通信行业深度：AI文生视频，多模态应用的下一站

请仔细阅读本报告末页声明 证券研究报告|行业深度 2023 年 10 月 09 日 通信 AI 文生视频：多模态应用的下一站 市场认为，AI 应用已经逐渐步入成熟期，但未见杀手级应用。本篇报告中，我们谨以“文生视频”这一多模态应用为例，阐述 AI 应用的发展尚处于早期，相对应地，算力需求远未见顶。 文生视频是多模态 AIGC 圣杯，优化迭代速度慢。视频是多帧图像的组合，然而文生视频在文生图的基础上增加了时间维度，技术实现更困难。即便是 Meta 和 Google 这样的硅谷人工智能巨头，在文生视频上进展缓慢，它们分别推出的 Make-A-Video 和 Phenaki 均尚未公测。 文生视频底层模型及技术仍在优化，未筛选出最优模型。文生视频技术主要发展过程经历了基于 GAN 和 VAE、基于 Transformer 模型、基于扩散模型三个阶段。目前主流的文生视频模型主要依托 Transformer 模型和扩散模型。1）基于 Transformer 的代表 Phenaki 突破了视频生成时长限制，但效果相对粗糙缺少细节。2）基于扩散模型的代表 Make-A-Video 重在提升视频质量，但其视频时长均在 4s 以内。 文生视频效果各异，总体质量较低。当前文生视频可公测应用较少，仅有 RunwayGen-2、ZeroScope 及 Pika Labs 等少数几个，它们有如下共同问题：1）复杂人物动作生成帧连续效果较差；2）非日常场景的视频架构能力连续能力一般；3）多主体视频生成缺乏逻辑连续性等。 文生视频当前商用化程度较低，可从图片生成看其商业前景。1）根据七麦数据，图片生成类应用在多模态大模型中，表现出较强的收费能力，应用数量上占比最高。2）当前唯一收费的文生视频应用（Runway Gen-2），商业模式与图片生成趋同，即主要按照生成量定价。 看好人像生成细分领域，但营收持续增长能力仍待验证。1）Lensa AI推出人像生成功能后，去年 12 月前 12 日内创收 2930 万美元，但 2023年 7 月全球收入已回落为 100 万美元；2）妙鸭相机上线即火爆，半月营收估计超过 29 万美元，后续须上线新模板、新玩法维持营收增长。 看 好 算 力 储 备 大 厂 在 多 模 态 生 成 领 域 的 发 展 。 1 ） 文 生 图 应 用Midjourney 日活达 1500 万，年收入超 1 亿美元，它推出的多版无限量套餐、高速 GPU 服务反映出市场对算力的巨大需求。2）目前国内文生图多为计次付费，尚未出现无限量套餐，或因算力受限，我们认为，具有算力储备的云服务厂商在发展视频生成类应用上具有天然优势。 看好业务协同向发展，看好文生视频与文生图、图生视频的联动。AI 对产品价值的拉动表现为：1）促活、拉新：Adobe、Microsoft 365 Copilot 分别在软件原有基础上推出 AI 工具；2）提升产品价格：Office Copilot 是基于 GPT-4 API 的应用，Copilot 加入后 Office 当前四种商业版整体订阅价格涨幅达 53-240%。我们看好文生视频能与原有产品产生协同，降本增效的公司，例如游戏、影视制作等领域的公司。 投资建议：1）算力：AIGC 蓬勃发展的基石，建议关注光通信，包括中际旭创、天孚通信、新易盛、太辰光、德科立；算力设备：盛科通信、恒为科技、锐捷网络、寒武纪、美格智能、紫光股份、工业富联、中兴通讯等；算力租赁：中贝通信、云赛智联等；2）模型层：建议关注金山办公、万兴科技、科大讯飞等；3）应用层：看好游戏的迭代创新，建议关注恺英网络、神州泰岳、盛天网络、游族网络等。 风险提示：伦理风险、知识产权及版权风险、计算资源限制。 增持（维持） 行业走势 作者 分析师宋嘉吉 执业证书编号：S0680519010002 邮箱：songjiaji@gszq.com 分析师孙爽 执业证书编号：S0680521050001 邮箱：sunshuang@gszq.com 相关研究 1、《通信：亚马逊重金投资 Anthropic，AI 战场的合纵连横》2023-09-26 2、《通信：AI 算力再起，开启全球共振》2023-09-24 3、《通信：“文生游戏”诞生，Roblox 开启游戏 AIGC革命》2023-09-18 -16%0%16%32%48%64%80%2022-102023-022023-062023-09通信沪深3002023 年 10 月 09 日 P.2 请仔细阅读本报告末页声明 内容目录 1 文生视频，多模态 AIGC 圣杯 ............................................................................................................................... 4 1.1 相较于文字和图片，视频能承载的信息量更大 ............................................................................................. 4 1.2 当前公测的文生视频应用数量较少 .............................................................................................................. 4 1.3 文生视频，难在哪里？ ............................................................................................................................... 5 2 技术路线沿革：文生视频，哪种技术更强？ .......................................................................................................... 6 2.1 阶段一：基于 GAN 和 VAE，以 Text2Filter 为代表......................................................................................... 6 2.2 阶段二：基于 Transformer，以 Phenaki 为代表 ............................................................................................ 6 2.3 阶段三：基于扩散模型，以 Make-A-Video 和阿里通义为代表 ....................................................