中信建投证券：
《一文读懂Sora2核心点》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

中信建投证券发布的《一文读懂 Sora 2 核心点》报告，围绕 OpenAI 推出的 Sora 2 展开深度分析，涵盖其爆火原因、使用方式、生成效果、市场空间、成本测算及投资建议，同时梳理 AI 视频生成行业技术演进与竞争格局，为行业参与者与投资者提供全面参考。

一、Sora 2 爆火的核心逻辑

（一）技术演进：从范式探索到 DiT 架构主导

AI 视频生成技术历经多阶段发展，逐步实现质量、时长与可控性的突破。早期以生成对抗网络（GAN）和变分自编码器（VAE）为主，受限于稳定性与扩展性，仅能生成分辨率低、时长短的片段，且 GAN 存在模式崩溃问题，VAE 生成图像模糊。2017 年后，行业分化为自回归与扩散模型两条路径：自回归路径采用 Transformer 等序列模型，一定程度维系时序连贯性，但存在推理慢、误差累积问题；扩散模型通过 “去噪” 范式提升生成质量，催生 Runway Gen2 等产品，却面临扩展性瓶颈。2022 年 12 月，Diffusion Transformer（DiT）架构出现，以 Transformer 替换扩散模型中的 U-Net 骨干网络，具备卓越扩展性。2024 年 2 月 OpenAI 发布 Sora，其惊艳效果验证 DiT 可行性，推动行业进入 DiT 架构主导新阶段，后续生数科技 Vidu、Google Veo 等产品均采用或对标该架构。

（二）产品工程化：社交裂变与极致用户体验

Sora 2 上线后表现亮眼，当地时间 10 月 3 日（周五）上线，三日登顶美国苹果 App Store 免费应用榜，超越 ChatGPT、Gemini 等，上线两天下载量达 16.4 万次。其成功并非依赖技术突破，而是在产品层面优化：一是大规模数据训练，掌握大规模视频数据预训练与后训练方法，神经网络更贴近现实，同时优化指令遵循与音画同步，能执行多镜头复杂指令，生成高真实感背景音，让普通用户生成视频具备可消费性，突破 C 端普及临界点；二是提示词重写 / 增强，用户提示可能经 LLM 重写，提升生图对齐精度与复杂场景准确率；三是社交化设计，采用邀请制传播，受邀用户获 4 个新邀请码，激发熟人圈分享，营造 “一码难求” 热度，同时绑定 ChatGPT 账户，将 7 亿周活用户转化为潜在客群，初期仅上线移动端，强调社交娱乐属性，契合短视频用户习惯。此外，简化创作流程，摒弃专业参数，保留图生视频与 Cameo 功能，新增 X 轴滑动浏览 “二创” 版本的 Remix 功能，构建 “拉新 - 留存 - 促活” 闭环，引爆大众市场病毒式传播。

二、Sora 2 的使用机制与核心功能

（一）准入与创作：邀请制构建生态，流程极致简化

Sora 2 发布初期仅开放美国和加拿大地区 iOS 端下载，后续逐步适配日本、韩国等地区安卓端及网页版。用户需通过 OpenAI 账户登录并填写邀请码进入产品，邀请码裂变机制保证初期用户质量，控制算力成本，还营造社交热度。创作界面贯彻 “做减法” 原则，无复杂参数，仅设自然语言输入框，用户 “一句话即可生成视频”，同时关联 ChatGPT Pro 账户，为付费订阅导流，体现 OpenAI 对 C 端 AI + 社交的重视。

（二）社交功能：打造内容生态闭环

Sora 2 产品设计对标 TikTok，主页为单列推荐信息流，支持点赞、评论、转发、搜索，用户可通过自然语言描述优化推荐内容。核心功能围绕社交链路打造：Remix 功能允许用户以现有视频为 “模板” 二次创作，保留构图、风格等，修改部分提示词改变剧情，降低原创门槛，丰富 UGC 生态，助力 Meme 梗传播；Cameo 功能支持用户制作保留面部微表情与声纹特征的数字分身，嵌入他人视频，强化熟人社交互动，结合邀请制形成 “拉新 - 留存 - 促活” 闭环，将 AI 工具转化为社交娱乐平台，提升用户粘性与传播力。

三、Sora 2 视频生成效果测评

（一）测评方法与行业对比

报告采用久谦科技咨询的测评场景，以相同提示词要求 Sora 2 与其他主流 AI 视频生成产品（如字节 Seedance 1.0、Google Veo 3、阿里万相 Wan2.2 等）生成对应视频，每次模型取首次测试结果，从指令遵循、物理规律符合度、画面质感等维度评估。当前主流 AI 视频生成产品多可生成 5 - 10 秒 1080p 视频，商业化采用 C 端会员订阅赠积分、B 端 API 调用付费模式，如字节 Vidu Q1 B 端调用 API 为 0.015 元 / 千 Token，生成 5 秒 1080p 视频约消耗 42 帧。

（二）细分场景表现

1. 文生视频（武侠）
   ：提示词要求生成月光竹林下侠客交锋场景，Sora 2 整体指令遵循较好，符合物理规律，仅 “两指夹剑尖” 细节改为 “用手撑住”，与表现最佳的 MiniMax Hailuo 02 水平相当；其他产品如字节 Seedance 1.0 人物僵硬、剑身异常，Runway Gen4 动作特写缺失关键动作。
2. 文生视频（悬疑）
   ：需呈现雨夜图书馆情报员与追踪者的剧情，Sora 2 较好执行 “抽出书籍”“将书籍按回原处” 等动作，符合物理规律，仅表现力稍弱，与快手可灵 2.1、阿里万相 Wan2.2 同属第一梯队；生数科技 Vidu Q1 存在人物瞬移、形态混乱问题，违反物理规律。
3. 图生视频（喜剧、卡通）
   ：要求生成踩香蕉皮摔倒的夸张场景，Sora 2 整体指令遵循较好，成功生成 “手机飞出” 场景，仅旋转动作与人物腿部细节有瑕疵，表现超过其他模型；快手可灵 2.1 对 “违反物理定律旋转” 理解偏差，爱诗科技 PixVerse V5 未生成关键动作。
4. 图生视频（科幻）
   ：需让静态海报角色 “活过来” 并模拟无人机后退拉升镜头，Sora 2 表现相对较弱，未生成 “衣角与远处烟雾飘动” 场景，镜头仅水平移动，仅优于违反物理规律的生数科技 Vidu Q1；Google Veo 3、爱诗科技 PixVerse V5 虽运镜方向有误，但元素囊括全面。

整体而言，Sora 2 虽牺牲部分视频控制参数，但在文生视频（武侠、悬疑）、图生视频（喜剧、卡通）三大场景达第一梯队水平，仅图生视频（科幻）因运镜与元素生成不足表现较弱。

四、AI 视频生成市场空间测算

报告从 P 端（专业创作者）、B 端（企业级应用）、C 端（大众消费）三个维度，分中期（3 - 5 年）与长期（5 年以上）测算市场空间，综合得出 AI 视频生成中期市场总空间 763 亿元，长期达 1554 亿元。

（一）P 端：专业创作者经济，付费意愿强

全球 P 端市场核心是对专业创作者的工具付费，采用 “创作者人数 ×AI 产品渗透率 ×ARPU” 公式测算。海外方面，中期创作者人数 2 亿，AI 产品渗透率 5%，ARPU 3 美元 / 月，市场规模 36 亿美元；长期创作者人数 5 亿，渗透率 20%，ARPU 1 美元 / 月，规模 120 亿美元。国内中期创作者人数 0.8 亿，渗透率 1%，ARPU 100 元 / 月，规模 9.6 亿元；长期创作者人数 2 亿，渗透率 5%，ARPU 40 元 / 月，规模 48 亿元。综合全球 P 端中期市场空间 262 亿元，长期 888 亿元（美元兑人民币按 1:7 计算）。

（二）B 端：成本替代驱动，场景广泛

B 端市场核心是对传统视频制作流程的成本替代，应用场景包括专业影视（电影、游戏 CG）、视频广告、短剧、培训（在线教育、企业培训）等，按 “传统制造成本 ×AI 渗透率 ×AI 工具成本 / 原始成本” 测算。专业影视领域，中期 AI 渗透率 5% - 40%，成本优化至传统方式的 20% - 70%，市场规模 98 亿元；长期渗透率 15% - 70%，成本优化至 5% - 30%，规模 140 亿元。视频广告、短剧、培训领域类似，综合 B 端中期市场空间 501 亿元，长期 666 亿元。

（三）C 端：流量经济入口，广告变现为主

基于 Sora APP 当前定位，C 端市场不直接收费，将效仿 TikTok 通过 AI 原生内容社区汇聚流量，最终广告变现，当前测算未单独计取增量，但其作为流量入口，将助力整体 AI 视频生成市场规模扩张，与 P 端、B 端共同构成千亿级市场。

五、Sora 2 的 Token 成本与算力需求

（一）Token 拆分与成本测算

参考 DiT 论文，视频在 latent 空间被切成三维 m×n×t（RGB 像素空间）阵列，映射为一维 token 序列，1 个 token 等价于 LLM 中的 latent 元素。假设 1080p 高清图像下采样为 256×256 大小，对应 2048 个 8×8 像素块（patch），1 秒 30 - 60 帧高清视频经压缩后，1 分钟视频对应 480 帧、83040 个 patch，即 1 分钟高清视频约 1M tokens。结合 2025 年 10 月 OpenAI 开发者大会公布的 Sora 2 API 价格，Sora 2/Sora 2 Pro 生成 720p 视频每秒成本 13.73 - 41.20 美元 / 百万 tokens，1024p 每秒 34.49 美元 / 百万 tokens，保守估计 Sora APP 每天推理成本 1400 万美元，年化超 51.2 亿美元。

（二）推理算力需求

根据 OpenAI《Scaling Laws for Neural Language Models》，Transformer 模型推理总算力公式为 C≈30ND（N 为模型参数量，D 为 token 长度），结合 Sora 2（20B 参数量）与 Sora 2 Pro（30B 参数量）参数，及不同分辨率视频的 token 长度，测算得：Sora 2 推理 10 秒 360p 视频需 221 H100 - 秒算力，10 秒 720p 需 883 H100 - 秒；Sora 2 Pro 推理 10 秒 1024p 视频需 2637 H100 - 秒。按 H100 单卡算力 1979 TFLOP/s（FP16）、GPU 利用率 50%，及 H100 每小时 2 美元租赁价格，结合 ChatGPT 8 亿周活用户（假定每周使用 Sora 生成 10 秒 360p 视频 1 次），保守估计 Sora APP 每天带来 1400 万美元推理成本，年化超 51.2 亿美元，且未计入用户生成更高质量、更长视频的额外算力需求，凸显算力在 AI 竞争格局中的决定性地位。当前 OpenAI 已与 NVIDIA、AMD 达成合作，计划部署高达 10GW NVIDIA Vera Rubin 系统与 6GW AMD Instinct GPU 设备，匹配庞大推理需求。

六、投资建议与风险提示

（一）投资建议

1. AI 应用端
   ：Sora 2 三日登顶美国 iOS 应用榜，验证 “为产品定义功能” 思路的重要性，关注以阿里为代表的国内互联网大厂的 AI 投资与生态圈建设，包括国产芯片链企业、ISV 厂商；AI - Pre 环节作为企业数据集成入口直接受益，推荐泛微网络、金蝶国际等 OA + ERP 厂商；垂直场景中，医疗、教育、市场营销等领域 AI 收入落地更快，推荐拓尔思、万兴科技（多模态生成）、金山办公（AI + 办公）等，降本方向关注税友股份、视源股份等。
2. 算力端
   ：Sora 2 庞大推理算力需求凸显算力重要性，本地推理起量利好服务与云厂商，推荐浪潮信息、中科曙光、海光信息、深信服等；端侧 AI 潜力大，推荐虹软科技、中科创达等；同时关注 NVIDIA、AMD 产业链相关企业，如神州数码、工业富联等。

（二）风险提示

1. 产业商业化落地不及预期
   ：当前 AI 各环节产品商业化模式仍处探索阶段，若推进节奏放缓，将对相关企业业绩产生不利影响。
2. 市场竞争风险
   ：海外 AI 厂商凭借先发优势与技术积累占据优势，国内众多企业入局 AI 视频生成，可能出现同质化竞争，影响企业收入。
3. 政策风险
   ：AI 技术发展受政策监管影响大，若企业未能及时适应相关监管政策，可能面临处罚或业务调整。
4. 地缘政治风险
   ：美国对中国算力芯片出口限制可能影响国内企业芯片获取，阻碍产品研发与市场竞争力，同时可能影响 AI 产品海外市场开拓。

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：中信建投证券，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”

戳“阅读原文”下载报告。