《AIGC行业专题报告：从文生图到文生视频~技术框架与商业化-231102（73页）.pdf》由会员分享，可在线阅读，更多相关《AIGC行业专题报告：从文生图到文生视频~技术框架与商业化-231102（73页）.pdf（73页珍藏版）》请在三个皮匠报告上搜索。

1、证券研究报告国海证券海外SEALAND SECURITIES2023年11月2日AIGC专题报告：从文生图到文生视频技术框架与商业化评级：推荐（维持）尹芮（证券分析师）陈梦竹（证券分析师）S0350521090003S#page#尚国海证券相关报告最近一年走势从Roblox进化看AIGC游戏未来一Roblox（RBLX.N）深度复盘：二十年沉60%淀，四阶段演绎（增持）*海外*杨仁文，马川琪，陈梦竹，姚蕾-2023-50K09-24创新奇智（02121）动态研究报告：业绩维持高速增长，“AI+制造”赋能-2023-09-14长期发展（买入）*IT服务I*陈梦竹30%20%商汤-W（00020）

2、2023H1业绩点评：生成式AI有望成为业务新驱动，整体亏损收窄（增持）*IT服务l*陈梦竹-2023-09-08网易-S（9999.HK）公司动态研究：利润超预期，新游表现强劲，期待后续业绩释放（买入）*游戏*陈梦竹，尹芮2023-09-03焦点科技（002315）2023H1财报点评：业务调整拖累营收增速，利润端80-60-8ZOZ-图审网互（V）斗证话港股互联网指数恒生指数相对恒生指数表现（%）表现1M3M12M-8.6014.7950.09港股互联网-5.72-10.231.47恒生指数请务必阅读报告附注中的风险提示和免责声明#page#核心提要武国海证券ALANDSECURITIE1

3、、底层模型技术框架梳理文生图和文生视频的底层技术框架较为相似，主要包括GAN、自回归和扩散模型三大路径，其中扩散模型（Difusionmodel）为当前主流生成模型，多个指标对比下综合占优，能在较为可控的算力成本和较快的速度下生成具备多样性、高质量的图像：图像质量：扩散模型自回归模型GAN模型。FID值（FrechetInceptionDistancescore）是用于评估模型生成的图像质量的指标，是用来计算真实图像与生成图像的特征向量间距离的一种度量。FID值越小，可以认为图像质量在一定程度上越优。从不同模型的FID得分来看，扩散模型平三2+理日回“2+喜务面“I独森“士理确一再NVO在NV

4、O扩散模型自回归模型。生成速度与参数量级为负相关关系。4训练成本：自回归扩散模型GAN模型。由于参数量级较小，GAN模型训练成本小且开源模型多，仍具备一定优势。而自回归模型参数量级较大，整体训练成本更高。在单张A100GPU下，120亿参数的DALL-E需要18万小时，200亿参数的Parti更是需要超过100万小时，扩散模型参数量在十亿级别，整体训练成本较为适中。2、商业化模式及成本拆分文生图商业化模型：当前主要的商业化方式包括基于GPU时间/生成次数/API接口调用/个性化定价等方式。根据我们调研，以Midjourney为例，单张图片生成成本约0.03-0.04美金，单张收入约0.05美金

5、，毛利率约30%40%，净利率约20%。文生图领域整体创业门槛低于大语言模型：模型层看：图像生成领域已有生成质量较高的开源预训练模型StableDiffusion，且SD具有较为丰富的开发者生态，有许多插件供选择。创业公司可基于StableDiffusion基础版本进行进一步调优和个性化数据训练。2成本端看：从主流模型参数规模看，文生图参数量级多在1-10B之间，而通用大模型入门级门档达到了70B，文生图整体参数量级较小，成本远低于通用大模型。通过调研文生图初创公司：实际小团队利用开源模型，初期在用户不到1万情况下甚至无需购买A100，通过购买RTX30140系列、IBS3060（50001w

6、/张）也可以启动。我们对文生图推理算力需求也进行了测算，以10亿级参数量的模型、在100万DAU的用户量级为例，若想控制单次推理延退时间，需部署约143张A100，整体芯片算力需求低于大语言通用模型。文生图商业模式仍存疑问，长期竞争需要技术+产品+场景能力结合突破：1对于垂类AI应用：短期看头部应用通过技术/产品/成本/数据等优势突破，在C端率先开启变现，长期看针对垂类场景C端天花板相对明确，搭建工程化能力可技术输出到B端场景，探索更多变现可能。2对于现有应用叠加AI功能：短期通过AI功能引入提升产品体验和用户粘性；长期看基于现有高频场景，用户壁垒更强、不易流失，用户ARPU和付费率有望提升。