【】風險技術進展不及預期

提升生成效果。中金Sora實現高質量長視頻生成 。视频生成能夠生成長達一分鍾的模型分辨率為1920*1080的高質量視頻，通過借助Transformer架構展現了優異的技术进展可拓展性（Scalable）
。
風險
技術進展不及預期；應用落地不及預期；行業競爭加劇。中金中金公司研報指出，视频生成看好多模態領域技術進展 。模型
技術基礎一：擴散模型是技术进展當前圖片/視頻生成的主要技術路線 。並展現了良好的中金視頻生成能力 。使用窗口注意力降低了對算力的视频生成需求，模型在圖片生成任務上表現優異。模型看好多模態領域技術進展
。技术进展對視頻數據生成高質量文字標注，中金從而通過給定噪聲來完成圖像生成任務。视频生成我們認為其最為突出的模型創新之處在於 ：1）LDM自編碼器實現時間維度壓縮 ，根據技術報告，（文章來源：財聯社） 相較先前模型 ，使得長視頻生成成為可能；2）直接對LDM中潛視頻進行圖塊化處理並直接使用Transformer建模 ，穩定性差等劣勢。我們判斷基於Transformer架構的大模型有望在更多模態領域實現複刻，展望未來，我們判斷基於Transformer架構的大模型有望在更多模態領域實現複刻，
我們認為Sora實現了AI+視頻場景的效果突破，DiTs（Diffusion transformer）將先前擴散模型的骨幹U-Net卷積網絡替換為可伸縮性更強的Transformer
，在生成時長和生成質量上較其他現有模型和產品實現了明顯突破 。OpenAI發布最新視頻生成模型Sora，W.A.L.T.首次將Transformer架構引入視頻生成模型，潛在擴散模型（Latent diffusion model）通過降維進一步提升了訓練效率並降低訓練成本 ，通過借助Transformer架構展現了優異的可拓展性（Scalable） 。在預訓練的圖片生成模型基礎上，Sora延續DiTs架構，學界提出生成關鍵幀並在時序上實現對齊即可將圖片生成模型轉化為視頻生成模型，從而能夠實現更強的可拓展性
，借助GPT對提示詞進行擴展，
以下為其核心觀點
：
延續DiTs架構，2月15日，即能夠通過增加參數規模和訓練數據量來快速提升模型的性能表現，擴散模型（Diffusion model）通過神經網絡（主要是U-Net）從純噪聲圖像中學習去噪過程，
中金認為 ，Sora實現了AI+視頻場景的效果突破，但這類模型存在生成時長短 、
技術基礎二 ：Transformer架構的引入使擴散模型能夠實現規模效應。解除輸入格式限製的同時，從而使模型展現出對物理信息的初步理解能力；4）複用DALL·E 3的重標注技術 ，隨訓練計算量提升而展現出顯著的生成能力提升（Scalable） 。展望未來，成為圖片生成的主要技術路線
。能夠創新性地實現任何像素和長寬比視頻的生成；3）我們判斷其訓練數據集中可能包含帶有物理信息的合成數據
，