计算机行业周报：OpenAISora+Gemini1.5推出，多模态时代进阶

在本次研报中，主要围绕了两个重大突破性事件：OpenAI推出的Sora以及谷歌发布的Gemini 1.5。

OpenAI Sora：颠覆视频生成领域

• 背景：OpenAI发布了一款名为Sora的文生视频大模型，能够根据提示文本生成60秒的连续视频，显著提高了视频生成的长度和质量。
• 技术基础：Sora基于Diffusion Transformer (DiT) 模型构建，采用了一个带有Transformer主干的扩散模型，即DiT = [VAE编码器 + ViT + DDPM + VAE解码器]。
• 能力亮点：
  • 视频生成能力：Sora能够生成高质量的视频内容。
  • 复杂场景和角色生成能力：处理复杂的场景和角色生成更为自然流畅。
  • 语言理解能力：通过文本提示准确理解并生成相应内容。
  • 多镜头生成能力：支持多个视角和镜头的生成。
  • 从静态图像生成视频能力：将静态图像转换为动态视频。
  • 物理世界模拟能力：模拟现实世界的物理现象。
• 影响展望：Sora的出现标志着AI视频生成领域的一个重大进步，未来AI生成视频可能彻底改变视频剪辑、电影制作、游戏制作等多个行业。

谷歌Gemini 1.5：优化架构，展现强大性能

• 更新亮点：谷歌推出了Gemini 1.5，其最大支持10,000K token的上下文，特别强调了在长文本、长文档、大量代码库和完整电影等方面的处理能力。
• 架构创新：Gemini 1.5基于谷歌在Transformer和混合专家（MoE）架构的研究成果，使得模型在训练和部署效率上有显著提升。
• 性能优势：
  • 更快速地掌握复杂任务。
  • 保持高质量的输出。
  • 在训练和部署上更高效。
• 行业影响：Gemini 1.5的发布标志着大模型领域进入了一个新的时代，尤其是在多模态处理能力上的突破。

投资建议

受益于这些技术创新，建议关注与多模态素材相关的企业（如美图公司、虹软科技、万兴科技等），多模态应用厂商（如科大讯飞、大华股份、海康威视等），以及AI算力基础设施提供商（如中科曙光、网宿科技、云赛智联等）。

风险提示

• 核心技术升级风险。
• AI伦理风险。
• 政策推进不及预期风险。
• 中美贸易摩擦升级风险。

结论

OpenAI的Sora和谷歌的Gemini 1.5分别在视频生成和多模态处理领域取得了重大突破，不仅展示了人工智能技术的惊人进展，也为相关行业带来了变革的可能性。投资方面，关注上述领域的企业将有望从中获益。同时，需要注意技术风险、伦理挑战以及外部政策环境的变化。