和主体及背景精确细节的复杂场景，能在单个生成的视频中创建多个镜头，使角色和视觉风格保持准确一致。
训练采样灵活，打破此前扩散模型局限性。Sora采用的是DALL·E 3的重标注技术，通过为视觉训练数据生成详细描述的标题，使模型更加准确地遵循用户的文本指令生成视频。Sora还能够为现有图片赋予动态效果或延伸视频内容的长度。Sora的灵感来自于语言模型，参照LLM的文本标记方法，Sora采用了视觉补丁方法，即把用于训练的图片、视频压缩为多个patch，把patch作为token进行训练，而非在图像域上进行训练，因此无需对视频的大小、时长进行限定、裁剪，训练端不会接受到残缺数据。
跨时代文生视频模型，有望推动硬件需求进一步提升。Sora基于图片做长视频生成，再基于生成视频做extend，其所需token数量相较于文本及图片模型的推理，有望成数量级增长，我们判断Sora将刺激推理算力需求将持续上升。此外，推理端 token增加、算力需求的增长，也对显存及带宽提出更高要求，预计将拉升400G光通信技术在以太网中的应用，并有望推动800G乃至1.6T光通信技术的应用。
投资建议：建议关注 AI 大模型发展带来的产业链机遇
风险提示：需求不及预期、产能瓶颈的束缚、大陆厂商技术进步不及预期、中美贸易摩擦加剧、研报使用的信息更新不及时。
本文源自：券商研报精选
