之所以认为是神话，是因为科技程度还达不到。

——高铭《天才在左疯子在右》

用一段文字描述就可以形成一段“真实”的视频，曾经想象中的场景如今已经实现！

春节假期尚未结束，OpenAI发布的新一代文字生成视频模型——Sora就已经引发热潮，通过文字生成1分钟的高质量视频，极其真实、个性化的视频表现，且符合现实世界物理规律的图像，令人惊艳，这也直接带动了资本市场的表现。

Sora模型有何特点，龙年AI投资有哪些趋势？本期《风向》将为您一一梳理。

文本转视频，时长达1分钟

一个视频胜千言，从OpenAI放出的视频来看，通过一长串的提示词，诸如“几只巨大的毛茸茸的猛犸象踏着白雪皑皑的草地走近”，AI就生成了极其真实的动态画面场景。

资料来源：OpenAI官网

提示词：几只巨大的毛茸茸的猛犸象踏着白雪皑皑的草地走近，它们长长的毛茸茸的皮毛在风中轻轻飘动，远处覆盖着积雪的树木和雄伟的雪山，午后的阳光下有缕缕云彩，太阳高高地挂在空中距离产生温暖的光芒，低相机视角令人惊叹地捕捉到大型毛茸茸的哺乳动物，具有美丽的摄影和景深。

如果不是猛犸象已经灭绝，或者视频标注了AI生成，我相信包括笔者在内的很多人会认为是实拍镜头。

不仅仅是动物，人物和场景表现也极其真实。

资料来源：OpenAI官网

提示词：一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果。许多行人走来走去。

根据OpenAI官网的介绍，Sora能够生成具有多个角色、特定类型的运动以及主体和背景的准确细节的复杂场景，该模型不仅了解用户在提示中提出的要求，还了解这些东西在物理世界中的存在方式。

其次，该模型能够更加准确的理解人类给出的提示词，借助GPT的能力，Sora将用户的简短提示转换成更详细的提示，使其能够准确地解释提示词，并生成质量更高的图像。

如同电影中常见的多机位拍摄，Sora模型还可以在单个生成的视频中创建多个镜头，准确地保留角色和视觉风格。而且生成的视频也可以重新编辑，比如让植被更加茂密等等，如果嫌视频的时间过短，也可以让AI向前或向后拓展视频。

Sora的技术报告显示，OpenAI并不是把Sora单纯当作一个视频模型来看待，而是将视频生成模型作为“世界模拟器”，不仅可以在不同设备的原生宽高比直接创建内容，还能展示出对真实世界的模拟能力，如3D一致性、长期一致性和对象持久性等。

依托于大语言模型，让机器模仿人

根据公开资料，在文生视频领域，比较成熟的模型思路有循环网络（RNN）、生成对抗网络（GAN）和扩散模型（Diffusionmodels）。

结合OpenAI官网下的文献参考，Sora为使用Transformer架构的扩散模型。它从看起来像静态噪声的视频开始生成视频，然后通过多个步骤消除噪声来逐渐对其进行转换。

如果用通俗但不太严谨的话来解释，之前的GAN模型更多的是对其他图片“形”的模仿，而扩散模型更多的是对“神”的模仿，比如图像内涵，图像与图像的关系等等。

随着训练计算的增加，样本质量显着提高

图片来源：Sora技术报告

在其技术报告中，Sora可以将图片和视频转化为补丁，从而可以用更广泛的数据训练。OpenAI将图片和视频数据转化为统一的表示方式——补丁（patches）来进行训练，补丁类似于大语言模型中的tokens，并且可以高度扩展。通过统一数据的表示方式，Sora可以用更广泛的数据训练，使生成的视频更加真实。

目前Sora模型还在进行安全测试，仅向有限的创作者开放。据彭博社预计，GPT-4经过6个月的测试后正式开放，参考GPT-4，预计Sora或将于8月向公众开放。

政策端大力鼓励，国内AIGC商业化已全面铺开

去年8月底，国内首批大模型产品通过《生成式人工智能服务管理暂行办法》（下称《办法》）备案，可正式上线面向公众服务。

去年下半年，一批国内大模型陆续向社会开放，C端商业化逐步铺开。此前，这些大模型厂商已开始布局B端部分场景，与多家企业签订合约。当前国产AIGC在BC两端同时发力，商业化全面铺开，已脚踏实地开启赚钱之路。上述备案完成与《办法》正式实施日相隔仅半个月，体现监管层对这一新兴产业的鼓励态度。

去年9月初，工信部和财政部联合印发《电子信息制造业2023-2024年稳增长行动方案》再次强调了对人工智能和大模型发展的重视，表示要推动先进计算产业发展和行业应用。

目前，国内AIGC的产业架构分为基础层、中间层和应用层。

整个AI生成内容链条第一层是基础层，也是由大语言模型为基础搭建的AIGC技术基础设施层。

第二层为中间层，及垂直化、场景化、个性化的模型和应用工具。预训练的大语言大模型是基础设施，在此基础上可以快速抽取生成场景化、定制化、个性化的小模型，实现在不同领域的应用部署。

第三层为应用层，面向C端的文字、图片、视频生成等内容的生成服务。侧重于用户的使用体验和需求，使得用户可以用消费级的显卡算力挖掘丰富的内容，包括ChatGPT、Sora等等。

根据中国电子学数据，2021年中国人工智能核心产业市场规模为1300亿元，同比增长38.9％。根据《新一代人工智能发展规划》，到2025年，我国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。

投资方向怎么选？

中信证券研报认为，从投资角度来看，Sora背后的涌现能力为自动驾驶、设计等需要现实世界建模的行业提供了明确方向。Gemini在短期内的部分商业场景表现可能会更为出色，尤其是需要结合图片与文字的多模态应用场景。除去应用端的投资机会，硬件端的需求也必然会随着多模态的技术进步而不断提高。

从AI投资的角度看，公海710大科技研究总监王贵重认为，随着OpenAI和GPT4的面世，意味着AI从弱人工智能向强人工智能的迈进。目前，AI行业正处在在一个爆发的起点，未来随着大模型成本的不断下降，AI赋能各行各业将会成为一种可能。所有跟信息技术相关的领域都会迎来一定程度的重塑，但仍有大量的长尾的应用没有得到显著的满足。

目前科技投资的整体架构分为底层的基础设施、芯片层、服务器层，云层，再到上面的大模型、专用模型，最后到各个行业的应用，未来需要在整体的研究图谱中密切跟踪各个行业的发展进度。

最看好的环节依然是AI应用。第一，曾经被互联网改变的行业会再一次被AI改变。首先是内容，无论是一维媒介文字，二维媒介图片，三维媒介视频，四维媒介游戏，还是社交、搜索、短视频、电商，我们用的互联网应用都会集成AI功能。第二，软件会从功能软件到智能软件，软件的能力会进一步提升，帮我们做更多的事情，交互也会更加友好。无论是办公、OA、CRM、ERP，甚至一些专业的画图、EDA等工具。

*风险提示：以上观点不构成具体投资建议。基金投资需谨慎。投资人应当认真阅读《基金合同》、《招募说明书》、《产品资料概要》等基金法律文件，了解基金的风险收益特征及其特有风险，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。基金管理人不保证基金一定盈利，也不保证最低收益或本金不受损失。基金过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成本基金业绩表现的保证。