当Sora淡出公众视野时，中国多模态视频生成赛道却跑出一匹黑马——生数科技。这家成立仅两年的公司凭借自研U-ViT架构和Vidu平台，两个月内狂揽26亿融资。从全球200多个国家的用户覆盖，到与索尼、腾讯等巨头的深度合作，生数科技正在用独特的参考生视频技术和三层商业架构，重新定义AI视频生成领域的竞争格局。
Sora 下线的同时，国内一家做多模态视频生成的公司却在两个月内连续拿了两笔共 26 亿人民币的融资。
今天就分享这家公司：生数科技。
生数科技成立于 2023 年 3 月，核心方向是多模态大模型，当前最核心的产品是视频生成平台Vidu。
简单来说，这家公司一边做底层多模态模型，一边通过 SaaS、MaaS、App 等形态，把视频生成和多模态生成能力卖给个人创作者、专业团队和企业客户。
官网最新口径里，Vidu 的用户已经覆盖全球200 多个国家和地区，MaaS 平台服务的是互动娱乐、广告营销、动漫影视、文创文旅、智能硬件等行业里的开发团队、企业和合作伙伴。
从融资看，这家公司已经进入重投入、重扩张阶段。今年 2 月，生数完成超过 6 亿元人民币 A+ 轮融资；4 月，又完成20 亿元人民币左右的 B 轮融资，由阿里云领投。
生数最核心的技术人物是朱军，是公司的创始人兼首席科学家。
朱军本身是清华大学计算机系教授、清华大学人工智能研究院副院长，长期做机器学习、生成模型和扩散模型方向。
公司早期创始班底还有唐家渝和鲍凡：唐家渝本硕都在清华计算机系，做过腾讯优图、瑞莱智慧；鲍凡是清华计算机系博士，长期跟着朱军做扩散模型和多模态生成。
2025 年 3 月，原火山引擎 AI 业务负责人骆怡航加入生数出任 CEO，负责研发、产品、商业化和团队管理。
这个团队组合很有代表性。
朱军和鲍凡代表的是模型原创能力，唐家渝代表的是产品和产业衔接，骆怡航补上的是商业化、组织和全球拓展。
换句话说，生数不是“高校老师带学生创业”的轻团队，它已经把科研、产品化和商业化三层都拼好了。
尤其是 CEO 骆怡航加入后，外界对它的判断也明显从“技术明星项目”转向“准备大规模商业化的视频模型公司”。
生数不是靠套开源模型起来的。它反复强调的技术底座叫U-ViT。
这个架构最早在 2022 年 9 月由朱军团队提出，是扩散模型和 Transformer 融合的一套自研路线。
2023 年，团队又基于这个架构做了 UniDiffuser。2024 年核心产品 Vidu发布时，外界都把它看作这条技术路线在视频生成上的一次产业化落地。
它在技术上的打法是：先有模型，再有产品。所以你会看到它既在推 Vidu，也在往“世界模型”方向延展。
生数把自己的技术架构讲成三层：底层是基础世界模型，上面分成数字世界的生成模型和物理世界的行动模型。
这个方向还比较早，但至少说明它的自我定位，不只是做一个创意工具，而是想把视频模型继续往更通用的建模能力上推。
如果只看用户端，Vidu 现在已经是一个比较完整的创作平台了。官网列出来的主功能包括：参考生视频、图生视频、文生视频、AI 音效、AI 生图、Vidu Q3、模板、API 开放平台。
也就是说，它不是单一的视频生成工具，而是一整套内容生产入口。
再往下拆，Vidu 现在至少有三层产品形态。
第一层是面向创作者的 SaaS 平台。
用户直接在 Vidu 网站或 App 上用文生视频、图生视频、参考生视频等功能做内容。
适合独立创作者和团队，重点场景是动态视频、二维动画、多种艺术风格内容。
第二层是面向开发者和企业的 MaaS / API。
Vidu 的开放平台是给企业和开发者“无缝创建并规模化扩展视频驱动产品”的平台。
它支持视频生成、图像生成、音频生成和其他工作流组件，已经是一套企业可接入的能力层。
第三层是行业合作与解决方案。
官网的合作页列了很多生态伙伴：百度智能云、AWS、华为云、视觉中国等。
也就是说，Vidu 在往云平台、视觉内容、文化产业、端侧硬件、XR等不同场景拓展。
Vidu 的核心能力包括参考生视频、图生视频、文生视频。
其中参考生视频被官网直接称为全球首个参考生视频功能，主打角色、物体、场景的一致性。
先来看参考生视频。
普通文生视频主要靠文字描述，因此人物长相、衣服、物体样子、场景细节容易前后不稳定。
参考生视频是先给模型一张或几张参考图，再让它按这些图里的角色、物体、场景去生成视频。核心价值就是保持一致性和内容创作的连续性。
参考生视频是 Vidu 最有辨识度的功能之一。这个能力支持1 到 7 个主体、合计 1 到 7 张图片输入，还能在“参考生音视频”模式下，给参考图中的主体指定对白，直接生成带音频的视频。
模型层面，不同版本的产品能力区分得也很清楚：Q2 动态更强、细节更丰富；Q1 画面更清晰、过渡更平滑、运镜更稳定；2.0 的特点是速度快。
接下来是图生视频。
图生视频的逻辑更直接，就是把静态图变成动态视频。
用户可以从任意图片出发，把想象中的动态画面生成出来；图生视频支持自定义首尾帧，用来优化流畅度。
对创作者来说，这种能力的价值很实在：海报、产品图、插画、人物图，不用重新拍摄或建模，就能直接转成短视频素材。
最后是文生视频。
文生视频是视频模型的基础能力，但 Vidu 不是只停在“把文字变成一段画面”。
它比较强调镜头运动设计、语义理解和电影感输出。2024 年 Vidu 刚发布时，公开资料就提到它支持一键生成最长 16 秒、1080p 的高清内容，并在多镜头语言、时空一致性、动态表现上去对标 Sora。
Vidu 支持音频和画面同步输出，而且不是只加一个背景音轨，而是对话、旁白、音效、音乐四类音轨可以一次生成；单次最长支持16 秒。
适用场景写得也很清楚：漫剧、漫画风剧情、电影感镜头、短剧、叙事广告。
最后，速度是生数一直在打的点。
官方报道，Vidu 2.0 在图生视频和首尾帧生视频上，生成 4 秒 512P 单片段视频都已做到10 秒以内；单片段视频实测推理速度已经压到30 秒以内。
生数的商业模式其实前面已经说的比较清楚，主要分三块。
第一块是创作者订阅。
Vidu 官网有订阅页和免费积分机制，所有用户可以先拿免费积分体验，再根据需要订阅。
第二块是API 调用收费。
这一块是它最标准的 MaaS 模式。开发者或企业通过开放平台，按模型、分辨率、时长来计费。不同模型和分辨率的价格不同。
第三块是企业项目与行业合作。
生数并不是单纯卖标准 API，它还在做联合解决方案、生态接入和行业项目。
视觉中国和它一起做视觉产业大模型平台，AMD帮它往端侧和 AI PC 部署扩展，百度千帆帮它扩大企业调用场景。
这类合作通常意味着更高客单价和更深绑定。
第一组是早期爆发力。
官网报告，Vidu 从 2024 年 7 月底全球上线后，20 天用户数破百万，100 天破千万，累计生成视频过亿条。
参考生视频这个功能上线 3 个月后，用户用它生成的视频也已经到千万条级别。
第二组是2025 年全年增长。
Vidu 在 2025 年实现了用户和收入都超过 10 倍增长。行业客户包括索尼电影、腾讯动漫、字节跳动等。
第三组是全球覆盖和行业渗透。
官网写的是 200 多个国家和地区；MaaS 服务的是全球数千家开发团队、企业和伙伴；合作方已经横跨云平台、内容平台、影视动画、文旅、智能硬件、艺术数据库等多个行业。
生数现在的竞争力，主要有三个。
第一，它的技术栈是自己的。U-ViT 这条路线、UniDiffuser 这类研究积累，让它不是靠套壳起家。这会直接影响模型迭代速度和长期天花板。
第二，产品方向很实用。Vidu 围绕一致性、速度、成本、成片能力四件事作为核心卖点，这些都是专业创作者和企业最在意的点。
第三，C 端、B 端和生态合作同时铺开。很多公司只在网页端卷创作者，或者只在 API 卖模型。生数现在是三条线一起走：创作者订阅、开发者 API、企业合作。这个结构更容易放大收入。
同时，这家公司也面对无法回避的现实压力。
一是视频模型赛道迭代太快，阿里、字节、快手、可灵、Runway、Google、xAI 都在卷，模型领先窗口往往很短。
二是它现在很多案例仍然是“官方案例”或“匿名客户案例”，这说明公司已经有商业化，但对外能验证的客户细节还不算特别多。判断它未来的稳固程度，还要继续看更多长期付费客户、续费率和大客户占比。
三是它往世界模型走，想象空间更大，研发和算力投入也会更重。今年以来的连续大额融资本身既说明市场看好，也说明这门生意依然非常烧钱。
以上，祝你今天开心。
作者：张艾拉 公众号：Fun AI Everyday
本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自作者提供
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。