AIGC专题：从Sora看AI应用发展探索，新质生产力有望推动TMT再下一城
今天分享的是AIGC系列深度研究报告：《AIGC专题：从Sora看AI应用发展探索，新质生产力有望推动TMT再下一城》。
（报告出品方：华鑫证券）
报告共计：34页
海量/完整电子版/报告下载方式：公众号《人工智能学派》
2023年ChatGPT VS 2024年Sora 不同点
第一，科普层面效率更高，得益于2023年大语言模型认知基础的建立，2024年生成式视频模型Sora能更高效的短期内完成 市场科普；科普周期有助于板块情绪的发酵，换言之，2024年的科普周期较2023年有所缩短，进而情绪带来的交易热度也 预计会有所缩短。
第二，自上而下政府响应效率不同，2024年2月15日Sora推出，政府端较快的响应，凸显对AI发展支持态度，利于延续AI板 块热度与情绪；（2月21日国务院国资委召开中央企业人工智能专题推进会扎实推动AI赋能产业焕新。2月23日央视频推出 中国首部AI生成动画片《千秋诗颂》发布会，2月26日首播）。
第三，Sora推出后，国内大型互联网企业积极响应跟进的较少，字节跳动表示仍有差距，国内大型互联网企业在实际动作端 相对低调（模型开源、算力、数据等制约），相反，国资委认为，加快推动人工智能发展，是国资央企发挥功能使命，抢抓 战略机遇，培育新质生产力。
第四，微小盘及中小盘国企央企、民企面对AI均积极拥抱，寻业务增长第二曲线，应用端得益于上一次大语言模型的基础， 企业响应效率提升，利于也打开了新需求市场。
2023年ChatGPT VS 2024年Sora 相同点
➢ 第一，从ChatGPT到Sora，文生文，文生视频均是AIGC的重要组成部分。
➢ 第二，在2023年ChatGPT热度前，传媒应用板块已跌幅较多，在AI推动下带来较好反弹修复、估值重估的空间； 2024年2月Sora推出后，虽AI技术路径及产品产品不是从0到1的发明，更多是发现，但传媒在此之前也经历一波回调，进而也 为这一次Sora推动的多模态AI应用热度带来反弹空间。
➢ 第三，美股映射，从英伟达到微软，因AI驱动，市值不断增厚也凸显资本端的认可，进而衍生“映射逻辑”。
➢ 第四，从ChatGPT到Sora，产品热度不断，首先均带来科技创新的情绪价值（从企业到市场均需要的情绪价值）。Sora是发 现不是发明，但以Sora为代表的AI生成式视频模型的推出为创新科技发展带来新期待。2月15日OpenAI旗下首个视频生成模 型Sora推出，2月22日发布第二波AI生成视频作品；2月23日Stability AI推出Stable Diffusion 3.0，采用了与Sora同样的 DiT架构，市场热度不断。 当移动互联网的发展红利见顶，大中小企业均在寻增长第二曲线，AI的推动，打开企业业务增长新预期，国企护航（国资委指 出，中央企业要把发展人工智能放在全局工作中统筹谋划，深入推进产业焕新，加快布局和发展人工智能产业，换言之，国企 央企的加入也有望推动新需求），民企创新，有望共举AI应用热度。
AIGC是什么？（ChatGPT VS Sora）
AIGC 概念： AIGC（AIGenerated Content，人工智能生产内容 。
➢ 狭义：利用 AI 自动生产内容的生产方式；
➢ 广义： AIGC 已在实现人工智能从感知理 解世界到生成世界的进击；
➢ AIGC意义：正在加速成为AI领域商业新边 界；AIGC 也会带来内容创作变革。
AIGC vs ChatGPT 重要组成
➢ AIGC 多模态应用中，ChatGPT是基于LLM大语言模型推出的文生文模型，由 Open AI推出（人机对话，根 据语义对答-类人），2020年6月，OpenAI宣布GPT-3模型，2020年9月微软取得授权；
➢ ChatGPT底层技术：基于自然语言处理（NLP）大语言模型，使用了谷歌提出的Transformer神经网络架构+ 强化学习技术+开源架构为依托；
➢ ChatGPT为什么火？通过低门槛对话形式，用通俗易懂形式（如检索、写作、编程）向非技术用户展现人工智能强大；
➢ 2023年3月14日推出，OpenAI推出ChatGPT-4，推动AI应用热潮。
OpenAI：Sora推出前的每一步累积
【第一步 ChatGPT 第二步DALL-E 3 从文本的语义理解、图片生成 步步为营】
➢ 语义理解：OpenAI指出在文生视频中使用了re-captioning技术（即对图片进行再次描述或重新标注的过程），该技术是在DALL-E3中已介绍；
➢ 类似于DALL-E 3，OpenAI也利用GPT将简短的提示（prompt）转化为更长的详细提示，并将其发送到视频模型中，使得Sora能够生成高质量的视频，准确遵循用户提示；
➢ Re-Captioning：2021年,OpenAI发布CLIP（Contrastive Language-Image Pre-Training）模型，即将图像和文本进行匹配，CLIP模型的应用之一是Re-captioning。
报告共计：34页
海量/完整电子版/报告下载方式：公众号《人工智能学派》