人工智能月度跟踪：OpenAI推出新一代音视频工具Sora 2

（以下内容从爱建证券《人工智能月度跟踪：OpenAI推出新一代音视频工具Sora 2》研报附件原文摘录）
投资要点：
引子：2025年9月30日，OpenAI推出新一代音频、视频生成模型Sora2，并同步上线独立iOS应用。Sora2被OpenAI誉为"视频领域的GPT-3.5时刻"，此次更新不仅在视频生成质量上实现了显著提升，更首次支持了与画面精准匹配的原生音频生成，标志着AI视频生成技术迈入一个全新的发展阶段。
Sora采用DIT架构，性能优于同期发布模型。2024年2月16日，OpenAI发布首个文本生成视频模型Sora，其核心采用DiffusionTransformer深度融合架构，依托自注意力机制等设计，可增强视频帧间连贯性与文本与视觉语义的匹配精准度。相较于Gen-2、Lumiere等同期模型，Sora的优势尤为突出：1）生成时长达60秒，远超Gen-2（18秒）、Lumiere（5秒）、MoonValley（6秒）的上限，能承载更具叙事性的创作需求；2）生成类型覆盖T2V（文生视频）、I2V（图生视频）、V2V（视频生视频），并额外支持VFI（视频插帧），多模态创作能力更全面；3）技术架构上，凭借DiffusionTransformer的特性，时序一致性表现更佳，可减少画面闪烁、物体运动不连贯等问题，让动态视觉效果更贴近真实场景。
OpenAISora2相较于初代实现了多维度的卓越升级。1）在音视频同步方面，其彻底解决了初代的无声局限，可基于文本指令原声生成贴合场景的完整音效，无论是人物说话时的语音与环境音、奔跑场景的脚步声与风声，还是钢琴演奏的琴键声与空间回响等，均能自动匹配，无需后期额外配音，实现“声画一体”的创作体验；2）物理模拟精度上，Sora2实现了突破性提升：针对初代水流不自然问题，升级水、烟雾等流体模拟使其更贴合现实场景；通过精准模拟重力、惯性与摩擦力，修正了物体飘浮、碰撞反馈不真实等缺陷；同时让人物动作严密符合人体工学，有效解决动作僵硬问题。对比测试显示，其在人物走路、水流动态等场景的真实度提升36%-70%，其中水流动态提升最为显著。3）此外，Sora2新增“Cameo”功能，用户通过短暂的视频与音频采集，即可将自身或他人的形象与声音植入模型，后续能在任意场景中高度保真地呈现该角色，极大拓展了角色互动可能性，丰富了个性化创作与社交体验。
Sora2应用十分广泛，已覆盖营销广告、教育培训、产品展示、自媒体创作、艺术创作等多个领域，其中营销广告领域占比最高，达30%。其核心优势在于相较传统视频制作模型能显著提升效率并大幅压缩成本：在营销广告领域，美妆广告制作成本从8000元降至25元、节省比例约99.70%，汽车广告制作周期从1个月缩短至20分钟，帮助中小商家打破高预算限制；教育培训场景中，历史教育类内容制作周期从1个月缩短至10分钟，满足教学内容快速迭代需求；自媒体领域里，美食博主单条内容成本从200元降至20元、时间从2小时缩短至10分钟，还能为实拍不可行的旅游博主直接生成内容，助力创作者高频更新、响应热点；产品展示与创意艺术领域也实现了成本97%以上、时间数倍至数十倍的节省。依托“低成本、高效率、个性化”特性，Sora2推动AI视频制作规模化、高效化落地，标志着AI音视频技术进入“工业化生产阶段”，未来若在视频时长、画面分辨率上进一步突破，应用场景还将向影视制作、游戏开发、虚拟直播等领域拓展。
投资建议：随着AI大模型在音视频功能上的持续升级，未来音视频制作的成本将大幅下降，这对于下游广告传媒行业的发展十分有利。同时，AI生成音视频也将推动数据流量的加速爆发，建议关注存储芯片行业的投资机会。
风险提示：1）国际贸易摩擦加剧2）下游需求不及预期3）技术升级进度滞后