人工智能报告

OpenAI 推出文生视频模型 Sora，人工智能赋能短视频应用发展超预期。从全球角度看，OpenAI Sora 的发布，使得 ChatGPT 从文字、图片层面正式向成熟短视频层面进行演进，可生成最长 60 秒的全动态视频，具备了创建复杂场景和多人物角色的能力，一经发布业界就引起较大轰动。Sora 本质上基于“Transformer+Diffusion”，属于 GPT 的延申，代表了人工智能应用的进一步尝试，让世界看到了 AI 行业的更多可能，随着全球对 AI 的热衷程度不断提高，未来全球 AI

经过大规模预训练的大模型，能够在各种任务中达到更高的准确性、降低应用的开发门槛、增强模型泛化能力等，是AI 领域的一项重大进步。大模型最早的关注度源于 NLP 领域，随着多模态能力的演进，CV 领域及多模态通用大模型也逐渐成为市场发展主流。政企的极大关注带动了行业领域大模型的高速发展，逐渐形成了多模态基模型为底座的领域大模型和行业大模型共同发展的局面。

HBM 是 AI 算力核心载体。HBM 即高带宽存储器，突破了内存容量与带宽瓶颈，其通过使用先进的封装工艺（如 TSV 硅通孔技术）垂直堆叠多个 DRAM，并与 GPU 封装在一起。相较于常见的 GDDR5 内存，HBM 拥有着更高的带宽，大幅提高了数据容量和传输速率，并且相同功耗下具有超 3 倍的性能表现，和更小的芯片面积。

Sora 是第一个表现出"涌现"能力的视频生成模型：随着模型规模增大而出现“理解世界”的能力。虽然许多 LLM，如ChatGPT 和 GPT-4，表现出涌现能力，但在 Sora 出现之前，展示类似能力的视觉模型一直很少。根据 Sora 的技术报告，它是第一个表现出确认的涌现能力的视觉模型，标志着计算机视觉领域的一个重要里程碑。

我们沿用一年前报告的思路，继续将受AIGC影响的公司分为四类：基础设施类（算法大模型、算力芯片等）、小白调用类（广告营销、数字媒体等）、流程管理类（企业管理软件、应用程序性能监控等）、小模型赋能类（金融信息化、自动驾驶、网络安全等）。

ChatGPT 引领人工智能进入以 AGI 为代表的新里程碑阶段，拉动算力需求，引领基础设施新周期。人工智能应用场景逐渐增多，模型参数规模和数据量也实现了大幅度增长，为 NLP、CV 等领域带来更强大的表达能力和性能。大模型是目前通往 AGI 的最佳实现方式。算力需求激增，推动算力基础设施迎增长新周期。据 IDC，AI 的应用与普及促使 2022 年我国智能算力规模近乎翻倍，达到268EFLOPS，超过通用算力规模，2026 年我国智能算力规模将达 1271.4 EFLOPS，22-26 年复合

AI时代算力需求不断提升，液冷散热或将成为降低服务器功耗的有效方案。站在全球视角，全球算力保持高速稳定增长态势。据华为GIV预测，2030年人类有望迎来YB数据时代，全球算力规模达到56000EFLOPS。站在中国视角，据工信部，2023年我国算力总规模达到180EFlops ，保持高位增长。算力规模大幅提升带来AI服务器需求暴增，大量高功率 CPU、GPU 芯片将带动AI服务器功耗走高。当前数据中心制冷技术以风冷为主，考虑到机柜功率超过15kW为风冷能力天花板，而未来 AI 集群算力密度普遍超

光学方案进一步确立，VR向Pancake，AR向光波导。Pancake光学方案具有轻薄/高成像质量/可调节屈光等优势，其核心思路是压缩屏幕与透镜之间距离，通过多片光学镜片让光路多次折返，扩大光路总长，使其可以达到合焦的同时扩大视场角，从而缩小整个光学模组总长。由于Pancake光学方案是组合透镜(单片式除外)，可通过控制其中一片透镜进行屈光度调节（0-700°）。光波导通过全反射将光传输到眼睛前方再释放出来，可将显示屏和成像系统远离眼镜移到额头顶部或者侧面，这极大降低光学系统对外界视线的阻挡，并

HBM是限制当前算力卡性能的关键因素，海力士、三星、美光正加大研发投入和资本开支，大力扩产并快速迭代HBM，预计2024年HBM3e 24GB/36GB版本将量产/发布，内存性能进一步提高。HBM供需将持续紧俏，市场规模高速增长。通过分析生产工艺（TSV、键合等）和技术演进方向（先进制程、叠层），我们认为封装测试、前道和后道先进封装的设备和材料将是HBM主要受益方向。

基于成本、能耗、可靠性和时延、隐私、个性化服务等考虑，端云混合的 AI才是 AI 的未来，高通认为终端 AI 能力是赋能混合 AI 并让生成式 AI 实现全球规模化扩展的关键。百亿参数开源 MoE 大模型 Mixtral 8x7B 再掀热潮，性能超 LLaMA2-70B，对标 GPT-3.5。MoE（混合专家模型）通过将任务分配给对应的一组专家模型来提高模型的性能和效率。Mixtral 8x7B 的专家数量为 8 个，总参数量为 470 亿，但在推理过程中仅调用两个专家即只调用 130 亿参数。

从基础模型到落地的生成式 AI 应用，需要经过模型训练、模型定制、模型部署、模型推理等环节。各个环节上的行业参与者均面临着不同程度的基础设施、数据集成、应用场景选择、安全与隐私以及负责任 AI 方面的挑战：

OpenAI进一步推出了其文生视频的模型Sora，再次引起了轰动。Sora不仅支持最大支持60秒高保真视频生成，而且支持短视频前后扩展，即保持视频连续，并扩展时长。而就在不久前，RunWay、PiKa 还有Midjourney， 它们发布的文生视频模型仅支持2~3秒，即使这样他们的成功已经使我们感到震惊，因为就在我毕业的时候那是还是GAN模型大行其道。这次可以说，Sora硬生生的将RunWay、PiKa等采用Diffusion Model实现的文生视频模型按在地上进行摩擦。当前，视频广告、电商营