信息技术-通信行业数字经济“算力网络”系列13：文生视频模型Sora表现效果超预期，带动算力网络建设需求(202402).pdfVIP

数字经济“算力网络”系列13

文生视频模型Sora表现效果超预期，带动算力网络建

设需求

2月16日OpenAI推出文生视频模型Sora，可以根据文本指令创建现实且富有

想象力的场景，能够生成具有多个角色、特定类型的运动，以及主体和背景的

准确细节的复杂场景的高清视频，并且时长可以达到一分钟。Sora的超预期表

明Transformer模型在视觉领域的有效，为视觉模型的加速迭代奠定基础。

❑Sora模型展示效果惊艳，创立视觉模型里程碑。与之前的视觉模型不同，

OpenAI的Sora是视觉数据的通用模型，通过一次为模型提供多帧的预测，

解决了一个具有挑战性的问题，即确保主题即使暂时离开视野也保持不变。

它可以生成不同时长、长宽比和分辨率的视频和图像，而且最多可以输出长

达一分钟的高清视频。Sora的核心优势：一致性、灵活性、稳定性。Sora能

够灵活的生成各种像素各种画幅的图像，同时能够根据图像生成视频或者将

视频内容扩充出新的视频。与其他模型相比Sora生成的时长达到1分钟的情

况下还能保持前后主题的一致性是之前视觉模型所不具备的。同时Sora还涌

现出对物理规律的理解能力，在没有人为约束的情况下生成的画面中满足物

理学规则使得画面更加逼真。

❑视觉模型的GPT3时刻，模型迭代进入加速期。Sora之前，虽然大语言模型

随着GPT的成功逐渐成为主要研究方向，不过扩散模型仍在大语言模型占据

主导地位。DALL·E、StableDiffusion等广泛使用的视觉模型都采用扩散

模型。2023年谷歌提出大语言模型之所以在视频领域表现不佳的主要原因不

在于模型本身而在于没有好的表达形式来转化视频，也证明了大语言模型在

文生视频领域的可行性。Sora的突破之处在于基于DiT结构，结合了大语言

模型和扩散模型的共同优点。使得Diffusion模型也能够规模化，证明GTP4

式的大力出奇迹也能在视觉领域出现同样的“涌现”效果。Sora标志了扩散

+语言大模型融合路线的成功，未来具有很大的迭代潜力，类似于GPT3的里

程碑意义，沿着这条道路持续迭代未来1-2年内有望出现能生成效果更加逼

真的视觉模型。

❑Sora大幅拉动算力需求，拉动硬件建设投资。根据DiT模型创立者谢赛宁博

士粗略测算，Sora模型的参数规模大约为30亿。根据对可训练数据量的研

究成果，海外大型视频网站每分钟大约上传500小时视频内容。由此我们测

算训练Sora模型需要约7.09万张H100一个月的训练量。在推理侧，根据

相关研究测算生成一张图的算力消耗约为256个词的消耗。由此推算生成一

个1分钟时长短视频的算力消耗约是生成一次文字对话的千倍以上。中短期

算力将持续处于短缺不能充分满足推理侧需求。

❑投资建议：Sora打开AIGC在视觉领域的应用空间，算力网络供给持续短缺

拉动硬件基础设施建设需求。光模块环节我们重点推荐北美光模块核心供应

商：【中际旭创】/【新易盛】，及其上游核心供应商【天孚通信】，及国产

光芯片龙头【源杰科技】；交换机环节我们建议关注交换机国产替代龙头【紫

光股份】/【锐捷网络】，同时建议关注国产交换机芯片龙头【盛科通信】，

同时推荐国内ICT巨头【中兴通讯】；视频编解码环节我们建议关注视频编

解码优质公司【当虹科技】/【维海德】。

❑风险提示：核心计算参数假设不准确，Sora模型落地进度不及预期，行业竞

敬请阅读末页的重要说明

争格局恶化

重点公司主要财务指标

公司简称公司代码市值22EPS23EPS23PEPB投资评级

中兴通讯000063.SZ114.81.691.9912.11.7强烈推荐

紫光股份000938.SZ47.80.750.7921.21.4强烈推荐

中际旭创300308.SZ102.01.522.7446.37.5强烈推荐

天孚通信300394.SZ43.01.021.8459.214.9强烈推荐

盛科通信688702.SH13.1-0.07-0.09-370.6