智通财经APP获悉，游戏股早盘普涨，截至发稿，创梦天地(01119)涨5.56%，报1.71港元；禅游科技(02660)涨5.01%，报4.82港元；哔哩哔哩-W(09626)涨4.29%，报82.6港元；腾讯(00700)涨2.25%，报290.6港元。

消息面上，2月16日，OpenAI发布最新文生视频大模型Sora，并在官网发布由其生成的48个视频样例。目前，Sora仍处于测试阶段，仅对部分评估人员、视觉艺术家、设计书和电影制作人开放访问权限。

太平洋证券指出，随着多模态技术不断突破，文字、图片、音视频、游戏内容间的转化门槛将逐步降低，AI辅助内容生成的比例将逐渐提升，长期来看AI生成有望占据主导地位。内容资产有望迎来价值重估，建议关注内容资产以及生成内容资产的AI工具两条投资主线。

银河证券此前指出，AIGC正深入渗透进游戏开发各环节，在游戏资产生成，内容更新优化和游戏运营及管理等各个领域的应用正快速落地，《中国游戏产业AIGC发展前景报告》显示，超六成头部国内游戏企业明确AIGC布局。该行表示，叠加行业内公司新产品周期稳步开启，后续将持续创造业绩，游戏行业后续有望开启新一轮的增长。

　　Sora 证明特斯拉的思路是对的，而特斯拉证明 Sora 的价值不止是生成视频。

　　来源：极客公园

　　作者 | 曹思颀

　　Sora 推出，马斯克可能是心情最复杂的一个。不仅因为其本人与 OpenAI 早年的纠葛，更因为 Sora 实现的其实是特斯拉早几年间一直在探索的方向。

　　2 月 18 日，马斯克在科技主播 @Dr.KnowItAll 一条主题为‘OpenAI 的重磅炸弹证实了特斯拉的理论’的视频下留言，称‘特斯拉已经能够用精确物理原理制作真实世界视频大约一年了’。

　　随后他在 X 上转发了一条 2023 年的视频，内容是特斯拉自动驾驶总监 Ashok Elluswamy 向外界介绍特斯拉如何用 AI 模拟真实世界驾驶。视频中，AI 同时生成了七个不同角度的驾驶视频，同时只需要输入‘直行’或者‘变道’这样的指令，就能让这七路视频同步变化。

　　当然，这不意味着特斯拉早在一年前就掌握了 Sora 的技术，毕竟特斯拉的生成技术只用于模拟车辆行驶，而 Sora 能够处理的环境、场景、Prompt、物理规律等信息更加复杂，二者在难度上不可同日而语。

　　但特斯拉 AI 和 Sora 训练的思路是一致的：并不是训练 AI 如何生成视频，而是训练 AI 理解和生成一个真实的场景或者世界，视频只是从某一个视角观察这个场景的一段时空。这是两家在现有业务上完全不同的公司，以彼此不同的方法来感知真实世界，而他们共同希望通向的，都是 AGI（通用人工智能），甚至更具体一些，就是具身智能和智能体。

　　理解这个观点的核心，是理解 OpenAI 为 Sora 赋予的使命，并不只是替代视频生成的创作者，而是将视频生成作为帮助 AI 理解真实世界的‘模拟器’。如果说特斯拉数以百万计的车辆仍然需要用‘肉身’感受这个世界，那么 Sora 则是单纯依靠数据的输入，建立起对世界的认知。

　　OpenAI 官网上，关于 Sora 的这篇研究论文名为《把视频生成模型作为世界模拟器》。请注意‘世界模拟器’（world simulators）这个关键词，它是比生成视频更关键的核心所在。

　　其实，早在特斯拉发布 FSD V12 的时候，这家以汽车为主要消费产品的人工智能公司，就已经展示了类似的能力。

　　如何理解呢？首先，在 FSD V12 上，工程师删除了超过 30 万行定义驾驶规则的代码，系统将从被‘投喂’的驾驶视频中，学习如何应对真实的驾驶场景，而不是向过往那样，按照写好的规则，在某个特定场景下执行某一个具体的命令。

　　当然，和作为‘生成式模型’的 Sora 不同，FSD 的目标是实现自动驾驶，所以它并不需要真正生成一个具体的视频。你可以想象成一个人（或者智能体）正在进行‘防御性驾驶’，基于过往经验，可以对周围环境中交通参与者的下一步移动趋势做出判断。这个判断存在在头脑里就行了，不需要真正把它画在纸上。因此，特斯拉的 FSD 也不需要把对未来的想象，生成为一个真实视频，并呈现在车辆的某一个屏幕上。

　　所以，现在有 OpenAI 和特斯拉两家完全不同的公司，用截然不同的方式和路径，实现‘通过视频生成，让 AI 理解物理世界’这个相同的目标。

　　简单了解一下 Sora 的运行逻辑：OpenAI 表示，Sora 结合了 Transformer 和 Diffusion 两个过去几年最重要的模型。ChatGPT、Gemini、LLaMA 等语言模式都是基于 Transformer 模型，它对词语进行标记，并生成下一个单词；Diffusion 模型则是‘文生图’的代表。

　　如果从‘理解世界’的角度来审视 Sora，那么某一帧图像的画质、画面关系绝不是模型质量高低的评判标准，甚至官网释出的 60 秒一镜到底视频也不是最核心的部分。重要的是这个生成的视频可以被剪辑——在不同的机位下，无论是广角、中景、近景、特写，视频中人物和背景的关系都保持着高度的‘一致性’。这才是 Sora 遥遥领先并接近真实的地方。

　　这一点和特斯拉在 FSD 上采取‘纯视觉’方案可以结合理解。简单来说，99% 的车企或者智驾团队都会在车辆上保留激光雷达，通过激光束的发射和接收，辅助计算周围物体和车辆间的距离关系。但马斯克不仅删除了 30 万行代码，还移除了雷达，只依靠高清摄像头采集和神经网络学习来判断距离关系。

　　无论是对特斯拉，还是对 OpenAI，这都是巨大的挑战。毕竟输入的画面是 2D 的，但输出的结果（无论是驾驶指令还是视频）都需要基于对 3D 世界的深刻理解。

　　规模和质量是训练模型的核心。特斯拉的数据来源于真实道路上，搭载了传感器的车辆；而 OpenAI 的大量数据，从目前的公开信息来看，来源于网络。在质量的维度，在《马斯克传》里，作者艾萨克森写道特斯拉通过和 Uber 合作，获取‘五星司机’的素材训练 FSD；而从规模出发，奥特曼最近希望筹集万亿规模的资金，就是重注算力和规模的具体体现。

　　最后，回到一开始的那个问题，为什么我们会认为 Sora 和 FSD v12 是相似的？Sora 和 OpenAI 未来的想象空间又是什么呢？它们和 AGI 又有什么关系？

　　在马斯克看来，当人工智能可以真正解决一个问题（物理、数学、化学等等）的时候，AGI 就到来了。不过还有另外一个理解维度，那就是具身智能。毕竟现实世界里，并不是只有数学公式和文字规则，拥有一定的智商的小猫小狗也可以依靠运动真实地和物理世界进行互动。

　　这点对于过去只能输入二维信息的 AI 来说很难做到。这也是为什么马斯克看到 Sora 后在 X 上评价是‘GG Humans’，在他看来 Sora 今天做到的，已经打破了过去的次元壁，而能理解真实世界并继续学习，AI 也就有了更进一步影响真实世界的能力。

　　而就像特斯拉把这种生成能力用于训练车辆，Sora 的价值也不仅仅是生成一个难以让人区分真假的视频，用作影视创作者的生产力工具（尽管这是一个非常困难且刚需的场景）。就像周鸿祎所说，‘Sora 只是小试牛刀，它展现的不仅仅是一个视频制作的能力，而是大模型对真实世界有了理解和模拟之后，会带来新的成果和突破。’

　　*头图来源：《埃隆·马斯克传》

　　2月16日，北京大学人工智能专业博士@北大AI鱼博士 发微博，从技术角度解读了OpenAI最新发布的Sora：

　　OpenAI最新发布的Sora视频生成模型技术报告揭示了其背后的强大训练思路和详细的技术特性。Sora模型不仅展现了三维空间的连贯性、模拟数字世界的能力、长期连续性和物体持久性，还能与世界互动，如同真实存在。其训练过程获得了大语言模型的灵感，采用扩散型变换器模型，通过将视频转换为时空区块的方式，实现了在压缩的潜在空间上的训练和视频生成。这种独特的训练方法使得Sora能够创造出质量显著提升的视频内容，无需对素材进行裁切，直接为不同设备以其原生纵横比创造内容。Sora的推出，无疑为视频生成领域带来了革命性的进步，其技术细节值得每一位从业者细致研究。

　　Sora 详细的技术报告发布了，相关从业者可能都需要看看。里面有 OpenAI的训练思路以及 Sora 详细的技术特性，下面是主要的，详细的可以去看完整内容。

　　简单来说 Sora 的训练量足够大也产生了类似涌现的能力。

　　技术特点：

　　1、三维空间的连贯性：Sora可以生成带有动态相机运动的视频。随着相机移动和旋转，人物和场景元素在三维空间中保持连贯的运动。

　　2、模拟数字世界：Sora还能模拟人工过程，如视频游戏。Sora能够同时控制Minecraft中的玩家，并高保真地渲染游戏世界及其动态。通过提及“Minecraft”的提示，可以零样本地激发Sora的这些能力

　　3、长期连续性和物体持久性：对视频生成系统来说，Sora通常能够有效地模拟短期和长期的依赖关系。同样，它能在一个样本中生成同一角色的多个镜头，确保其在整个视频中的外观一致。

　　4、与世界互动：Sora有时能够模拟对世界状态产生简单影响的行为。例如，画家可以在画布上留下随时间持续的新笔触，或者一个人吃汉堡时留下咬痕。

　　【训练过程】：

　　1、Sora 的训练受到了大语言模型（Large Language Model）的启发。这些模型通过在互联网规模的数据上进行训练，从而获得了广泛的能力。

　　3、Sora实际上是一种扩散型变换器模型（diffusion transformer）。

　　首先将视频压缩到一个低维潜在空间19中，然后将这种表现形式分解成时空区块，从而将视频转换为区块。

　　4、训练了一个用于降低视觉数据维度的网络。这个网络以原始视频为输入，输出在时间和空间上都被压缩的潜在表示。Sora在这个压缩的潜在空间上进行训练，并在此空间中生成视频。还开发了一个对应的解码器模型，它能将生成的潜在表示映射回到像素空间。

　　5、对于给定的压缩输入视频，提取一系列时空区块，它们在变换器模型中充当标记（token）。这种方案同样适用于图像，因为图像本质上是单帧的视频。基于区块的表示方法使Sora能够针对不同分辨率、持续时间和纵横比的视频和图像进行训练。在推理过程中，可以通过在适当大小的网格中排列随机初始化的区块来控制生成视频的大小。

　　6、随着 Sora 训练计算量的增加，样本质量有了显著提升。Sora训练时没有对素材进行裁切，使得Sora能够直接为不同设备以其原生纵横比创造内容。

　　7、针对视频的原生纵横比进行训练，还可以提高构图和取景的质量。训练文本到视频的生成系统需要大量配有相应文本提示的视频。应用了在DALL·E 3中引入的重新字幕技术到视频上。

　　8、与DALL·E 3相似，也利用了GPT技术，将用户的简短提示转换成更详细的提示，然后发送给视频模型。

　　完整报告请访问OpenAI官网查看。

　　重点关注：

　　1、Sora展现的三维空间连贯性和长期物体持久性，提升了视频内容的真实感。

　　2、通过模拟数字世界和与世界互动，Sora能够创造出富有创意的视频内容。

　　3、Sora的独特训练方法及其对不同纵横比的原生支持，标志着视频生成技术的一个新时代。

本文目录一览：

• 1、台风命名列表一览表
• 2、台风古超的发展历程
• 3、台风古超的介绍
• 4、3号台风叫什么名字
• 5、台风玛娃和台风古超谁的威力更强
• 6、3号台风古超什么时候生成

台风命名列表一览表

台风按照顺序排列的名字大全如下：中国十个名称分别是：海葵、玉兔、风神、杜鹃、海马、悟空、白鹿、海神、电母、海棠。中国香港十个名称：启德、万宜、凤凰、彩云、马鞍、珊珊、玲玲、白海豚、狮子山、榕树。

中国：海葵、悟空、玉兔、白鹿、风神、海神、杜鹃、电母、海马、海棠。中国香港：启德、珊珊、万宜、玲玲、凤凰、白海豚、彩云、狮子山、马鞍、榕树。

号台风珊瑚、2号台风玛娃、3号台风古超、4号台风泰利、5号台风杜苏芮、6号台风卡努、7号兰恩、8号苏拉、9号达维、10号海葵、11号鸿雁、12号鸳鸯、13号小犬、14号布拉风万、15号风三巴、16号杰拉华、17号艾云尼等。

台风名字分别有：海葵、悟空、玉兔、白鹿、风神、海神、杜鹃、电母、海马、海棠、启德、珊珊、万宜、玲玲、凤凰、白海豚、彩云、狮子山、马鞍、榕树、三巴、贝碧嘉、蝴蝶、琵琶、黄蜂、莲花、烟花、玛瑙、梅花、珊瑚等等。

台风古超的发展历程

年第12号强热带风暴“古超”（Guchol）于8月19日凌晨在南鸟岛以南约300公里处洋面上形成的一个热带低压，并向西北方向移动。8月21日它加强为热带风暴，次日08时增强为强热带风暴。

号台风古超于2021年7月24日生成，它是今年以来第3个登陆中国的台风。受其影响，我国多地出现暴雨和强风等极端天气，给人们的生产和生活带来了巨大影响。

年8月20日18：00在南鸟岛以南约300公里处海洋面上形成的一个热带低压，并向西北方向移动。21日加强为热带风暴，22日08时增强为强热带风暴，25日下午减弱为热带风暴，26日0时转变成温带气旋。该台风未造成损失。

「古超」向西至西北偏西移动及逐渐增强，当日下午增强为热带风暴，两天後进一步增强为强烈热带风暴。它於6月15日转向西北偏北移动，并继续增强，於6月16日早上增强为台风，黄昏时成为超强台风。

年3号台风古超于当年3月初在南海一带生成。随着气温的逐渐升高和气流的相互作用，台风的生成成为了这个季节中不可避免的天气现象。

台风古超：2017年9月2日，一个低压区在菲律宾以东洋面上生成，18时美国海军研究实验室给予扰动编号92W。9月3日12时，联合台风警报中心将其升格为热带低压，并给予编号19W。

台风古超的介绍

1、台风“古超”是在6月生成的台风，尺寸环流属于中等水平，生命峰值时期其强度达到了中央气象台认定的40米/秒的台风级，稍低于早期的上望（强台风级），但截至当时仍是2012年台风古超以来西太平洋6月最强的台风。

2、强热带风暴古超，国际编号0512，英文名Guchol，名字来源密克罗尼西亚，意谓一种香料。2005年8月20日18：00在南鸟岛以南约300公里处海洋面上形成的一个热带低压，并向西北方向移动。

3、台风命名有珊瑚、玛娃、古超、泰利、杜苏芮、卡努等。珊瑚 台风“珊瑚”于2023年4月20日15时获得命名，于4月22日20时被中央气象台停止编号。

4、年3号台风“古超”于当年3月初在南海一带生成。随着气温的逐渐升高和气流的相互作用，台风的生成成为了这个季节中不可避免的天气现象。随着“古超”逐渐生成，气象部门开始积极进行各种预警和跟踪工作。

3号台风叫什么名字

号台风珊瑚、2号台风玛娃、3号台风古超、4号台风泰利、5号台风杜苏芮、6号台风卡努、7号兰恩、8号苏拉、9号达维、10号海葵、11号鸿雁、12号鸳鸯、13号小犬、14号布拉风万、15号风三巴、16号杰拉华、17号艾云尼等。

第3号台风是暹芭，读音为xiān bā，声母为x、b，韵母为iān、ā，声调为第一声、第一声。台风暹芭是2022年太平洋台风季第三个被命名的风暴。

年第3号台风森拉克，英文名称：Sinlaku，编号2003，名称来源克罗尼西亚，含义：密克罗尼西亚科斯雷岛传说中的女神。2020年第4号台风黑格比，英文名称：Hagupit，编号2004，名称来源菲律宾，含义：鞭子。

第3号台风暹芭什么时候登陆中央气象台7月2日15时发布台风登陆消息：今年第3号台风“暹芭”的中心已于今天下午15时在广东省电白沿海登陆，登陆时中心附近最大风力12级，中心最低气压为965百帕。

台风的名字有：第1号台风“珍珠”，中国澳门提供。第2号台风“杰拉华”，马来西亚提供。第3号台风“艾云尼”，由密克罗尼西亚提供。第4号台风“碧利斯”（菲律宾）。第5号台风“格美”（韩国）。

号台风“珊瑚生成于4月20日；2号台风“玛娃”生成于5月20日；3号台风“古超”生成于6月6日；4号台风“泰利”生成于7月14日；5号台风“杜苏芮生成于7月21日；6号台风“卡努”生成于7月28日。

台风玛娃和台风古超谁的威力更强

成为2012年台风古超以来截至当时西太平洋6月最强的台风。台风古超的特点 台风“古超”具有尺寸大小中等、强度中等略强、移速变化大、路径相似于台风玛娃后期、参与影响传统梅雨季节大气环流形势等特点。

随着16号台风“玛娃”的影响逐渐远去，笼罩广东多日的强降雨逐渐减弱。“玛娃”刚走，“古超”又要来临，今年第17号台风“古超”已经生成并逐渐向我国移动，受其影响，7日夜间开始，广东东部局地又将经历一**雨。

「古超」於6月17日在吕宋以东的太平洋上达到其最高强度，中心附近最高持续风力达到每小时205公里。「古超」於6月18日在冲绳岛以南处向北至东北偏北移动，并开始减弱。

台风约翰 台风约翰，是持续最久、波及范围最广的台风，它的威力最强时相当于5级飓风，从东太平洋到西太平席卷了13280千米，共持续31天，由于大部分时间它都停留于洋面，因此对夏威夷岛造成的损害不大。

史上最强的台风大盘点 ：台风南希 1961年9月12日，台风南希形成于西北太平洋地区。据测量，当其风速达每小时343千米，威力相当于5级超强台风。由于距离久远，如今都认为那次测量过高。

截至9月22日，已造成11人死亡。世界历史最强的台风二：台风南希 1961年9月12日，台风南希形成于西北太平洋地区。据测量，当其风速达每小时343千米，威力相当于5级超强台风。由于距离久远，如今都认为那次测量过高。

3号台风古超什么时候生成

号台风古超于2021年7月24日生成，它是今年以来第3个登陆中国的台风。受其影响，我国多地出现暴雨和强风等极端天气，给人们的生产和生活带来了巨大影响。

年3号台风“古超”于当年3月初在南海一带生成。随着气温的逐渐升高和气流的相互作用，台风的生成成为了这个季节中不可避免的天气现象。随着“古超”逐渐生成，气象部门开始积极进行各种预警和跟踪工作。

号台风“珊瑚”生成于4月20日；2号台风“玛娃”生成于5月20日；3号台风“古超”生成于6月6日；4号台风“泰利”生成于7月14日；5号台风“杜苏芮”生成于7月21日。6号台风“卡努”生成于7月28日。

于6月2日晚间在日本以南变性为温带气旋并被中央气象台停止编号。

“古超”一名由密克罗尼西亚提供，在雅浦语中意为姜黄，是一种香料的名称。