清华明星团队打造的“中国版Sora”又拿钱了

　　这则通知显示，自7月9日起阻止来自非支持国家和地区的API流量。目前，OpenAI的API向161个国家和地区开放，由于中国未在其中，这意味着OpenAI将终止对中国提供API服务。

　　为了在这次“断供”中率先抢占到市场份额，国内大模型厂商纷纷推出相关“搬家”活动，一时间喧嚣四起。

　　无疑，OpenAI的这个动作再次证明了国产人工智能的重要性。正是如此，当天二级市场上相关概念股迅速拉升，甚至多支出现了涨停。

　　与此同时，哈勃入股AI公司生数科技的消息开始浮出水面，在这种关键时间点，生数科技再次成为了业内关注的焦点。

　　今年4月，生数科技联合清华大学发布了中国首个长时长、高一致性、高动态性视频大模型—Vidu，性能全面对标Sora，当时就在国内外引起了一阵轰动。

　　据悉，Vidu支持一键生成长达16秒、分辨率高达1080P的高清视频内容，它不仅能够模拟真实物理世界，还拥有丰富想象力，具备多镜头生成、时空一致性高等特点。

　　Vidu发布后，生数科技对外表示，Vidu的视频时长会继续突破，面向未来，Vidu灵活的模型架构也将能够兼容更广泛的多模态能力。同时，对于被称为“中国版Sora”，生数科技并不算满意，因为他们的野心远比这更大。

　　而这种底气则来自生数科技是全球首个提出Diffusion Transformer融合架构U-ViT，在这一架构下，生数科技完成了大模型在图像、3D、视频等多模态生成任务下的性能边界的探索。

　　如果说这样并能让人直观感受到生数科技的技术优势，那么其实Sora背后采用的融合架构Diffusion Transformer即DiT，与生数科技的路线几乎相同。

　　一个插曲是，生数科技是在2002年9月就提出了该融合架构，比DiT早两个多月，由于发布时间更早，当年计算机视觉顶会CVPR 2023只收录了U-ViT论文，并以“缺乏创新”为由拒绝了由伯克利团队发表的DiT论文。似乎在理论方面，生数科技在视频大模型上的布局是完全早于OpenAI的。

　　只不过，提出U-ViT架构的生数科技并没有第一时间把资源都放在视频上，而是先放在了图像和3D上。

　　这是因为生数科技认为，真正的智能一定是通用多模态的，以人为例，声音、视觉、动作这些多模态信息同时输入和输出，人类才能够将一个事物或者概念认识和表达得足够准确。

　　2023年，生数科技表示，图像生成效果已经超过了Stable Diffusion最新版基础模型，并声称在年内赶超Midjourney。3D内容生成方面，也实现了文生3D和图生3D的能力。

　　此外，在今年，生数科技才开始在视频上的集中发力，一方面基于上述两个产品的成熟，其次也是有Sora的催化。回看生数科技在视频上的频频动作，1月份，正式上线月份Sora发布之后，生数科技一个月后完成了8秒的视频生成，4月份视频长度再次翻倍来到16秒。

　　在具体打法上，生数科技目前采取模型层和应用层两条路走路的模式。一方面，构建覆盖文本、图像、视频、3D 模型等多模态能力的底层通用大模型，面向B端提供模型服务能力；另一方面，面向图像生成、视频生成等场景打造垂类应用，按照订阅等形式收费，应用方向主要是游戏制作、影视后期等内容创作场景。

　　围绕这种模式，生数科技发布了自主研发的多模态通用大模型UniDiffuser，同时推出了两款应用产品视觉创意设计平台 PixWeaver 和3D 资产创建工具 VoxCraft，以及视频大模型Vidu。

　　为何生数科技能在如此短时间内，实现多模态领域的布局？这还得从其创始团队说起。

　　成立于2023年3月的生数科技，由人工智能方案提供商瑞莱智慧RealAI、蚂蚁集团和BV百度风投共同孵化。

　　生数科技核心研究团队主要来自清华大学人工智能研究院，其首席科学家朱军，现任清华大学计算机系教授，同时也是清华人工智能研究院副院长、清华智能技术与系统国家重点实验室主任、智源首席科学家。

　　生数科技CEO唐家渝，曾任腾讯优图实验室高级产品经理和瑞莱智慧RealAI副总裁，先后负责瑞莱智慧产品团队、AI安全产研团队及业务。CTO鲍凡则是清华大学计算机系的博士生，并作为朱军教授课题组的成员，共同推进研发工作。

　　此外，生数科技对多模态生成式模型的探索，最早可以追溯到2013年。彼时，早期成员在清华实验室，开始了生成式模型理论基础、高效学习和推理算法，以及音乐生成、人脸合成等多方面的研究工作。

　　值得一提的是，这并非清华人工智能研究院首次孵化AI项目，上文提到的瑞莱智慧RealAI，也是由清华大学人工智能研究院创立，该公司由毕业于清华大学的田天博士担任公司CEO，清华大学AI研究院首任院长张钹与朱军共同担任公司首席科学家。

　　清华明星创业团队，正确的技术路线选择以及快速的产品能力，让生数科技自成立起就备受资本关注。

　　2023年6月，生数科技宣布完成了近亿元的天使轮融资。此轮融资由蚂蚁集团领投，BV百度风投、卓源资本跟投，投后估值达1亿美金。

　　生数科技的天使轮资方均是瑞莱智慧RealAI的老股东，对此，唐家渝此前在接受媒体采访时透露，生数科技是在2023年2月开启的天使轮融资，基本没有到市场上融资，当时瑞莱智慧RealAI多家老股东就表示了足够的兴趣，所以整轮融资很快就敲定了。

　　3月，生数科技完成了新一轮数亿元融资，由启明创投领投，达泰资本、鸿福厚德、智谱AI以及老股东BV百度风投和卓源亚洲继续跟投。

　　6月，生数科技完成了数亿元Pre-A轮融资，由北京市人工智能产业投资基金、百度联合领投，中关村科学城公司等跟投，启明创投、卓源亚洲等老股东继续支持。

　　经过四轮融资，生数科技累计获得了数亿元人民币的投资，这使得它成为除了“大模型五虎”外，目前国内多模态大模型中估值最高的初创公司之一。

　　可以看到，在生数科技的四次融资中，百度、卓源资本、启明创投参与了多轮，除了老股东，这些资方中还有北京人工智能产投基金这样的国家队，以及智谱AI这样的创业企业。另外，生数科技成也是蚂蚁集团投资的首个AIGC项目。

　　据悉，上文提到的哈勃入股生数科技也并非是新开的一轮，其也是生数科技Pre-A轮融资的资方，只不过在近期才完成了工商变更。

　　在大模型公司激战的当下，算力能力成为了关键赛点，不过生数科技暂时没有算力忧虑，此前其曾表示，未来算力问题不会持续太久，产品构成也决定了生数科技并不需要像语言模型，使用上千甚至上万张卡，另外股东也给了相当的算力和资源支持。当然，我认为除了财务和技术外，有了百度、哈勃、启明、蚂蚁等资方的加持，让生数科技一直保持在台前，这在当下的大模型浪潮中，可能是最重要的。