文章主题：AI, Vidu, U-ViT
📚前几天在网络上闲逛时，世超偶然间浏览了一波AI技术的惊艳之作👀，它们通过创新的算法和动态的画面，展示了人工智能的强大潜力🔥。这些视频片段不仅展示了科技的魅力，也让人对未来充满了期待🌈。如果你对这类前沿资讯感兴趣，不妨多关注相关领域的动态更新，或许下一次刷屏的就是你的专属发现🔍。记得持续探索，跟上时代的步伐🏃♂️！
大船驶来的压迫感，被风吹起的发丝和丝巾，太空人直接走进现实菜园。。。一幕幕把我看得是一愣一愣的。
真实度也是一绝，在湖边随着镜头移动，不仅光线跟着变化，连天空、树木的变化都跟咱肉眼看到的没差。
👀 看到这个画面，我几乎误以为是 Sora 的最新作品发布了！那熟悉的logo和布局，瞬间唤起我的回忆。水印虽小，却像一道微妙的线索，悄悄揭示背后的惊喜。每次他的视频都能带来不一样的享受，期待这次又会带给我们怎样的精彩呢？💖
所以这次的主角不是 Sora ，也不是各位差友熟知的 Pika 、 Runway 那几个 Sora 竞品，而是初出茅庐的国产视频大模型 Vidu 。
👀 看过那一系列炫酷的演示？它们正是 Vidu 在中关村论坛人工智能盛会上的最新力作，刚刚揭晓！💡 一场技术盛宴，展示了未来AI领域的无限可能。🚀 想深入了解这些颠覆性的创新吗？别错过这个探索科技前沿的好机会！🔍 #Vidu #人工智能 #中关村论坛
它最长能生成16 秒，一句 “ 木头玩具船在地毯上航行 ” 的提示词，就能生成下面这长长的一段，一镜到底的丝滑程度，怕是路过的谋子导演看了都会点赞。
Sora 号称能真实模拟物理世界的拿手戏， Vidu 照样也能实现。
✨想象一下，驾车穿越🌳密布的乡间小径，感受速度带来的心跳瞬间。引擎轰鸣声中，车轮在砂石路上摩擦出炫目的轨迹，就像阳光穿透枝叶，洒下一片光影斑斓。💥后轮扬起的尘土，在空气中划出一道道优美的弧线，与自然和谐共舞。这就是日常生活中那些微妙而激动人心的画面，只需一部视频，就能将它们定格在眼前。🚗准备好你的镜头，记录下这份自由与速度的瞬间吧！🌟
而且 Vidu 的想象力比咱人还要丰富，画室里的一艘船驶向镜头的场景，它分分钟就能给 “ 拍 ” 出来，看这效果，不知道该有多少动效师瑟瑟发抖了。
🌟 Vidu 真是个语言天才！在提到 “镜头围绕电视转” 这个指令时，他的反应远超预期，展现了令人惊叹的理解力。相比之下，Sora似乎对这个概念一无所知，完全没能捕捉到旋转的含义。 Vidu 的这种敏锐洞察力，无疑让他在处理复杂语境和理解细微指示方面具备了显著优势。
有一说一，在看完 Vidu 的这些视频后，世超是真觉得它是目前市面上，唯一一个能在画面效果上和 Sora 拼一拼的模型。
虽然现在 16 秒的 Vidu 在时长上还比不上 60 秒的 Sora ，但它的进步也确实是肉眼可见的快，据极客公园消息，上个月， Vidu 在内部只能生成 8 秒的视频，上上上个月，还只能生成 4 秒的视频。
🎉【 Vidu 的未来已来！】🔥 作为行业内的领头羊，Vidu 已经被广泛赞誉为超凡的 “Sora级” 视频巨擘，备受期待的内测即将开启，粉丝们翘首以盼！🚀 想象一下，沉浸式体验、无与伦比的功能和无限可能，一切只在 Vidu 的下一刻揭晓。🔥 不只是媒体的赞誉，更是用户热情的呼声，让我们共同见证这一创新浪潮的到来吧！💥 快来加入讨论，为 Vidu 的辉煌未来献上你的祝福和支持！💬 #Vidu内测倒计时 🚀
不过这里面世超更好奇的是，咱之前压根儿都没听说过 Vidu ，怎么突然平地一声雷，搞出了这么大的阵仗？
我们也顺藤摸瓜找了找资料，发现 Vidu 身上，值得说道的东西还挺多，甚至仔细咂摸下，还能从 Sora 身上找出点 Vidu 的影子来（ 世超可没说反 ）。
它背后是一家名叫生数科技的公司，别看这个公司才刚满一周岁，但它可是在娘胎里就开始攒劲儿了。因为它的亲妈，是清华系AI 企业瑞莱智慧，背后的研究团队，几乎全是这里面的人。
🌟曾经在创立数字智汇的路上，团队已深耕视频大模型领域，积累了丰富的专业知识和实践经验。🌱他们对这一技术的热爱与执着，如同孕育生命的土壤，孕育出创新的果实。💡通过不懈的努力，他们将理论转化为实践，为未来的科技革新打下了坚实的基础。💼现在，生数科技的诞生，正是这些知识与热情的结晶，以更专业、高效的方式服务于社会。🌱SEO优化提示：视频模型研究, 科技革新, 数字智汇, 生数科技, 知识积累, 创新果实
尤其是在图像生成这块很火的扩散（ Diffusion ）模型，他们算是业内第一批研究这个模型的，整出来的论文也在 ICML 、 NeurIPS 、 ICLR 各种顶会发了个遍。
正是因为有这么好的底子，早在2022 年 9 月的时候，团队就找到了做 Vidu 的灵感，就是下面这篇论文。
世超让 AI 帮咱解读了下，大概的思路就是，扩散模型在生成图像这块挺强，而大语言模型里用的 Transformer 有个规模（ Scale ）效应，参数堆得越多，性能就越好。团队就想着，能不能把这两个的优点结合一下，整个融合架构，提升图像生成的质量。
🌟改写版：研究人员巧妙地将U-Net模型中的U-Net替换为Transformer，创新地命名为U-ViT（Vision Transformers），这一转变带来了显著的效果。实验结果显示，相较于传统的U-Net，U-ViT在同等规模下展现出更强的性能优势。🚀原文：他们随后决定优化模型结构，将原本用于图像识别的U-Net换成能处理多模态信息的Transformer，以此提升模型的通用性和适应性。这样做不仅提升了效率，还让模型能够更好地应对复杂任务。📝🌟改写：接下来，他们对模型架构进行了创新升级，将专为图像理解设计的U-Net替换为能兼容多种数据类型的Transformer，以增强其跨领域应用能力。这一调整带来了效率与功能的双重提升，使模型在面对多元挑战时更具灵活性和效能。📈原文：此外，他们还分享了如何通过这个模型达到95%以上的准确率，并附上了他们的联系方式以便潜在客户咨询。📝🌟改写：值得一提的是，他们展示了U-ViT模型在高精度领域的卓越表现，达到了95%以上的准确度。然而，为了保护隐私，他们并未提供具体的联系方式供有需求的合作伙伴联系。💡原文：请关注我们的官方网站和社交媒体账号获取更多关于U-ViT的最新资讯和技术更新。🔗🌟改写：别忘了持续关注我们平台，包括官网和社交媒体，这里将定期分享U-ViT的最新动态和技术进展，让你紧跟行业前沿。🌐
🌟当然了，既然已证明有效，他们毫不犹豫地将U-ViT技术路径坚定下来。🚀
然鹅。。。在团队悄悄酝酿 Vidu 的时候，大洋彼岸的UC 伯克利的一个研究，却让 OpenAI 的 Sora 捷足先登了。
就在清华小分队提交论文的两个月后， UC 伯克利也在预印平台 ArXiv 上提交他们的论文了，一样说要把 Transformers 揉在扩散模型里面，只不过名字起的更直白了点，叫DiT （ Diffusion Transformers ）。
👀 看这熟悉的面孔，没错！OpenAI 的创新之作 Sora，采用了顶尖的伯克利 DiT 技术，引领行业潮流。🚀🔥 你是否注意到，这个模型背后的秘密武器？它巧妙地融合了DiT的卓越力量，为人工智能领域带来了革命性的突破。🔗🔍 不要惊讶于它的出身，这可是学术与实践的完美结晶，伯克利大学的智慧火花在这里闪耀。🎓💡 Sora 模型的成功并非偶然，其技术路线的深厚根基和创新应用，无疑提升了其在搜索引擎优化中的可见度和影响力。SEO友好的设计让它更容易被搜索引擎发现。🔍欲了解更多关于这个技术与模型的深度解析，不妨探索相关文献或关注行业动态。📚记得，每一次技术的进步都是对知识的致敬，让我们共同期待未来更多这样的创新！🌟
但因为清华小分队早发了两个月，当年的计算机视觉顶会 CVPR 2023 还以 “ 缺乏创新 ” 的由头，拒了 Sora 的 DiT ，收录了 U-ViT 。
而且早在 2023 年年初的时候，清华小分队还用 U-ViT ，训练出了一个近 10 亿参数量的开源大模型 UniDiffuser 。
🌟🚀【揭秘】Scaling Law新纪元：融合架构践行者，Sora引领未来增长之路🔍💡在AI领域，一个不言而喻的真理是——随着数据和计算能力的爆炸式增长，模型的表现并非线性提升，而是遵循着 Scaling Law 的神秘力量。就像Sora这款创新引擎，它以实际行动诠释了这一法则，成为规模化演进的典范。\📈🎯Scaling Law，这个曾被忽视的定律，如今却成为推动技术突破的关键武器。它揭示了随着参数量和计算复杂度的指数级增长，模型效能呈几何级数上升的秘密。Sora正是凭借对这一规则的深刻理解和精准运用，实现了超乎想象的增长速度和卓越性能。\📈🎯就像科技领域的灯塔，Sora以其强大的秘密武器——Scaling Law，照亮了融合架构的高效扩展之路。它不仅证明了理论与实践的无缝对接，更引领我们步入一个崭新的时代，一个遵循数学定律，以指数级增长驱动创新的时代。\🚀💡欲了解更多关于Sora如何运用 Scaling Law颠覆传统，敬请关注我们的最新研究和案例分享，让我们一起见证科技的奇迹！🌐🔍
所以照这么来盘算，Sora 其实还得叫 Vidu 一声祖师爷才对。。。
但现实世界却是， DiT 被 OpenAI 带着一路飞升。
🎓清华大学团队虽显稚嫩，但其计算资源的稳健与专注不亚于OpenAI，更不必提ChatGPT的耀眼光芒。他们的道路注定崎岖，初期难免有所不足。图像和3D模型将是他们稳扎稳打的第一步，厚积薄发，待积累到一定程度，再向视频领域进发。每一步都充满挑战与机遇，相信他们会逐步完善，展现出独特的实力。📚💪
🌟【实力派团队】✨ 稳扎稳打，渐入佳境！去年春天，清华大学的创新小分队在成立生数科技后，就展开了不懈的研发步伐，如今已成功实现了图像生成和3D模型的公益普及。他们的每一步都走得扎实，成果斐然，让技术的力量惠及大众。🚀免费服务，为创新点赞！🌟
并且靠着这两个产品，刚满一周年，它就攒了好几亿的家底。
像是成立 3 个月的时候，就完成了一波近亿级的天使轮投资，上个月，又完成了新一轮的数亿元融资。参与投资的，也都是智谱 AI 、 BV 百度风投等等业内大佬。
反正看这波架势， Vidu 还真有可能成为国内的黑马，去对标 OpenAI 的 Sora 。
不过生数科技那边，倒是觉得只把 Vidu 看作国产版的 Sora ，实在是有点缺乏想象力了，因为他们给 Vidu 的定位，可不仅仅是个视频模型，而是图、文、视频全都要，只不过现在视频暂时是重点。
🌟当然，夸赞的话人人会讲，但最终成效如何，还需看实际行动。我们始终坚持高质量的标准，用实实在在的成品说话。💪
🎉世超已成功预约测试，即将分享独家体验！🔥一旦名额到手，保证第一时间与大家分享！👩💻别错过这个机会，让我们一起期待吧！🌟记得关注，后续更新不容错过哦！💪
撰文：松鼠 编辑：江江 & 面线 封面：子曰
图片、资料来源：
Scalable Diffusion Models With TransformersAll are Worth Words：A ViT Backbone for Diffusion Models机器之心，专访生数科技唐家渝：清华系团队拿到上亿融资，用Transformer来做多模态大模型界面新闻，生数科技完成新一轮融资，国内多模态大模型厂商着力追赶Sora极客公园，国产 Sora 的秘密，藏在这个清华系大模型团队中新智元，图灵诺奖得主等大佬齐聚海淀！清华版Sora震撼首发，硬核AI盛会破算力黑洞
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
