人工智能行业跟踪报告：OpenAI发布文生视频模型Sora，有望开启算力需求新空间

证OpenAI发布文生视频模型Sora，有望 研 券开启算力需求新空间 究——人工智能行业跟踪报告 报 告增持（维持）主要观点 2024年2月16日，OpenAI公布了名为“Sora”的人工智能模型。该模 行业:计算机 型可根据用户的文本提示快速制作长达一分钟的视频，据OpenAI介 日期: 2024年02月27日 绍，Sora所制作的视频可以呈现“具有多个角色、特定类型的动作，包含主题和背景细节的复杂场景”。 分析师:刘京昭 SAC编号:S0870523040005 最近一年行业指数与沪深300比较 计算机沪深300 % % 01/2303/2306/2308/2310/2301/24 35% 28% 21% 14% 7 0 -7% 事-14% 件-21% 点评 相比于Runway、Pika等厂商推出的文生视频模型，Sora在分辨率、生成视频长度等技术指标上有明显进步：Runway推出的Gen-2、Pika推出的Pika1.0等模型生成视频长度均在10秒以内，Sora则支持生成长达60秒的视频，同时具备向前和向后的视频扩展能力。 我们认为：Sora模型的推出是对文生视频技术的一次突破，有望提高文生视频模型的使用率，扩展文生视频模型在影视创作等领域的应用场景。同时，Sora模型的参数量据估算较Gen-2等模型有较大幅度的上升，其推理需求的快速增长也有望对以光模块为代表的算力供应链形成新的增量空间。 投资建议 建议关注： 中际旭创：中高端数通市场龙头，2022年与II-VI并列光模块业务营收全球第一。根据iFinD机构一致预期，截至2024年2月22日，公司2024年的预测PE为30倍，位于近五年的90%分位。 天孚通信：光器件整体解决方案提供商。根据iFinD机构一致预期，截至2024年2月22日，公司2024年的预测PE为45倍，位于近五年的98%分位。 新易盛：光模块领域龙头，成本管控优秀，具备切入增量云计算/AI客户的能力。根据iFinD机构一致预期，截至2024年2月22日，公司2024年的预测PE为33倍，位于近五年的90%分位。 风险提示 下游需求不及预期；人工智能技术落地和商业化不及预期；产业政策转变；宏观经济不及预期等。 目录 1Sora模型性能优异，有望开拓文生视频应用新场景3 2风险提示5 图 图1：Sora可能使用了Transformer架构的Diffusion扩散模型3 图2：OpenAI将不同尺寸、分辨率的视频拆分成patch进行训练4 表 表1：Sora在多项技术指标上有所突破3 表2：人工智能领域相关公司对比4 1Sora模型性能优异，有望开拓文生视频应用新场景 2024年2月16日，OpenAI公布了名为“Sora”的人工智能模型。该模型可根据用户的文本提示快速制作长达一分钟的视 频，据OpenAI介绍，Sora所制作的视频可以呈现“具有多个角色、特定类型的动作，包含主题和背景细节的复杂场景”。 相比于Runway、Pika等厂商推出的文生视频模型，Sora在分辨率、生成视频长度等技术指标上有明显进步：Runway推出的Gen-2、Pika推出的Pika1.0等模型生成视频长度均在10秒以内，Sora则支持生成长达60秒的视频，同时具备向前和向后的视频扩展能力。 表1：Sora在多项技术指标上有所突破 开发厂商 模型名称 视频长度 帧数 分辨率 Runway Gen-2 4s 24Fps 1024×1792 PikaLabs Pika1.0 3s 24Fps 768×768 Meta EmuVideo 4s 16Fps 512×512 Google Lumiere 4s-5s 16Fps-24Fps 1024×1024 NVIDIA PYOCO 4.75s 16Fps 1024×1024 OpenAI Sora 60s 30Fps 2048×2048 资料来源：EMUVIDEO:FactorizingText-to-VideoGenerationbyExplicitImageConditioning，techovedas，OpenAI，NVIDIA，IT之家，上海证券研究所 据OpenAI介绍，Sora模型属于扩散型Transformer模型 （DiffusionTransformerModel），其训练过程借鉴了此前GPT、DALL·E3等模型的训练经验，包括采用了DALL·E3训练中使用的重新字幕技术，为训练数据生成描述数据内容的标题。 图1：Sora可能使用了Transformer架构的Diffusion扩散模型 资料来源：OpenAI，上海证券研究所 GPT等大语言模型（LLM）进行训练时，通常将数据集中的语句拆分为tokens，再置于Transformer框架下进行训练。在Sora的训练过程中，OpenAI将不同尺寸、分辨率的视频拆分成Patch，由此将视频压缩到低维空间，再将Patch视作Tokens置于Transformer框架下进行训练。训练完成后再通过解码，将Tokens“渲染成”视频中的像素。 图2：OpenAI将不同尺寸、分辨率的视频拆分成patch进行训练 资料来源：ModelScope，上海证券研究所 在工程中，往往采用将时间Attention和空间Attention分离的做法，降低Transformer需要处理的Tokens长度，从而降低实际所需的计算量。 我们认为：Sora模型的推出是对文生视频技术的一次突破，有望提高文生视频模型的使用率，扩展文生视频模型在影视创作等领域的应用场景。同时，Sora模型的参数量据估算较Gen-2等模型有较大幅度的上升，其推理需求的快速增长也有望对以光模块为代表的算力供应链形成新的增量空间。 表2：人工智能领域相关公司对比 所属板块 股票代码 股票简称 22营业收入 22归母净利润 24E营业收入 24E归母净利润 24E 估值 近五年PE分位数（%） 688041.SH 海光信息 51.25 8.04 84.37 16.70 113 83 688256.SH 寒武纪 7.29 -12.57 15.38 -5.98 -- -- 算力 300474.SZ 景嘉微 11.54 2.89 17.39 3.60 78 84 688521.SH 芯原股份 26.79 0.74 31.51 0.66 195 -- 603019.SH 中科曙光 130.08 15.44 174.04 24.91 23 25 PCB 002463.SZ 沪电股份 83.36 13.62 110.82 19.66 24 83 300308.SZ 中际旭创 96.42 12.24 229.31 40.33 30 90 光模块/光器件 300502.SZ 新易盛 33.11 9.04 53.38 12.73 33 9098 300394.SZ 天孚通信 11.96 4.03 30.99 11.52 45 光芯片 688498.SH 源杰科技 2.83 1.00 3.36 1.06 101 58 液冷 872808.BJ 002837.SZ 曙光数创 英维克 5.18 29.23 1.172.80 8.57 53.94 2.11 5.26 4426 9029 301165.SZ 锐捷网络 113.26 5.50 164.23 7.95 23 58 603118.SH 共进股份 109.74 2.27 115.56 5.03 11 94 301191.SZ 菲菱科思 23.52 1.95 33.30 2.91 20 78 服务器/交 601138.SH 工业富联 5118.50 200.73 6499.72 289.86 12 71 换机 000938.SZ 紫光股份 740.58 21.58 914.29 29.01 18 14 000628.SZ 高新发展 65.71 1.99 -- -- -- 95 600100.SH 同方股份 237.61 -7.72 -- -- -- -- 000034.SZ 神州数码 1158.80 10.04 1325.47 14.66 13 14 002261.SZ 拓维信息 22.37 -10.13 41.75 3.01 64 -- 300496.SZ 中科创达 54.45 7.69 74.67 10.42 25 1 002920.SZ 德赛西威 149.33 11.84 264.98 21.58 24 2 002415.SZ 海康威视 831.66 128.37 992.99 168.95 19 37 002236.SZ 大华股份 305.65 23.24 378.99 42.98 14 61 688003.SH 天准科技 15.89 1.52 24.79 2.74 21 1 300802.SZ 矩子科技 6.84 1.29 8.75 1.81 25 9 300418.SZ 昆仑万维 47.36 11.53 55.89 9.64 47 92 688111.SH 金山办公 38.85 11.18 61.51 17.78 65 17 AI+应用002230.SZ 科大讯飞 188.20 5.61 256.05 13.40 81 96 600570.SH 恒生电子 65.02 10.91 94.18 21.90 21 1 智能座舱 机器视觉 300033.SZ 同花顺 35.59 16.91 46.69 20.65 33 49 600845.SH 宝信软件 131.50 21.86 196.16 33.08 31 16 资料来源：iFinD，上海证券研究所 *盈利预测来自iFinD机构一致预期；仅列举各板块部分标的；估值使用2024年2月22日收盘价；单位：亿元。 2风险提示 下游需求不及预期；人工智能技术落地和商业化不及预期；产业政策转变；宏观经济不及预期。 分析师声明 作者具有中国证券业协会授予的证券投资咨询资格或相当的专业胜任能力，以勤勉尽责的职业态度，独立、客观地出具本报告，并保证报告采用的信息均来自合规渠道，力求清晰、准确地反映作者的研究观点，结论不受任何第三方的授意或影响。此外，作者薪酬的任何部分不与本报告中的具体推荐意见或观点直接或间接相关。 公司业务资格说明 本公司具备证券投资咨询业务资格。 投资评级体系与评级定义 股票投资评级：分析师给出下列评级中的其中一项代表其根据公司基本面及（或）估值预期以报告日起6个月内公司股价相对于同期市场基准指数表现的看法。 买入股价表现将强于基准指数20%以上增持股价表现将强于基准指数5-20%中性股价表现将介于基准指数±5%之间减持股价表现将弱于基准指数5%以上 无评级由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事 件，或者其他原因，致使我们无法给出明确的投资评级 行业投资评级：分析师给出下列评级中的其中一项代表其根据行业历史基本面及（或）估值对所研究行业以报告日起12个月内的基本面和行业指数相对于同期市场基准指数表现的看法。 增持行业基本面看好，相对表现优于同期基准指数中性行业基本面稳定，相对表现与同期基准指数持平减持行业基本面看淡，相对表现弱于同期基准指数 相关证券市场基准指数说明：A股市场以沪深300指数为基准；港股市场以恒生指数为基准；美股市场以标普500 或纳斯达克综合指数为基准。投资评级说明： 不同证券研究机构采用不同的评级术语及评级标准，投资者应区分不同机构在相同评级名称下的定义差异。本评级体系采用的是相对评级体系。投资者买卖证券的决定取决于个人的实际情况。投资者应阅读整篇报告，以获取比较完整的观点与信息，投资者不应以分析师的投资评级取代个人的分析与判断。 免责声明 本报告仅供上海证券有限责任公司(以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。 本报告版权