一个“对标”Sora和ARM的AI公司，在港股

Sora火了，但想抢光模块的人大概率没看原文，因为这个视频模型参数量大概只有3B；看着ARM大涨，转头想买AH股AI芯片的人，大概率没弄清ARM的商业模式是IP内核授权。

几个Sora的60秒视频，让“原定10年后到来的AGI可能会提前至1年”的声音不绝于耳，但真正的艺术从来不是：“哇，好美啊！”因为即使脱离开艺术，很多商业化的作品，无论武侠小说、《热辣滚烫》还是氪金游戏，都有属于自己完整的制作套路——每一步都是为了切中人类的内心共鸣点。

所以——这是基于“涌现能力”的AI所天然欠缺的。而真正Sora让人惊艳的其实是：“damn，居然还能这么玩？”

视频，是由无数个单帧图片构成的；生活，是由无数个60秒片段搭建的；世界，是由无数个IP内核赋予的。很多事情从没变过，就像美股一天比一天贵、AH股一天比一天便宜，同时也像把固有的“找对标”思维放到AI板块，散户回本所需要的涨幅越来越高。

先说我个人从ARM大涨和Sora爆红找AH股映射的逻辑：Sora是利用视觉补丁visual patches与卷积网络结合，用——“算法”，实现参数更小情况下的更精确AI模型涌现；而ARM是利用IP内核授权来解决未来AI的——本地化和碎片化市场。

所以找对标，应该找的是AI商业模式，找也要找Sora和ARM的两个核心：完整的算法平台、能本地化部署的AI模型调用（MaaS）。下面行文部分，会先分析Sora的白皮书原文逻辑，因为要根据一手资料的事实做推论，免得被黑；后文会避开一些大热的标杆股，列举一个H股对标致富代码@百融云-W（6608.HK），省着被骂。

Sora的理论基础，是“一张图像胜过16x16个单词”，transformers架构在计算机视觉领域的应用效果是比自然语言处理要差的，因为在视觉任务中，注意力要么与CNN（卷积网络）结合使用，要么用于替代卷积网络的某些组件，同时保持其整体结构不变。Sora的论文展示了其对CNN的依赖并不是刚需，并且直接应用于图像补丁序列的transformers在图像分类任务上表现很好，同时需要较少的计算资源进行训练。

所以第一个重点，Sora生成的60秒视频效果惊艳，是因为——“算法”。CNN卷积网络的作用，是让AI视频模型类比人脑的思维方式，本质是算法的一种。比如当AI识别图中的小狗，通过判断狗的面部及形体特征来进行归类。卷积层完成基础任务之后，池化层则开始为了让训练的参数更少，在保持采样不变的情况下忽略一些信息，最终在全连接层完成总结。重点在于卷积层，所谓“卷积”，就是2个f（x）函数的叠加，应用在图像上，则可以理解为拿一个滤镜放在图像上，找出图像中的某些特征，而AI模型需要找到很多特征才能区分图中的狗。视频生成也是一样，当有了更精细的提示词和更多滤镜，Sora生成的视频长度和精度才会更高。

为什么开篇说，看到Sora之后第一时间想冲CPO的人没读原文，是因为OPEN AI的技术架构就是在为了在CNN的池化层节省算力的同时，尽可能更精确的“涌现”。说简单点，就是少浪费点算力，用算法的优势生成更好看的视频。所以比起不断卷AI模型的参数量，不断消耗算力，不如在算法的精度上下文章。但是AI算法之所以差距很大，原因就是因为实体层面的商业经验决定了算法的多样性。所以要找的对标公司，必须有一个“算法平台”。能搜到的相关公司很多，但“涨出来的基本面”不宜多提，像百融云这种才翻过1倍、回踩完、有ORCA算法平台的AI公司，拿出来举个例总不会至于被说是引导散户去接盘。

Sora之所以能有那么出色的效果，是因为参考了LLM当中“把统一代码、数学和各种自然语言等多样化文本模态进行标记”的原理，将LLM中使用的文本标记text tokens，继承为了Sora中使用视觉补丁visual patches。就是将视频转化为补丁，就能将视频压缩为较低维度的潜在空间，然后做成一个视频压缩网络。所以Sora才可以对宽屏1920x1080p视频、纵向1080x1920视频以及其中的任何尺寸进行采样，以原始纵横比为不同的设备创建内容，甚至进行视频内容的拓展和延申。

说简单点，Sora的最大突破就是用视频补丁，来与CNN的多个函数（也就是AI算法）叠加组合，然后用更精确的视觉补丁来让卷积网络更精确的涌现，同时节省算力。那么要找的对标公司，必须在AI算法上很精通，而不是一味的卷参数。

那就继续拿百融云举例，这家公司的客户有一半是金融业的，他要解决的事情就是帮金融机构完善用户画像、提供信贷或者理财产品，最终提高KPI。金融机构的用户信息会涉及很多，但最终决定理财产品和信贷投放的，无外乎用户的年收入、资产情况、银行流水、社会关系网络。那仅有的几个信息维度，就需要依靠AI算法来推测用户潜在的金融属性。比如已知函数f(x)=用户家庭年收入50万、无贷款、银行全年流水支出35万元、无复杂社会关系网络及股权钩稽关系，那百融云这种公司大概率就会通过这些特征，来彼此构建算法关系，然后进行信贷及理财产品推荐的扩展。跟Sora生成视频应该是一样的逻辑思路。

如果按照整个财富管理和同业头部玩家的规模来算，比如1000亿元的财富管理市场，促交易会拿到1.5%-1.8%的服务费用，百融云通过AI算法作为基石的BaaS业务应该能算出未来的潜在业绩空间。

另外一个假期期间刷屏的公司是ARM，原因是2月7日披露的Q3财报和Q4指引超预期，而业绩上涨的核心原因还是因为AI需求。因为AI是个比较碎片化的市场，不是规模化效应，所以B端客户对于本地化和私有化部署要求很高。ARM预计未来各类终端，比如手机、PC、汽车等都会加入AI，而他们为终端AI设计的V9芯片（v9升级主要集中在向量处理等AI计算能力提升）授权收入占比已经由23Q3的10%提升到了23Q的15%。

另外，英伟达也要开始下场做ASIC，目的就是为了保证下游客户的差异化需求，之所以英伟达老黄之前不做这一块业务，是因为相比起GPU，定制化的ASIC用途单一且毛利低。但是AI定制化大势所趋，能满足客户的差异化需求才能保住饭碗。

但是A股和H股的AI芯片公司跟海外是一个水平线上的吗？显然不是。所以“硬对标”不如“软对标”，比起看“产品”，更重要的是看“模式”。百融云的MaaS业务肯定不是唯一的“类定制化”AI业务，但既然拿他举例了，就不拿其他AI公司说事儿了，免得拉踩。

百融云这个MaaS业务，中文名叫模型即服务，就是客户自己来调用百融云的AI模型。比如电商的客户需要用AI辅助决策下一个季度的主打产品、汽车业客户需要用AI来测算新款车型下线之后用多大折扣力度清理老款库存、物流业客户需要用AI来综合规划特定时间段的发货安排、金融业客户用AI的地方只会更多。所以百融云的MaaS业务在我理解，本质是百融云给客户提供一个AI平台，让客户去自我实现。你想成为什么样的企业，就自己去调用自己需要的AI模型；百融云要做的事情，就是尽可能寻求算力参数、用户意图与实时反馈之间的平衡，让模型性能调优、场景变多。本质上也是跟ARM一样，找一个能解决AI碎片化市场的解决方案。

至于Sora出现之后，越来越多的人担心自己的饭碗会被AI抢走，其实也不至于。因为“降本增效”其实是一个组合词，AI是为了增效的，但有些行业会选择直接降（cai）本（yuan）。所以不是AI的锅，而是——“不会用AI”的锅。