在国外 AI 技术不断加码的同时，国内首个Sora级视频大模型Vidu重磅发布。在2024年中关村论坛年会未来人工智能先锋论坛上，清华大学联合生数科技27日正式发布中国首个长时长、高一致性、高动态性视频大模型——Vidu。

截至目前，Vidu的母公司生数科技已与多家游戏公司、个人终端厂商、互联网平台等B端机构开展合作，具体哪些公司？关注【概念百科】，我们等待互动易的披露，会进一步跟踪！

 

Vidu概念股：华策影视、安诺其、中广天择、万兴科技、中文在线、果麦文化、网达软件、因赛集团、捷成股份、昆仑万维、易点天下、蓝色光标、天娱数科、引力传媒、国脉文化、丝路视觉等。

华策影视：公司去年组建了AIGC应用研究院，自研的编剧助手、剧本评估、视频检索、AI剧照等功能已在内部应用或内测。通过对开源技术的学习吸收和消化，目前技术储备已可实现4秒时长的文生视频。

安诺其：子公司上海亘聪信息科技有限公司旗下意间AI提供AI绘画、AI写真、AI动图（视频）内容创作社交平台。

中广天择： 公司是全媒体优质视频内容提供商

万兴科技：“天幕”大模型，是国内首个专注于以视频创意应用为核心的多媒体大模型。

中文在线：海量正版的数据资源，构建了成熟的知识产权保护体系

果麦文化：11月，公司介绍，公司布局的AI漫画大模型进展顺利，未来将陆续推出动画电影、短剧、互动漫画等。

网达软件：根据公司半年报的内容，公司持续加大在融合媒体智能化生产及视频AI行业应用领域的研发投入，研发费用较去年同期上升。

因赛集团：8月接受调研时表示，目前公司国风虚拟人“姜小黄”已接入AI大模型实现了超写实化，正在接入和并用多个AI模型测试虚拟人视频生成功能。

捷成股份：根据公司半年报内容，公司结合AI技术的发展及在智能媒体资产管理系统的布局，加大在AIGC领域的技术开发和应用力度，推动AIGC 相关技术在内容创意、影视剧内容制作、短视频创作等领域的深度应用。

昆仑万维：“天工SkyAgents”平台，用户在上面可以创建自己的大模型。公司“All in”人工智能，4月发布自研大语言模型“天工”，近期转让子公司股权，更好的聚焦于AGI和AIGC业务。目前，昆仑天工已形成AI大模型、AI搜索、AI游戏、AI音乐、AI动漫、AI社交六大AI业务矩阵。

易点天下：8月在接受调研时表示，还有内测中的AI电商视频广告工具，目前内部已经可以实现10倍的广告素材生产效率。

蓝色光标：8月，蓝色光标全资子公司蓝色宇宙发布一款在线AI视频生产平台——蓝标分身，可以降低了音视频制作的难度。

天娱数科：公司推出的AIGC短视频智能营销助手“魔方Mix”，是一款基于AIGC智能技术的短视频生产工具，提供一键混剪和智能投放等功能，解决短视频制作耗时长、响应慢等痛点，为客户提供高效、智能化的短视频制作体验，助力广告主、内容方、MCN机构等短视频营销需求方。

引力传媒：公司内部自研上线“核力 AI”的 1.0 版本、已具备“营销文案 生成”、“图片识别与生成”及“数字分身复刻及驱动”等功能应用

国脉文化：公司在文生视频方面，已内部开发基于大模型的AIGC数字内容生成平台，平台利用多模态技术，使用自有的版权内容，生成文字、音频、图片、视频等影视素材，进行内容的创作生产，正在内部试用中。

新*&网：新华智云的妙笔是AI文本生成，生花就是AI文生图，这两个今年上线的新产品都是AIGC内容生产工具。MAGIC有文生视频的功能，目前也在尝试提升视频生成效果，通过内部测试后将对外发布

丝路视觉：全国性的CG视觉服务提供商，文生视频大模型有利于生产效率有不同程度的提升。

一、Vidu是什么？

Vidu是自Sora发布之后，全球率先取得重大突破的视频大模型。这一点从Vidu的技术细节和应用能力上也得到了体现，例如它能根据文本描述直接生成高质量视频，且生成视频流畅连贯，没有明显的插帧现象。

Vidu能够生成复杂的动态镜头，不再局限于简单的推、拉、移等固定镜头，而是能够在一段画面里实现远景、近景、中景、特写等不同镜头的切换，包括直接生成长镜头、追焦、转场等效果。

Vidu既能够模拟真实物理世界，也能够生成真实世界不存在的虚构画面。其中对于真实世界，Vidu能生成细节复杂且符合真实物理规律的场景，例如合理的光影效果、细腻的人物表情等。

Vidu的核心技术U-ViT架构由团队于2022年9月提出，早于Sora采用的DiT架构，是全球首个Diffusion与Transformer融合的架构，完全由团队自主研发。这表明Vidu不仅在技术上实现了创新，而且在知识产权方面也具有显著优势。

二、Vidu有哪些优点？

1、支持一键生成长达16秒、分辨率高达1080P的高清视频内容。

2、能够模拟真实物理世界，同时拥有丰富想象力，具备多镜头生成、时空一致性高等特点。

3、性能全面对标国际顶尖水平，并在加速迭代提升中。

4、Vidu能够根据提供的文本描述直接生成长达16秒的高质量视频，包括模拟真实物理世界、多镜头语言、理解中国元素等方面。

5、核心技术U-ViT架构由团队于2022年9月提出，是全球首个Diffusion与Transformer融合的架构。

6、该模型还能生成特有的中国元素，例如熊猫、龙等。

7、Vidu采用的是“一步到位”的生成方式，从文本到视频的转换是直接且连续的，在底层算法实现上是基于单一模型完全端到端生成，不涉及中间的插帧和其他多步骤的处理。

三、生数科技是谁？

作为Vidu的研发方之一，外界对于生数科技可能相对陌生。

生数科技成立于2023年3月，核心团队来自清华大学人工智能研究院，此外还包括来自北京大学和阿里巴巴、腾讯、字节跳动等科技公司的多位技术人才。

去年，生数科技完成多笔融资，投资方包括蚂蚁集团、锦秋基金等。今年3月，生数科技完成新一轮数亿元融资，由启明创投领投，达泰资本、鸿福厚德、智谱AI、老股东BV百度风投和卓源亚洲跟投。

目前，生数科技团队于ICML、NeurIPS、ICLR等人工智能顶会发表相关论文近30篇。在扩散模型方面，该团队的成果已涉及骨干网络、高速推理算法、大规模训练等全栈技术方向。