OpenAI 的 Sora 出现了：它提供了哪些启示和投资前景？

2月15日，OpenAI发布了迄今为止最强大的文字转视频模型 Sora，发布了一项开创性的公告。Sora能够根据文本提示生成详细的视频，扩展现有的视频叙事，甚至可以根据静态图像创建场景。虽然人工智能生成的视频并不是什么新鲜事物，但Sora的公开演示展示了视频质量、时长等方面的重大进步，在业界引起了轰动。

在Sora首次亮相之前，有许多视频生成工具，例如Runway Gen2和Pika。但是，Sora在几个方面明显优于其他平台：

1。 视频长度和清晰度： Sora可以以1080P输出长达60秒的高清视频，与其他竞争对手相比，这是一个显著的改进，后者可以输出长达十到二十秒的视频。而且，视频生成效果非常连贯。

2。灵活的视频大小和扩展名： Sora的模型可以对1920x1080的宽屏视频、1080x1920的垂直视频以及介于两者之间的所有大小的视频进行采样（其他型号的大小是固定的）。Sora 还支持向前和向后扩展创意视频，以及连接多个视频。

3.具有多角度拍摄的单个视频： Sora 可以在生成的单个视频中创建多张镜头，即使拍摄对象暂时离开视野，也能准确地保持角色和视觉风格的一致性。

4。现实世界的物理建模能力： Sora 不仅能理解用户的提示，还能理解这些东西在物理世界中是如何存在的。

根据OpenAI的说法，“我们正在教人工智能理解和模拟运动中的物理世界，目的是训练模型，帮助人们解决需要现实世界互动的问题。”

尽管目前的模型仍然存在诸如难以准确模拟复杂场景的物理原理等弱点，但Sora的首次亮相无疑标志着视频技术领域的人工智能突破，开启了AIGC的新时代。

除OpenAI外，其他科技明星最近在人工智能领域取得了新的突破：

谷歌已经发布了Gemini 1.5 Pro，它支持多达100万个令牌上下文长度，并显著提高了性能；Meta推出了V-JEPA，这是一种人工智能视频模型，旨在通过预测视频中缺失或模糊的部分来有效增强人工智能对世界的理解。

$英伟达(NVDA.US)$ 还发布了一个名为 Chat with RTX 的本地聊天机器人应用程序。此外，从披露的财务报告来看，巨头的资本支出指导，例如 $谷歌-A(GOOGL.US)$, $亚马逊(AMZN.US)$, $微软(MSFT.US)$，以及 $Meta Platforms(META.US)$ 在人工智能领域持续增长，证实了该行业的高度繁荣。

Sora的出现意味着视频生成领域的竞争日趋激烈，并将显著加速多模态AI和AI应用场景的发展。Sora 背后的新兴能力为需要真实世界建模的行业提供了明确的方向，例如自动驾驶、设计、广告（电子商务）、教育、医疗保健和网络安全，人工智能应用场景将继续扩展。预计最早在应用端布局人工智能的公司将受益于行业格局的变化。

Sora将加快主要参与者在多模态领域的投资，预计将推动训练和推理双方计算能力需求的增加，从而使人工智能芯片巨头受益，例如 $英伟达(NVDA.US)$ 和 $美国超微公司(AMD.US)$ 直接。由于对人工智能的需求激增，英伟达已将B100的最初计划发布日期从 2024Q4 提前到了 2024Q2，据说其功能是当前型号H200的两倍。

Sora的出现意味着视频制作门槛和成本的显著降低，这将为视频制作、传统广告、电影和短视频等行业带来重大变化。与传统的电影和电视制作相比，Sora的制作过程更简单，投资成本更低，并产生更快、更具创造性的结果。Sora发布后，从事多媒体制作软件开发的公司，例如 $Adobe(ADBE.US)$，上周五他们的股价暴跌了7.41％，而 $Shutterstock(SSTK.US)$是图像库、库存图片、音乐和编辑工具的供应商，下跌了5.44％以上。

据美国电影业领先杂志《好莱坞记者》报道：“尽管有类似的人工智能视频工具可用，但OpenAI的系统代表了这项技术的快速增长，有可能削弱大量劳动力。这标志着随着娱乐业努力应对人工智能，主流将进一步采用这种方式。”