传媒：Sora发布有望加速AI视频技术迭代进程，持续关注AI应用的商业化落地

（以下内容从德邦证券《传媒：Sora发布有望加速AI视频技术迭代进程，持续关注AI应用的商业化落地》研报附件原文摘录）
投资要点：
从Sora效果来看，“一致性”迎来突破，“真实性”有望增强。2023年，基于Diffusion的视频生成模型密集发布，例如Gen-2、Pika、SVD等，但主要的瓶颈在于一致性，生成的人物和场景无法在每一帧中保持一致，因此应用落地有限。同时，模型单次生成的视频时长最长为18秒，虽然支持通过预测延长视频，但延长后的视频通常缺乏一致性和逻辑性。根据Sora发布的Demo，模型在一致性方面获得巨大突破。1）3D一致性：Sora可以生成摄像机动态运动的视频，随着摄像机的移动和旋转，人物和场景元素在3D空间中的移动会保持一致。2）长期连续性：Sora经常（并非总是）能够有效地模拟短距离和长距离依赖关系。例如，即使人、动物和物体被遮挡或离开画面，也能保持它们的存在。3）对象永恒性：Sora能在单个样本中生成同一角色的多个镜头，并在整个视频中保持其外观。真实性方面，当与物理世界产生互动，Sora有时可以模拟一些影响世界状态的简单动作。例如，画家可以在画布上留下新的笔触，并随着时间的推移而持续；或者一个人在吃一个汉堡时，留下咬痕。虽然目前Sora的模拟尚有局限，不能准确地模拟许多基本交互的物理现象，但我们认为未来有望不断趋近真实场景。
技术层面，在Diffusion基础上，以Transformer替代传统U-Net架构或进一步提升效果。我们认为，Transformer的核心优势在于：1）训练数据兼容性提升。传统的U-Net架构对于视频的尺寸有限制，所有视频规格需统一，换言之，不可避免裁剪带来的信息丢失；而Transformer对于视频尺寸的兼容性更好，Sora可以采样宽屏1920x1080p视频、竖屏1080x1920视频以及两者之间的所有类型。优势在于，一是训练层面，保留原生视频尺寸，可以保持自然和连贯的视觉叙事，获得更好的效果；二是输出层面，生成的视频可以兼容不同的设备类型。为了将所有类型的视觉数据转换为统一的表示，Sora使用patches作为其表示方式，类似于LLM中的tokens。2）符合Scaling Law。Scaling Law的含义为，随着模型大小、数据集大小和用于训练的计算浮点数的增加，模型的性能会提高。在LLM的研究中，OpenAI已经论证过Transformer符合Scaling Law，因此将Transformer迁移到LVM中，视频模型亦可“大力出奇迹”。
高质量数据是Sora性能提升的另一关键因素。一方面，OpenAI将DALL·E3引入的re-captioning技术应用到视频中。一是训练一个高度描述性的标题模型，然后使用它为训练集中的所有视频生成文本标题，以此提高文本的准确性以及视频的整体质量。二是利用GPT将用户的简短Prompt转换为更详细的长标题，然后将其发送给视频模型，因此Sora可以准确地遵循用户的提示。另一方面，根据英伟达科学家Jim Fan推测，可能通过UE5等大量生成了合成数据作为训练集，以此获得模拟物理世界的能力。
影视应用落地开启，国内AI动画已率先落地。2月26日晚间，国内首部文生视频AI动画片《千秋诗颂》在央视综合频道开播，从美术设计到动效生成，再到后期成片，该片均为AIGC辅助制作。技术方面，依托总台海量视听数据以及上海人工智能实验室的多项AI技术，包括视频生成大模型-书生·筑梦、文生视频框架-AnimateDiff及多项可控图像生成、图像驱动等技术。AI赋能后，制作效率提升3倍。根据团队描述，在同等预算条件下，按照传统动画制作流程计算，类似《千秋诗颂》这样的动画片，一个月只能做一集；现在一个月可以做三集。
海外方面，AI生成作品已登陆银幕，应用工具逐步优化。3月6日，《终结者2》翻拍作品《我们的终结者2重制版（Our T2Remake）》在洛杉矶首映。其创作团队由50位AI领域艺术家组成，利用Midjourney、Runway、Pika、Kaiber、Eleven Labs、ComfyUi、Adobe等多个AIGC工具进行创作，不使用原电影中的任何镜头、对话或音乐，确保《Our T2Remake》所有内容均为原创。以色列初创公司Lightricks发布了一款AI驱动的电影生成和剪辑软件——LTX Studio，通过文字就能直接生成复杂的剧情，包含语音、音效、视频画面。LTX Studio重新定义了视频制作的工作流，其中包括自动编写脚本工具、调整多镜头的场景控制工具、保证角色一致性的工具、摄像机控制、一键编辑等。公司将在3月27日正式上线该平台。我们认为，伴随技术层面模型的迭代和应用层面工作流的优化，AI在影视领域的可用性提升。然而，在当前技术节点，由于一致性问题尚未完全解决，对重要人物和场景事先建模或为中间阶段的最优解。同时，从专业影视角度，另一难点在于可控性，特别是针对镜头画面，例如镜头轨迹等。后续一致性、可控性的提升或是技术优化迭代的关键。
建议关注相关受益标的：我们认为，1）AI生成视频领域进程加速，技术有望从“预览级”升级为“成品级”。建议关注AI视频技术与工具及落地应用场景相关公司：【万兴科技，昆仑万维，美图公司，汤姆猫，风语筑等】等。2）动画领域应用已落地，降本增效显著。我们认为AI时代动画领域的主要壁垒在于动画数据积累以及IP价值。建议关注IP类及动漫动画影视类素材和创意内容产出公司：【中文在线，汤姆猫，上海电影，光线传媒，奥飞娱乐，华策影视，果麦文化，荣信文化】等。3）广告营销电商素材等应用场景类受益公司，【因赛集团，蓝色光标，浙文互联，天龙集团，龙韵股份，青木股份，思美传媒等】。4）央国企持续投入AI传媒等，且有海量的视频内容素材和国有的媒体传播渠道。建议关注：【中视传媒，上海电影，芒果超媒，中广天择，国脉文化，中国电影，浙文影业】等。
风险提示：行业竞争加剧；技术发展不及预期，应用落地不及预期等。