2024年2月16日凌晨，OpenAI发布了首个文生视频大模型Sora，并配有48个生成案例及技术报告，能够通过自然语言指令生成长达60秒的高清流畅视频，在生成视频长度、清晰度、连贯性、多镜头切换方面都有显著提升。

Sora可以将简短文本描述转换成一分钟流畅视频，相对于Runway、Pika、StableVideo等提升了几个代级。

1）生成视频长度：Runway、Pika等传统文生视频大模型平均时长在3-5秒，Runway用户可以最多延长视频长度至16秒，Sora相对传统视频生成工具提升15-20倍

2）视频质量显著提升：可生成1080P高清视频

3）可实现多镜头切换：可以理解和模拟运动中的物理规律，可以实现复杂的运动相机模拟

4）视频连贯性与稳定性更好：在建模能力上表现更好，可以依赖关系进行建模，能初步理解及模拟物理运动规律

5）高可拓展性：支持多种数据格式输入，具备实现文生视频、图生视频、向前或向后视频扩展能力，同时支持视频连接

Sora对算力需求将呈指数级增长

目前由于Sora还在初级阶段，训练数据集和参数规模有限，仍存在一些不足之处。对于Sora当前存在的弱点，OpenAI指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。该模型还可能混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。未来训练数据集将会数以万倍的增长，模型参数量也会不段提升，目前来看Sora训练所需算力不及GPT-4等大语言模型，伴随Sora大模型不断迭代调优、训练数据集规模逐渐扩大，机构认为，未来Sora所需算力将呈现指数级增长：

1）短期来看模型迭代优化、训练数据集增大将快速带动训练端算力需求；

2）长期来看，Sora技术逐渐成熟带动下游AI应用百花齐放，推理端需求将厚积薄发。有望持续带动上游算力基础设施需求爆发。

Sora AI... -0.58%