經(jīng)濟(jì)觀察報(bào) 記者 任曉寧 9月11日，AI視頻創(chuàng)業(yè)公司生數(shù)科技創(chuàng)始團(tuán)隊(duì)在北京亮相，這是今年4月份在中關(guān)村論壇一炮而紅后，生數(shù)科技團(tuán)隊(duì)成員的首次露面。

生數(shù)科技的產(chǎn)品名為Vidu，是國(guó)內(nèi)首個(gè)長(zhǎng)時(shí)長(zhǎng)、高一致性、高動(dòng)態(tài)性視頻大模型，當(dāng)時(shí)備受外界關(guān)注。不過(guò)時(shí)至9月，AI視頻行業(yè)已經(jīng)有了很大變化，Vidu不再一枝獨(dú)秀，快手、字節(jié)跳動(dòng)、阿里巴巴、智譜AI、MiniMax、商湯等公司都已經(jīng)推出AI視頻產(chǎn)品。據(jù)經(jīng)濟(jì)觀察報(bào)不完全統(tǒng)計(jì)，僅在國(guó)內(nèi)，過(guò)去4個(gè)月時(shí)間便有超過(guò)10家公司推出了自研AI視頻產(chǎn)品。

東吳證券今年8月發(fā)布的國(guó)產(chǎn)AI視頻大模型深度報(bào)告測(cè)算，AI視頻的潛在行業(yè)空間為3178億元。東吳證券還估算，在全AI模式下，電影、長(zhǎng)劇、動(dòng)畫片和短劇的制作成本，相較傳統(tǒng)模式將下降超過(guò)95%。

AI視頻的未來(lái)聽起來(lái)很美好，但這個(gè)領(lǐng)域，目前并沒有出現(xiàn)一個(gè)出圈的爆款應(yīng)用。無(wú)論是AI視頻產(chǎn)品還是由AI生成的視頻作品，都像是少數(shù)影視專業(yè)人士的玩具，局限在小圈子范圍內(nèi)，始終未能像ChatGPT（美國(guó)頭部AI應(yīng)用）一樣在大眾層面獲得認(rèn)可。

AI視頻賽道能成為大眾市場(chǎng)嗎？它的商業(yè)機(jī)會(huì)在哪里？大廠入局之后，它的市場(chǎng)競(jìng)爭(zhēng)愈加激烈，創(chuàng)業(yè)公司還有機(jī)會(huì)嗎？生數(shù)科技CEO唐家渝接受經(jīng)濟(jì)觀察報(bào)在內(nèi)的媒體采訪時(shí)，回應(yīng)了上述問(wèn)題。

關(guān)于競(jìng)爭(zhēng)和融資

經(jīng)濟(jì)觀察報(bào)：Vidu發(fā)布4個(gè)月以來(lái)，國(guó)內(nèi)陸續(xù)出現(xiàn)很多AI視頻公司，頭部大廠也都推出了AI視頻產(chǎn)品。作為曾經(jīng)的黑馬，Vidu現(xiàn)在還有優(yōu)勢(shì)嗎？

唐家渝：目前在AI視頻語(yǔ)義理解方面，我們能做到業(yè)界最好。另外Vidu在視頻動(dòng)作幅度較大的情況下，能保持較好的連貫性，用戶公認(rèn)這一點(diǎn)我們做得好。我們最近發(fā)布了AI視頻主體參照一致性生成能力，這是全球首發(fā)的能力，可以解決AI生成視頻的劇情連貫性問(wèn)題。從這些技術(shù)角度，我們是有優(yōu)勢(shì)的。

Vidu在全球最早提出了Diffu－sion（擴(kuò)散模型）與Transformer（一種基于自注意力機(jī)制的深度學(xué)習(xí)模型）融合的底層架構(gòu)U-ViT，并堅(jiān)持自主的底層算法研發(fā)，沒有采用開源結(jié)構(gòu)，這也是我們的底氣。

經(jīng)濟(jì)觀察報(bào)：國(guó)內(nèi)AI視頻公司已經(jīng)有10多家，大家的技術(shù)路線和商業(yè)化路徑會(huì)不會(huì)出現(xiàn)同質(zhì)化趨勢(shì)？

唐家渝：在技術(shù)路線上，AI視頻行業(yè)目前處于底層架構(gòu)收斂的狀態(tài)，可以理解為同質(zhì)化，但并不意味著大家進(jìn)展都一樣。例如現(xiàn)在的大語(yǔ)言模型都會(huì)使用 Transformer架構(gòu)，但OpenAI（美國(guó)頭部AI公司）是明顯領(lǐng)先的。

在底層架構(gòu)統(tǒng)一的基礎(chǔ)上，各個(gè)公司會(huì)有一些差異性。例如，如何有效壓縮視頻，如何在保證質(zhì)量的情況下快速生成視頻，會(huì)涉及非常多算法技巧、算法難點(diǎn)，這是導(dǎo)致差異性的主要原因。

目前各個(gè)公司的商業(yè)方向也是比較類似的，即便是Sora、Runway等國(guó)外AI視頻應(yīng)用，也都在積極地?fù)肀Ш萌R塢，或者與廣告公司合作，這是AI視頻技術(shù)比較好落地的領(lǐng)域。總體來(lái)說(shuō)，AI視頻還處于行業(yè)發(fā)展前期，還有很長(zhǎng)的路要走。

經(jīng)濟(jì)觀察報(bào)：今年6月，生數(shù)科技公布了數(shù)億元融資，接下來(lái)會(huì)有什么樣的融資規(guī)劃？今年大模型公司融資都面臨一個(gè)困境，很難依靠技術(shù)和團(tuán)隊(duì)吸引投資，投資方會(huì)要求商業(yè)化能力。你們是否也面臨同樣的問(wèn)題？

唐家渝：我們正在做新一輪的融資。融資過(guò)程中，技術(shù)仍是很關(guān)鍵的東西，目前的AI視頻生成只是初步符合了物理規(guī)律，還有很高的技術(shù)天花板需要突破，比如更強(qiáng)的模型能力以及更多模態(tài)的協(xié)同生成。

我們經(jīng)過(guò)一年半的成長(zhǎng)，在商業(yè)化方面已經(jīng)階段性交出了比較好的答卷。其實(shí)大家耳熟能詳?shù)囊恍┐罂蛻簦呀?jīng)接入了Vidu的底層視頻生產(chǎn)能力了，只是我們目前還不能公布。

經(jīng)濟(jì)觀察報(bào)：你們會(huì)如何選擇投資者？有什么考量？

唐家渝：我們會(huì)更愿意選擇長(zhǎng)期陪伴的投資者，無(wú)論是從資源、戰(zhàn)略協(xié)同上，還是上下游產(chǎn)業(yè)上，我覺得都可以接受，最主要的還是希望大家能有長(zhǎng)期一起往前走的機(jī)會(huì)。

關(guān)于商業(yè)化

經(jīng)濟(jì)觀察報(bào)：現(xiàn)在Vidu是否已經(jīng)商業(yè)化？有哪些已經(jīng)落地的商業(yè)場(chǎng)景？

唐家渝：商業(yè)模式主要有兩種。一種是SaaS（軟件即服務(wù)）訂閱模式，用戶打開Vidu.studio可以直接體驗(yàn)到產(chǎn)品功能。目前我們每月有80個(gè)免費(fèi)積分，如果用戶有更多的需求或想使用更高級(jí)的能力，就需要支付訂閱費(fèi)用。另一種是API（應(yīng)用程序編程接口）形式，將模型能力輸出形式提供給大家，即MaaS（模型即服務(wù)）。現(xiàn)在有很多客戶需要具備視頻生成的能力，作為他們已有工作流程的一個(gè)環(huán)節(jié)，所以他們希望直接調(diào)用模型的能力。

我們的客戶主要來(lái)自與視頻內(nèi)容相關(guān)的領(lǐng)域，比如廣告、游戲、短劇和影視等。另一部分客戶是C端（個(gè)人用戶端）應(yīng)用，他們需要AI視頻能力支撐他們的新玩法。

經(jīng)濟(jì)觀察報(bào)：在C端市場(chǎng)和B端（企業(yè)客戶端）行業(yè)，哪個(gè)領(lǐng)域的AI視頻增長(zhǎng)潛力更大？

唐家渝：B端的需求比較穩(wěn)定、確定，能帶來(lái)比較直接的收入。在接觸B端行業(yè)的過(guò)程中，我們發(fā)現(xiàn)，他們提出的都是實(shí)實(shí)在在的需求，并不是還沒想清楚就簡(jiǎn)單試一下，所以B端是我們長(zhǎng)期重點(diǎn)關(guān)注的方向。

上線一個(gè)月以來(lái)，我們的C端用戶增長(zhǎng)曲線非常高。所以，我們也在不斷探索C端商業(yè)化的過(guò)程中。

經(jīng)濟(jì)觀察報(bào)：現(xiàn)在AI視頻主要是藝術(shù)家、影視專業(yè)人員在用，普通人用一下就不用了。這個(gè)工具什么時(shí)候能普及到大眾？會(huì)不會(huì)一直只是小眾人群的玩具？

唐家渝：AI視頻不會(huì)一直都是小眾產(chǎn)品。就像拍照一樣，一開始只是攝影愛好者或攝影師群體使用，現(xiàn)在拍視頻、拍照已經(jīng)成為每個(gè)人的習(xí)慣。

現(xiàn)在的AI視頻已經(jīng)發(fā)展到了一個(gè)節(jié)點(diǎn)，Vidu最新發(fā)布的功能是，只需輸入一張圖像，就可以保持該主體的一致性，生成各種場(chǎng)景的視頻。我們正在努力降低視頻創(chuàng)作的門檻，讓Vidu成為一個(gè)大眾愿意使用的產(chǎn)品，今年年底應(yīng)該就能普及到大眾。

關(guān)于局限和突圍

經(jīng)濟(jì)觀察報(bào)：很多人覺得用AI生成視頻很難，為什么會(huì)這樣？視頻生成技術(shù)還存在怎樣的局限性或瓶頸？

唐家渝：目前的視頻生成模型最大的局限性在于可控性不足。比如生成一段畫面，畫面里的人物或者對(duì)象容易崩壞，生成的結(jié)果也有很大的隨機(jī)性，需要不斷地嘗試，這背后的本質(zhì)是目前視頻生成技術(shù)的穩(wěn)定性還不夠。

從實(shí)際落地的層面上看，上面我們提到的廣告、短劇等場(chǎng)景，對(duì)畫面連續(xù)性、一致性的要求是很高的。即便是C端用戶單純?nèi)ネ妫矔?huì)希望能一次性就生成一個(gè)他們想要的畫面，這背后都是圍繞可控性的需求。

經(jīng)濟(jì)觀察報(bào)：這種不可控的瓶頸能否實(shí)現(xiàn)突破？如果技術(shù)繼續(xù)進(jìn)步，會(huì)在哪些方面有所提高？

唐家渝：我們剛剛發(fā)布的主體參照功能，已經(jīng)在一致性生成方面帶來(lái)了很大提升。

當(dāng)然，技術(shù)還有更進(jìn)一步提升的空間。比如一個(gè)精雕細(xì)琢的柜子，上面有繁復(fù)花紋和鏤空部分，對(duì)于這樣復(fù)雜的結(jié)構(gòu)，目前AI視頻生成成功的概率依舊不高。場(chǎng)景生成包含很多組成因素，例如AI視頻生成的一款運(yùn)動(dòng)鞋，我希望它能在更復(fù)雜、更動(dòng)態(tài)化的場(chǎng)景中有更好的表現(xiàn)。這些都需要不斷提升模型能力。