4月27日，在2024中關村論壇年會未來人工智能先鋒論壇上，生數科技聯合清華大學正式發布中國首個長時長、高一致性、高動態性視頻大模型——Vidu。
該模型采用團隊原創的Diffusion與Transformer融合的架構U-ViT，支持一鍵生成長達16秒、分辨率高達1080P的高清視頻內容。
生數科技消息顯示，Vidu不僅能夠模擬真實物理世界，還擁有豐富想象力，具備多鏡頭生成、時空一致性高等特點。Vidu是自Sora發布之后，全球率先取得重大突破的視頻大模型，性能全面對標國際頂尖水平，并在加速迭代提升中。
生數科技指出，其核心技術U-ViT架構由團隊于2022年9月提出，早于Sora采用的DiT架構，是全球首個Diffusion與Transformer融合的架構。2023年3月，該團隊開源了全球首個基于U-ViT融合架構的多模態擴散模型UniDiffuser，率先完成了U-ViT架構的大規模可擴展性驗證。
作為通用視覺模型，Vidu能夠支持生成更加多樣化、更長時長的視頻內容，同時面向未來，靈活架構將能夠兼容更廣泛的模態，進一步拓展多模態通用能力的邊界。
生數科技成立于2023年3月，創始團隊來自清華大學人工智能研究院，是全球范圍內最早從事擴散概率模型研究的團隊之一。
今年3月12日，生數科技宣布完成新一輪數億元融資，由啟明創投領投，達泰資本、鴻福厚德、智譜AI、老股東BV百度風投和卓源亞洲繼續跟投。融資將主要用于多模態基礎大模型的迭代研發、應用產品創新及市場拓展。
