计算机行业专题：视频大模型奇点时刻加速到来

核心观点

• 视频大模型发展迅速，国内外差距缩小：自Sora发布以来，国内外已有十多家公司发布或更新视频生成模型，视频时长、分辨率等基础功能差距缩小，未来竞争将转向抢占用户和提升粘性。
• 国内模型表现强劲，部分已进入第一梯队：在文生视频领域，我国Vidu、清影等模型在动作幅度、物理还原度等复杂任务完成性上表现优异；图生视频领域，国内与国外差距进一步缩小。
• 视频大模型具备商用潜力，下游应用正在储能：视频大模型已初步验证商用潜力，未来在办公、广告、电影、游戏等领域具有广阔前景。

关键数据

• Sora模型参数量约30亿，训练数据或达到百万亿级patches。
• Sora训练算力或达到9.8万ZFLOPS，大致需要9096张H100卡训练180天。
• Sora生成1分钟视频算力达到437.4PFLOPS，系生成2k token GPT-4的390.5倍。

研究结论

• 算法方面：视频生成模型算法主要由基于SD逐帧生成和基于时空Patches两种范式构成，前者模型更容易训练，后者训练成本更高但生成视频的长度与一致性更容易得到保障。
• 算力方面：视频生成模型训练和推理算力需求远高于文字等单模态模型，Sora训练算力需求是GPT-4的4.5倍，推理算力需求接近GPT-4的400倍。
• 数据方面：高质量数据是模型能力的保障，用户数量或为开启模型迭代“数据飞轮”的关键。
• 投资建议：建议关注视频大模型厂商（科大讯飞、商汤、云从科技等）、算力（海光信息、寒武纪等）以及接入大模型的应用标的（金山办公、万兴科技等）。
• 风险提示：商业化落地不及预期、国内大模型在缺乏算力支持的情况下迭代速度放缓、国内大模型技术路线产生分歧。