传媒互联网行业前沿科技专题分析报告：AI视频，智能影像.pdf

传媒互联网行业前沿科技专题系列报告

AI视频：智能影像新纪元

2023年12月8日

核心观点

技术路线：基于扩散模型的AI视频工具发展迅速，数据、算力、算法驱动产品完善。高度灵活且易于计算的扩散模型是当前AI视频工具的主流

底层模型，催生RunawayGen2、SVD、Pika1.0等AI视频工具，拥有文/图/视频生视频、局部重绘、故事板、3D合成多重功能。AI视频已经取

得初步进展，在数据、算力、算法提升的驱动下有望不断完善：1）数据集：量级多在千万级，例如根据WebVid官网数据，截至2023年12月，

常用文本-视频数据集WebVid-10M拥有1070万个文本-视频对，较文生文和文生图的训练集更少；2）算力：从调用API价格推测，视频生成所

需算力成本近似于逐帧图片生成成本，算力消耗更大；3）算法：VAE分解合成、将时间维度引入潜在扩散模型等方案有效提高动作的逼真感和

视频的分辨率，“从粗到细”、并行联合去噪等路线则为生成时长提供有效解决方案。

模型实测：动作流畅度、画面美感表现好，文本理解待深化，迭代版本效果显著提升。横向对比上，我们PikaBeta、StableVideoDiffusion、

RunawayGen2文生视频模型进行实测，三大模型分别能在30/60/70秒生成高质量的3~4秒视频，RunawayGen2的综合表现相对占优。三大

模型在文本理解方面还有待深化，我们推测主要是训练数据量的限制。纵向迭代上，PIKA1.0的视频生成效果相比PikaBeta版本在智能创作、

场景渲染、细节渲染、解剖结构等多个维度均有显著提高，仅用6个月时间实现突破进展。

前景展望：影视内容、广告、游戏、教育等领域应用广泛，2028年市场空间有望达到573亿元。各厂商的产品功能逐渐丰富、生成效果持续提

升、交互平台更加完善，影视内容、广告、游戏、教育等领域应用广泛。在25%AI视频渗透率的假设下，我们预测2028年市场空间有望达到

573亿元。

风险因素：模型研发进展不及预期风险；视频生成效果不及预期风险；商业化变现不及预期风险；政策监管趋严风险；行业竞争加剧风险。

投资建议：AI视频的空间相较文生文、文生图更加宽广，影视、短视频、游戏、教育落地场景丰富。视频内容制作更专业，因而价格敏感度较

低，有望更快实现大规模商业化。视频内容高质量产能稀缺，重点关注新技术带来的“提质增效”与“体验升级”，相关标的包括：1）工具：

腾讯控股、美图公司、昆仑万维等；2）影视内容：快手、、哔哩哔哩、芒果超媒、阅文集团、中文在线、上海电影、奥飞娱乐等；3）

游戏：网易、三七互娱、恺英网络、完美世界、吉比特、心动公司、世纪华通、游族网络、掌趣科技等；4）教育：南方传媒、皖新传媒、世纪

天鸿等。5）MR：风语筑、锋尚文化、恒信东方等。

2

CONTENTS

目录

1.技术路线

2.模型实测

3.前景展望

4.风险因素与投资建议

3

1.技术路线

I.主流AI视频工具的技术情况

II.AI视频工具的核心功能布局

III.技术要点：数据、算力、算法

4

1.1主流AI视频工具的技术情况

目前AI视频工具的底层模型主要基于扩散模型。

基于GAN和VAE：早期的文生视频，在给定文本描述的情况下自回归生成视频帧，仅限于低分辨率、短距以及运动单一情况。

基于Transformer：通过自我注意机制拓宽了生成视频的性能，如VideoGPT、Cogvideo、Phenaki等，其生成的视频画质清晰，且具备长视频

生成能力，但对算力要求高、生成速度慢。

基于扩散模型：正向扩散过程系统地扰动数据中的分布，通过学习反向扩散过程恢复数据的分布，以产生高度灵活且易于计算的生成扩散模型。

扩散模