4月27日，在中关村论坛未来人工智能先锋论坛上，中国首个长时长、高一致性、高动态性视频大模型Vidu正式发布。该模型由清华大学和大模型创业公司生数科技联合发布，可以一键生成长度达16秒、分辨率为1080P的高清视频内容。

公开资料显示，生数科技成立于2023年3月，核心成员来自清华大学人工智能研究院，致力于自主研发世界领先的可控多模态通用大模型。公司的CEO本硕就读于清华大学计算机系的唐家渝，首席科学家由清华人工智能研究院副院长朱军担任，CTO鲍凡则是清华大学计算机系博士生、朱军教授的课题组成员，长期关注扩散模型领域研究。

生数科技在多模态大模型领域已经有较深的积累，也是目前多模态大模型赛道估值最高的初创公司之一。目前公司已完成三轮融资。2023年6月，完成近亿元人民币天使轮融资，投资方包括蚂蚁集团、BV百度风投、卓源亚洲、卓源资本；2023年8月，完成数千万人民币天使+轮融资，投资方为锦秋基金；2024年3月，完成数亿元人民币A轮融资，投资方除了启明创投、达泰资本、智谱AI等新机构以外，还有BV百度风投、卓源亚洲两个老股东。

据生数科技介绍，Vidu模型采用团队原创的Diffusion与Transformer融合的架构U-ViT，支持一键生成长达16秒、分辨率高达1080P的高清视频内容。

今年3月，唐家渝曾在沟通会上向媒体表示，今年内公司的大模型一定能达到Sora目前版本的效果，“但很难说是三个月还是半年”。然而，Vidu却提前交出了考卷。

据唐家渝介绍，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。