配资股配资 ,Sora为AI带来更多可能性 企业亟须突破算力瓶颈

本报记者 袁传玺

在经历了去年AI大模型爆发式增长后，AI技术迎来新一轮更新迭代。文生视频模型Sora的出现，开启了AI的新时代，也对企业的算力提出更高的要求。

浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林对《证券日报》记者表示，Sora的出现，让国内AI企业趋之若鹜，但实现Sora同等级应用的难度并不小，对算力的需求会越来越大，所以各大AI企业应从现实出发，考虑应用落地的难易度。

AI发展步伐加快

大模型驱动的生成式AI具有极为广阔的应用前景，有望为众多行业带来强大的赋能效应。随着Sora的出现，AI发展的步伐将进一步加快。

“Sora在视频处理领域有巨大潜力，为未来更复杂、更精细的视频处理任务提供了可能性。”艾媒咨询CEO兼首席分析师张毅对《证券日报》记者表示，Sora的文生视频、图生视频等功能需要AI模型具备强大的泛化能力，这要求AI模型能够学习和理解视频内容的内在规律和结构，从而生成更加逼真、生动的视频内容。这也将推动AI模型在泛化能力方面进一步发展。

“Sora的出现不仅为人工智能领域提供了新的可能性，也将促进人工智能与其他技术的融合。例如，可以将Sora与虚拟现实（VR）、增强现实（AR）等技术结合，创建更加逼真的虚拟场景和交互体验；也可以将Sora与深度学习、计算机视觉等技术结合，提高视频处理和分析的准确性和效率。”张毅进一步表示。

天风证券研报表示，随着OpenAI发布Sora，文生视频模型能力大幅提升，内容创作工作流有望被颠覆，下一个亿级用户的互联网平台雏形已然出现。2000亿美元的短视频创作生态有望率先被颠覆，生成式AI在视频创作和世界模型的大踏步进步将实现对视频、3D、游戏等下游应用场景的渗透。

算力或成AI企业门槛

生成式AI模型的训练是一个计算极为密集的过程。这些模型包含数百万乃至数十亿个参数，需要在庞大的数据集上进行多轮迭代训练。在训练过程中，涉及大量矩阵运算和梯度计算等计算密集型操作。因此，为确保训练过程的顺利进行，必须依赖强大的计算资源来加速。

例如，ChatGPT的训练参数达到了1750亿、训练数据45TB，每天生成45亿字的内容，支撑其算力至少需要上万颗英伟达的GPU A100，单次模型训练成本超过1200万美元。

而Sora的出现对企业的算力提出了更高的要求。近日，360创始人周鸿祎提到，Sora的技术路线如果被开源，国内将能很快赶上，但在追赶Sora时，算力有可能成为门槛。“Sora能生成一分钟的视频，就意味着也能生成10分钟、60分钟的视频，但不做更长的视频，或因算力和成本的限制。”周鸿祎猜测。

银河证券研报称，据相关研究推测，Sora参数规模估算在30B，如果按此参数测算，推演出Sora训练单次算力需求或可达到8.4×10^23Flops，相当于GPT-3的2.7倍。伴随Sora不断迭代，训练数据集规模增大，未来算力需求将呈现指数级爆发式增长。

盘和林也表示，鉴于Sora设立时间并不久，估计现阶段参数量不大，但由于模型本身是一个不断积累的过程，未来几年参数量还会不断增长，Sora需要的参数量更为庞大，对算力的需求势必更大。

“算力或将成为AI企业的门槛与瓶颈，因为目前国内AI企业算力存在缺口，算力主要依赖于软件生态的CUDA和硬件生态的GPU，所以国内AI产业应该努力解决算力的问题，为AI应用的研发提供强有力的基础保障。”盘和林进一步表示。