生數(shù)科技聯(lián)合清華大學(xué)發(fā)布了視頻大模型「Vidu」，支持一鍵生成16秒高清視頻，具有多鏡頭語言、時(shí)空一致性等出色表現(xiàn)，還能虛構(gòu)超現(xiàn)實(shí)主義畫面。該模型基于自研U-ViT架構(gòu)，通過大規(guī)模訓(xùn)練實(shí)現(xiàn)長視頻生成，復(fù)用圖文任務(wù)經(jīng)驗(yàn)提升訓(xùn)練效率。團(tuán)隊(duì)由清華背景組成，已獲得數(shù)億元融資。

清華團(tuán)隊(duì)國產(chǎn)“Sora”火了怎么回事

4月27日，在中關(guān)村論壇未來人工智能先鋒論壇上，中國首個(gè)長時(shí)長、高一致性、高動態(tài)性視頻大模型Vidu正式發(fā)布。這一模型由清華大學(xué)和大模型創(chuàng)業(yè)公司生數(shù)科技聯(lián)合發(fā)布，可以一鍵生成長度達(dá)16秒、分辨率為1080P的高清視頻內(nèi)容。

證券時(shí)報(bào)記者獨(dú)家獲悉，清華大學(xué)人工智能研究院副院長、生數(shù)科技首席科學(xué)家朱軍在Vidu發(fā)布后發(fā)聲表示：“Vidu，we do, we did, we do together！感謝小伙伴們?nèi)找岳^夜的堅(jiān)持，在實(shí)驗(yàn)室架構(gòu)上開花結(jié)果?！睋?jù)介紹，這也是自O(shè)penAI發(fā)布Sora以后，全球率先取得重大突破的視頻大模型。

Sora發(fā)布后，行業(yè)內(nèi)一直有團(tuán)隊(duì)宣稱要追趕和復(fù)現(xiàn)Sora，而Vidu團(tuán)隊(duì)用兩個(gè)月的時(shí)間率先跑出來。記者梳理發(fā)現(xiàn)，生數(shù)科技在多模態(tài)大模型領(lǐng)域已經(jīng)有較深的積累，也是目前多模態(tài)大模型賽道估值最高的初創(chuàng)公司之一。目前公司已完成三輪融資，融資額達(dá)數(shù)億元人民幣，投資方包括啟明創(chuàng)投、智譜AI、BV百度風(fēng)投、錦秋基金等一眾機(jī)構(gòu)。

背后團(tuán)隊(duì)來自清華已融資數(shù)億元

Vidu的背后，是一家來自清華的明星創(chuàng)業(yè)公司生數(shù)科技。

公開資料顯示，生數(shù)科技成立于2023年3月，核心成員來自清華大學(xué)人工智能研究院，致力于自主研發(fā)世界領(lǐng)先的可控多模態(tài)通用大模型。公司的CEO本碩就讀于清華大學(xué)計(jì)算機(jī)系的唐家渝，首席科學(xué)家由清華人工智能研究院副院長朱軍擔(dān)任，CTO鮑凡則是清華大學(xué)計(jì)算機(jī)系博士生、朱軍教授的課題組成員，長期關(guān)注擴(kuò)散模型領(lǐng)域研究。

今年3月，唐家渝曾在溝通會上向媒體表示，今年內(nèi)公司的大模型一定能達(dá)到Sora目前版本的效果，“但很難說是三個(gè)月還是半年”。然而，Vidu卻提前交出了一份令人驚艷的考卷，這主要得益于團(tuán)隊(duì)是國內(nèi)最早布局多模態(tài)大模型的團(tuán)隊(duì)之一，多年以來在這一領(lǐng)域形成了深厚的積累。

據(jù)唐家渝介紹，生數(shù)科技目前采取模型層和應(yīng)用層兩條路走路的模式。一方面，構(gòu)建覆蓋文本、圖像、視頻、3D 模型等多模態(tài)能力的底層通用大模型，面向B端提供模型服務(wù)能力；另一方面，面向圖像生成、視頻生成等場景打造垂類應(yīng)用，按照訂閱等形式收費(fèi)，應(yīng)用方向主要是游戲制作、影視后期等內(nèi)容創(chuàng)作場景。

生數(shù)科技自成立以來就備受資本關(guān)注。天眼查數(shù)據(jù)顯示，生數(shù)科技目前共完成3輪融資。2023年6月，完成近億元人民幣天使輪融資，投資方包括螞蟻集團(tuán)、BV百度風(fēng)投、卓源亞洲、卓源資本；2023年8月，完成數(shù)千萬人民幣天使+輪融資，投資方為錦秋基金；2024年3月，完成數(shù)億元人民幣A輪融資，投資方除了啟明創(chuàng)投、達(dá)泰資本、智譜AI等新機(jī)構(gòu)以外，還有BV百度風(fēng)投、卓源亞洲兩個(gè)老股東。

在三輪融資總計(jì)數(shù)億元人民幣的資本加持下，生數(shù)科技已成為目前國內(nèi)多模態(tài)大模型中估值最高的初創(chuàng)公司之一。生數(shù)科技表示，Vidu的問世不僅是U-ViT融合架構(gòu)在大規(guī)模視覺任務(wù)中的又一次成功驗(yàn)證，也代表了生數(shù)科技在多模態(tài)原生大模型領(lǐng)域的持續(xù)創(chuàng)新能力和領(lǐng)先性。