OpenAI 发布首个文生视频模型Sora，可输出长达60 秒的视频2 月16 日凌晨，OpenAI 发布了首个文生视频模型Sora。Sora 可以直接输出长达60 秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色。目前官网上已经更新了48 个视频demo，在这些demo 中，Sora 不仅能准确呈现细节，还能理解物体在物理世界中的存在，并生成具有丰富情感的角色。该模型还可以根据提示、静止图像甚至填补现有视频中的缺失帧来生成视频。

整体来看，Sora 生成的视频噪音比较少，原始的训练数据比较“干净”，而且基于ChatGPT、DALL·E 文生图技术能力，Sora 视频生成技术更加高超。此外，OpenAI 表示，他们正在教AI 理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题。

谷歌发布Gemini 1.5，多模态能力大幅增强

2 月16 日，谷歌宣布推出 Gemini 1.5。谷歌现在推出的是用于早期测试的Gemini1.5 的第一个版本-Gemini 1.5 Pro。它是一种中型多模态模型，针对多种任务的扩展进行了优化，其性能水平与谷歌迄今为止最大的模型1.0Ultra 类似。谷歌增加了1.5 Pro 的上下文窗口容量，该大模型现在可以在生产环境中运行多达100 万个token。这意味着1.5 Pro 可以一次性处理大量信息，包括1 小时的视频、11小时的音频、超过3 万行代码或超过70 万个单词的代码库。1.5 Pro 可以在给定提示内无缝分析、分类和总结大量内容。例如，当给出阿波罗11 号登月任务的402 页记录时，它可以推理整个文档中的对话、事件和细节。1.5 Pro 可以针对包括视频在内的不同模式执行高度复杂的理解和推理任务。例如，当给定一部44 分钟的巴斯特·基顿无声电影时，该模型可以准确分析各种情节点和事件，甚至推理出电影中容易被忽略的小细节。Gemini 1.5 Pro 在扩大上下文窗口后，依然保持了高水平的性能。

支持AI 视频生成的多模态模型不断突破，继续布局AI 应用及算力当前AI 技术已迅速越过文生文和Chatbot 阶段，大举进入视频生成领域。从Pika、Gemini 1.0 到Sora 和Gemini 1.5，支持AI 视频生成的AI 多模态模型不断突破，特别是Sora 能够理解和模拟现实世界的模型基础，有望成为实现AGI 的重要突破节点。AI 视频生成等多模态模型有望在影视、动画、游戏、音乐等IP 开发中发挥更大作用，继续推动IP 开发降本增效，带来增量变现空间，并拉动算力需求。建议布局AI 应用及算力方向：（1）AI+影视/动画IP 重点推荐芒果超媒、阅文集团、奥飞娱乐，受益标的包括上海电影、中文在线、华策影视、捷成股份等。（2）AI+游戏重点推荐盛天网络、恺英网络、神州泰岳、姚记科技、腾讯控股、网易-S、完美世界、吉比特、心动公司、创梦天地，受益标的包括星辉娱乐、掌趣科技、汤姆猫、宝通科技、巨人网络、游族网络、三七互娱等。（3）算力板块受益标的包括顺网科技、天娱数科、平治信息、浙数文化等。

风险提示： 多模态大模型进展不及预期；大模型商业化落地进展不及预期。