华泰 | MiniMax加速视频生成行业发展

视频生成是大模型重要的多模态能力。OpenAI发布Sora后，奠定了视频生成的重要技术路线DiT，并且将生成视频的时长提高到分钟级别，成为行业转折点。截至24年10月，Sora一直未发布公测版。与此同时，国内外其他模型厂商逐步落地类似Sora的产品。其中，国内大模型初创公司MiniMax于8月上线视频生成模型，效果惊艳，使其产品月访问量增速超800%。我们认为，MiniMax等公司持续优化视频生成效果，有望推动AIGC在各行业的加速落地，加快AI应用迭代；同时由于视频生成所需算力远大于文本，有望进一步提高AI算力需求。关注国产算力链及AI应用。

Sora DiT技术成为视频生成转折点，国内外厂商率先实现产品落地

24年2月，OpenAI发布了视频生成模型Sora，采用了Diffusion Transformer（DiT）技术路径，通过文本提示的方式，能够生成长达1min的高质量视频，且其指令跟随和一致性相比之前Diffusion技术的产品有显著改善。但是截至24年10月，Sora公开版一直未发布。另一方面，国内外其他厂商率先实现了类Sora产品落地，包括国内MiniMax、智谱、字节、快手、爱诗科技、生数科技，海外Runway、Pika、Luma。目前由于算力和技术等因素，视频生成时长一般在10s以内。

MiniMax视频生成模型测评榜Top 1，助力产品月增速800%

24年8月底，MiniMax发布视频生成模型并整合到海螺AI产品中。据第三方榜单VBench统计数据，在VBench-long测评中，MiniMax视频模型总分排行Top 1，并且在空间关系、多目标、图像质量、对象分类、色彩、时间风格等细节指标上Top 1。从实测结果看，对于同样的提示词和默认配置下，对比其他初创公司和大厂的视频生成模型，MiniMax生成的结果一致性、指令跟随性较好，整体用户观感优秀。在视频模型技术加持下，据AI产品榜（web）数据，截至24年9月，海螺AI网页版月访问量增速超800%。

模型和产品双线布局，实现技术到应用的有效PMF

MiniMax视频生成效果优秀，得益于模型技术和产品经验积累。模型方面，MiniMax于23年10月abab 5.5第二代首次实现MoE，2024年4月推出万亿参数MoE abab 6.5和6.5s模型。下一代多模态模型abab 7将采用MoE + Linear Attention，支持更高效的模型训练和更快的响应速度。产品线方面，C端瞄准内容消费/专业助手赛道，形成星野&Talkie/海螺AI产品矩阵。据Sensor Tower数据，2024年1-6月，Talkie月活用户1100万。我们认为，在领先的大模型技术加持下，叠加优秀的PMF和产品运营能力，MiniMax已经在AI应用中占据有力赛道，并有望继续拓展市场，带动行业进步。

风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。

区别于市场的观点

国内在视频生成模型应用落地层面领先

市场认为，海外视频生成赛道起步较早、技术领先，例如Runway较早切入了视频生成赛道，具有先发优势；OpenAI Sora对DiT技术的成功改进和应用，大大加强了生成视频的时长、一致性、连续性等性能表现。而国内的视频生成赛道，产品切入较晚，导致技术落后较多。

我们认为，国内视频生成赛道在应用落地节奏上整体更为领先，技术上也并没有太大差距。23年底，国内背景的初创公司Pika Labs发布了Pika 1.0，很快追上了Runway的Gen系列，并且支持选定编辑区域并根据文本提示词修改等特色功能。截至24年10月，OpenAI的Sora仍然未发布，国内则陆续发布了爱诗科技PixVerse、生数科技Vidu、字节跳动即梦、快手可灵、智谱清影和MiniMax海螺AI视频生成等成熟产品，且大多数已经无需排队申请，可以立即使用，在落地上显著快于OpenAI的Sora。此外，OpenAI Sora的DiT技术本身也是公开的、非OpenAI原创的技术，OpenAI只是做了优化改进和更多的算力投入，因此国内厂商在技术跟随上难度并不大。

MiniMax不仅有成熟的内容消费产品，基础模型能力也是国内领先

市场认为，MiniMax是产品公司，不是通用基础模型厂商，基础模型能力并不强。另外，在产品上，MiniMax主要聚焦内容消费赛道，代表产品是星野和Talkie，在其他赛道没有太多突破。

我们认为，MiniMax产品的成功，最本质的还是底层基础模型的成功。MiniMax是国内较早嗅探到MoE（混合专家）将成为主流架构的厂商，23年6月abab 5.5版本开始尝试MoE（5.5的第一版是Dense稠密架构）。23年10月abab 5.5第二代发布，正式转为MoE。随后abab系列不断更新，于2024年4月推出万亿参数MoE abab 6.5和6.5s模型。在下一代abab7模型中，Linear Attention（线性注意力）成为MiniMax下一个技术重点，将支持更高效的模型训练和更快的响应速度，进一步缩减训练和推理成本。相比于通用Transformer架构，在128K的序列长度下，Linear Attention架构可减少部分成本。此外，从token调用量上看，日处理文本token数达3万亿，在国内模型中属于领先。

产品上，MiniMax不光聚焦内容消费赛道，在生产力赛道同样布局了和ChatGPT、智谱清言、月之暗面Kimi类似的AI智能助手——海螺AI，并且依托abab底层模型的技术，提供较强的推理性能。此外，MiniMax于24年8月发布了视频模型abab-video-1并集成在海螺AI中，由于出色的视频生成表现，截至2024年9月，海螺AI网页版月访问量增速超800%。我们认为，MiniMax在成为优秀的产品公司之前，首先是领先的基础模型厂商，AI产品只是大模型能力的展示窗口，底层技术才是模型好用的本质。

OpenAI Sora是视频生成技术转折点，国内厂商率先落地实现

OpenAI Sora结合Diffusion和Transformer技术，成为视频生成行业转折点。24年2月16日，OpenAI发布了视频生成模型Sora，采用了Diffusion Transformer（DiT）技术路径，通过文本提示的方式，能够生成长达1min的高质量视频，且其指令跟随和一致性相比之前Diffusion技术的产品有显著改善，成为视频生成技术关键的转折点。Sora之后，国内外视频生成厂商部分开始将技术重心从Diffusion转移到DiT。DiT架构的本质在于将传统Diffusion模型（LDM，Latent Diffusion Model）中的U-Net替换成了Transformer，优势在于吸收了Transformer的易扩展性，使得DiT更容易实现Scaling Law。而且ChatGPT之后，学术界和工程界已经在大模型领域积累了足够深刻的Transformer技术优化方法。

国内模型厂商率先实现了Sora落地，MiniMax是其中佼佼者

Sora发布后一直没有可用版本，国内外其他厂商则率先实现了类Sora产品落地。Sora发布之前，主要的视频生成产品是海外Runway Gen系列和Pika系列，以及国内爱诗科技Pixverse系列。Sora发布后，各初创公司和大厂在视频生成赛道加速布局，国内厂商进展显著。初创公司方面，大模型公司MiniMax和智谱在AI助手中嵌入了视频生成功能，且发布即可用，无需排队等待。大厂方面，字节即梦和快手可灵先后上线视频生成产品。从视频生成时长看，已落地产品一般在10s以内，和Sora比尚有差距。功能上，基本都支持文/图生成视频，不同产品的细节特色功能上略有差异。价格上，目前MiniMax可以免费使用全量功能，而其他产品想要使用更多功能需要按月订阅或者购买点数。此外，MiniMax还支持提示词自动优化，降低用户使用门槛。

MiniMax视频模型助力产品月访问量增速超800%

视频模型abab-video-1发布1个月，海螺AI网页版月访问量增速超800%。据AI产品榜（web）数据，截至2024年9月，海螺AI网页版月访问量增速超800%，在全球增速榜、国内增速榜双榜单TOP 1。访问量快速增长的主要原因是视频模型abab-video-1在8月底登陆海螺AI后，产品用户数迅速增多。10月10日，海螺视频在文生视频基础上，新增了“图生视频”创作功能。在VBench（视频生成模型评测框架）的第三方独立测试结果中综合排名前列，在画面质量、连贯性、流畅性等多维度均处于领先地位。据Similarweb数据，截至10月，海螺AI视频的平均访问时长为可灵的2倍，Runway的3倍，访问量远超可灵、Runway、Pika。

MiniMax视频生成使用体验领先，第三方榜单中总分Top 1。据第三方榜单VBench统计数据，在VBench-long（类似Sora的长视频生成测评）中，MiniMax视频模型总分排行Top 1。在空间关系、多目标、图像质量、对象分类、色彩、时间风格等细节指标上Top 1，在一致性上Top 2。从实测结果看，对于同样的提示词和默认配置下，对比其他初创公司和大厂的视频生成模型，MiniMax生成的结果一致性、指令跟随性较好，整体用户观感优秀。

MiniMax：视频生成效果优秀，得益于模型和产品双线布局

MiniMax模型和产品双线发展，完整覆盖主流多模态，实现技术到应用的有效PMF。MiniMax成立于21年12月，创始人闫俊杰为前商汤科技副总裁、通用智能技术负责人，曾担任商汤研究院副院长，负责搭建深度学习的工具链和底层算法，深度参与建设人脸识别和智慧城市相关的技术体系。MiniMax成立之后，迅速形成了文本到视觉、文本到语音、文本到文本三大模态的基础模型架构，是国内第一家同时拥有三个模态大模型能力的创业公司，开始践行“Intelligence with Everyone”愿景。

模型线方面，押注MoE+线性注意力，大大提高模型训练和推理效率。MiniMax是国内较早切入MoE（混合专家）模型架构的厂商，23年6月abab 5.5版本开始尝试MoE（5.5的第一版是Dense稠密架构）。23年10月abab 5.5第二代发布，正式转为MoE。随后abab系列不断更新，于2024年4月推出万亿参数MoE abab 6.5和6.5s模型。8月视频模型、音乐模型和更新的语音模型上线，多模态模型矩阵基本完善。据MiniMax官方信息，下一代模型abab 7将在未来数周内发布，为MoE + Linear Attention（线性注意力）的多模态模型。abab 7将支持更高效的模型训练和更快的响应速度，进一步缩减训练和推理成本。相比于通用Transformer架构，在128K的序列长度下，新架构可减少60%以上成本，且优势随着序列长度边长而扩大。

产品线方面，C端瞄准内容消费/专业助手赛道，面向娱乐/生产力不同用户群。1）初代产品Glow进行小范围探索后，逐渐演化成海外Talkie、国内星野的内容消费型Killer App。据Sensor Tower数据，2024年1-6月，美国地区下载量最高的App中，MiniMax Talkie排名第四，每月活跃用户1100万，其中一半以上在美国。此赛道排名第一的Character.AI月活用户约1700万。2）基于大模型能力，推出AI智能助手初代产品Inspo/问卷，随后经历了海螺问问等形态迭代，最终向终端用户呈现海螺AI，定位严肃和专业场景智能助手。24年8月视频模型上线后，视频生成功能也被集成在了海螺AI中。

日处理3万亿token，MiniMax模型规模效应显现

MiniMax日处理文本token数达3万亿，交互时长达ChatGPT的53%。8月31日伙伴日上，MiniMax宣布大模型已有日均30亿次AI交互量，日处理3万亿文本token、生成2000万张图片、合成7万小时语音。与ChatGPT交互时长相比，MiniMax在2023年8月为其3%，而在2024年8月已经达到其53%，进展迅速。此外，伙伴日还发布了视频模型abab-video-1、音乐模型abab-music-1，更新语音模型abab-speech-1。

投资建议

MiniMax等公司不断迭代大模型技术和产品形态，推动应用落地更为可行。我们认为，这种推进作用有望在算力和应用两方面带来相关投资机会。

算力方面，Sora提出的技术路线将视频生成时长扩展到分钟级别。但是目前已经落地的视频生成产品，生成时长普遍在10s以内，除了技术上还有优化空间外，算力是重要的限制因素。因为视频的本质是连续的多帧图像，而一张图像对应的token数远大于一个文字对应token数，随着视频生成时长、帧率、分辨率的提升，算力需求迅速增加。我们认为，随着视频生成的质量越来越好，以及游戏、教育、影视等各行业渗透率的逐步提高，有望带来算力需求的广泛增长，因此，算力相关标的或将受益。

应用方面，视频生成是多模态大模型众多的能力和应用领域之一。大模型本身的智能，会随着训练数据的增多和模态的丰富而发生“涌现”现象。我们认为，随着各种模态联合训练的推进，大模型的通用和泛化性能将持续提高，基于大模型的AI应用也将更加智能，AI应用相关公司有望受益于大模型进步。

推荐标的和概念股梳理，请见研报原文。

风险提示

宏观经济波动。若宏观经济波动，可能对AI产业资本投入产生负面影响，导致AI产业变革、新技术落地节奏、整体行业增长不及预期。

技术进步不及预期。若AI技术、大模型技术、AI应用进展不及预期，或对行业落地情况产生不利影响。

中美竞争加剧。中美竞争加剧，或影响国内算力基础设施布局，导致国内AI大模型技术迭代速度放缓。

研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。