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300 2023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 ........................................................................ 7 2.3.1 Meta：Make-A-Video ........................................................................................................................ 8 2.3.2 阿里达摩院：通义文生视频大模型 ..................................................................................................... 9 2.3.3 Zeroscope：由阿里达摩院Modelscope文生视频模型优化得出 ............................................................ 9 3 实测：文生视频模型当前风格各异，总体质量较低 ............................................................................................... 10 3.1 复杂人物动作生成帧连续效果较差 ............................................................................................................. 10 3.2 非日常场景的视频架构能力连续能力一般 ................................................................................................... 11 3.3 多主体视频生成缺乏逻辑连续性 ................................................................................................................ 12 4 从图片生成看文生视频的商业前景 ....................................................................................................................... 13 4.1 为什么选择图片生成作为对标对象？ .......................................................................................................... 13 4.1.1 图片生成相对成熟 ........................................................................................................................... 13 4.1.2 已经收费的视频生成应用，商业模式与图片生成趋同 ......................................................................... 13 4.2 细分领域：看好人像生成，短期内变现较快 ................................................................................................ 14 4.2.1 Lensa AI：人像生成功能推出后用户付费意愿高 ................................................................................ 14 4.2.2 妙鸭相机：国内首个“破圈”应用，写真生成引起社交裂变 ............................................................... 15 4.3 竞争优势：看好有算力储备的公司 ............................................................................................................. 16 4.3.1 Midjourney：“无限量”套餐拢获用户，映射市场对算力的高需求 ....................................................... 16 4.3.2 腾讯云：云服务厂商加紧多模态生成布局 ..........................................................................
