>> 湘財證券-電子行業(yè)點(diǎn)評報告：OpenAI發(fā)布Sora，多模態(tài)大模型有望加速發(fā)展-240227
| 上傳日期： |
2024/2/27 |
大?。?/td>
| 661KB |
| 格式： |
pdf 共3頁 |
來源： |
湘財證券 |
| 評級： |
增持 |
作者： |
李杰 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
OpenAI發(fā)布文生視頻大模型Sora，表現(xiàn)遠(yuǎn)超競品
近期，OpenAI發(fā)布了文生視頻大模型Sora，跟此前的文生視頻大模型產(chǎn)品相比，Sora可以產(chǎn)出時長達(dá)到一分鐘的多鏡頭視頻，而其他產(chǎn)品只能生成20s以內(nèi)的單鏡頭視頻，在擬真度、一致性、穩(wěn)定性方面，Sora的表現(xiàn)也遠(yuǎn)遠(yuǎn)超過其它產(chǎn)品。
采用Transformer+擴(kuò)散模型，Sora具備多項優(yōu)勢
在Sora之前出現(xiàn)的文生視頻產(chǎn)品，主要采用擴(kuò)散模型架構(gòu)，Pika和Runway均采用了擴(kuò)散模型架構(gòu)，Sora則采用了融合架構(gòu)：Transformer架構(gòu)的Diffusion擴(kuò)散模型，用Transformer替代了擴(kuò)散模型的U-Net結(jié)構(gòu)，與單純地用擴(kuò)散模型相比，融合架構(gòu)的擁有了Transformer的可擴(kuò)展性。同時，Sora參考了文生文模型中的token原理，在文生文模型中，文本被統(tǒng)一轉(zhuǎn)化為token的數(shù)字表示形式，用以訓(xùn)練模型。OpenAI則提出了一種用patch統(tǒng)一表征圖像與視頻單元的方法，patch可以理解為Sora的基本單元，一個視頻可以理解為不同patch按照一定序列組織起來的。GPT-4被訓(xùn)練以處理一串token，并預(yù)測出下一個token，Sora遵循相同的邏輯，可以處理一系列的patch，并預(yù)測出序列中的下一個patch。從效果來看，Sora具備多項優(yōu)勢：1、能夠精確地理解用戶提示語；2、接受圖或者視頻輸入；3、場景和物體的一致性和連續(xù)性；4、能夠為各種設(shè)備生成與其原始縱橫比完美匹配的內(nèi)容；5、視頻擴(kuò)展功能；6、準(zhǔn)確性和多樣性。
Sora應(yīng)用潛力巨大，多模態(tài)大模型有望加速發(fā)展
Sora有望最先應(yīng)用于短視頻、廣告、影視、社交網(wǎng)絡(luò)等領(lǐng)域。在這些領(lǐng)域利用多模態(tài)大模型能力，輔助人類生成視頻，既可以提高生產(chǎn)速度又可以提高生產(chǎn)數(shù)量，還可以創(chuàng)造全新的視覺感受，能夠幫助企業(yè)真正實現(xiàn)降本增效、提升用戶體驗。相比于大語言模型，多模態(tài)大模型應(yīng)用場景更加豐富，能力更加強(qiáng)大，Sora的成功將刺激其他科技巨頭加快在文生視頻及多模態(tài)大模型領(lǐng)域的技術(shù)攻關(guān)力度和產(chǎn)品發(fā)布速度，多模態(tài)大模型將成為生成式AI的重點(diǎn)發(fā)展方向，進(jìn)而推動AI行業(yè)實現(xiàn)新一輪增長。多模態(tài)大模型對AI算力的消耗更高，AI算力需求將繼續(xù)增長。
投資建議
2023年下半年以來，智能手機(jī)與PC出貨量跌幅收窄，PC庫存已到合理水平，智能手機(jī)庫存即將觸底，2024年智能手機(jī)與PC有望實現(xiàn)正增長。Sora在文生視頻領(lǐng)域?qū)崿F(xiàn)了突破，刺激其他科技巨頭加快在文生視頻及多模態(tài)大模型領(lǐng)域的技術(shù)攻關(guān)力度以及產(chǎn)品發(fā)布速度，推動AI算力需求繼續(xù)增長。給予電子行業(yè)“增持”評級，看好AI算力相關(guān)標(biāo)的。
風(fēng)險提示
文生視頻模型技術(shù)迭代不及預(yù)期；AI應(yīng)用不及預(yù)期。
|
|
