计算机行业：Sora技术深度解析会员免费

请务必阅读报告末页的重要声明证券研究报告|行业专题报告计算机行业行业评级 强于大市（维持评级）2024年2月25日技术深度解析证券分析师：施晓俊 执业证书编号：S0210522050003研究助理：李杨玲王 思华福证券

投资要点横空出世引领多模态产业革命。美国时间2月15日，文生视频大模型横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，都做到了业内领先水平，引领多模态产业革命。此外，当 训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。拆解视频生成过程，技术博采众长或奠定了文生视频领军地位。从技术报告中，视频生成过程大致由“视频编码+加噪降噪+视频解码”三个步骤组成，视频压缩网络、时空、架构、视频数据集等技术与资源在其中发挥了重要作用。视频压缩网络：过往应用于视频领域通常需插入时间层，从头训练了能直接压缩视频的自编码器，可同时实现时间和空间的压缩，既节省算力资源，又最大程度上保留视频原始信息，或为生成长视频的关键因素，并为后续处理奠定基础。时空：1）同时考虑视频中时间和空间关系，能够捕捉到视频中细微的动作和变化，在保证视频内容连贯性和长度的同时，创造出丰富多样的视觉效果；2）突破视频分辨率、长宽比等限制的同时显著提升模型性能，节约训练与推理算力成本。架构：1）相比于U-架构，突显 下的“暴力美学”，即参数规模越大、训练时长越长、训练数据集越大，生成视频的效果更好；2）此外，在大规模训练下，逐步显现出规模效应，迸发了模型的涌现能力。视频数据集：或采用了更丰富的视频数据集，在原生视频的基础上，将・E3的re-技术应用于视频领域，同时利用保障文字-视频数据集质量，使得模型具有强大的语言理解能力。投资建议：我们认为，在视频压缩网络与时空提高计算效率与利用原生视频信息的基础上，或取代U-成为扩散模型主流架构。可拓展性更强的需要更为有力的算力支持才能保障视频生成质量，同时相比于大语言模型，视觉数据的训练与推理算力需求更大，因而算力有望成为确定性最高的受益赛道。此外，发布有望形成多模态产业“鲇鱼效应”，激励其他多模态厂商的良性发展。建议关注：1）AI算力：云赛智联、思特奇、恒为科技、海光信息、寒武纪、景嘉微、中科曙光、浪潮信息、拓维信息、四川长虹、工业富联、神州数码等；2）AI+多模态：万兴科技、虹软科技、当虹科技、中科创达、大华股份、海康威视、漫步者、萤石网络、汉仪股份、美图公司、云从科技。风险提示：技术发展不及预期、产品落地不及预期、AI伦理风险等。2华福证券

086目录31. 引领多模态革命，技术与资源突显优势2. 博采众长，技术开拓创新3. 投资建议4. 风险提示华福证券

41.1 横空出世，引领多模态产业革命美国时间2月15日，文生视频大模型横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，都做到了业内领先水平，引领多模态产业革命。此外，当 训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。资料来源： ，新浪新闻图数室，华福证券研究所图表：与业内主流视频生成模型对比图表：和其他模型优势对比总览公司名称生成功能最长时长时长可延展相机控制（平移/变焦）动作控制文生视频4S√√√图生视频视频生视频文生视频3S√√√图生视频文生视频6S×√√图生视频文生视频16S×××图生视频视频生视频图生视频4S××√文生视频60S√√√图生视频视频生视频资料来源： ，新浪新闻图数室，华福证券研究所华福证券

51.2 视频生成过程：视频编码+加噪降噪+视频解...