智東西作者陳駿達編輯心緣
智東西7月30日報道，在2025世界人工智能大會（WAIC2025）期間，視頻生成獨角獸生數科技的CEO駱怡航博士與媒體進行深入交流，詳細介紹了生數科技視頻生成技術的最新進展，并分享了他對視頻生成技術未來發(fā)展方向的見解。
駱怡航著重談到今年7月發(fā)布的ViduQ1參考生功能，他認為，與文生視頻、圖生視頻相比，參考生視頻才是整個AI視頻創(chuàng)作范式的底層功能。這種方式既不會像文生視頻那樣缺乏一致性，也不會像圖生視頻那樣限制模型的發(fā)揮。
生數科技從去年開始研發(fā)參考生視頻技術，已經迭代4個版本。同時，該公司也在一致性方向不斷投入，駱怡航認為一致性對廣告、影視等商業(yè)創(chuàng)作而言至關重要。
駱怡航也談到了上周生數科技聯合清華大學發(fā)布的具身智能模型Vidar，這是國內首個基于視頻生成模型的具身基座模型。雖然具身智能的大規(guī)模應用還需要時間，但生數科技計劃繼續(xù)探索數字世界與物理世界的結合，并有可能在具身智能產業(yè)成熟后加大投入。
采訪中，駱怡航還針對生數科技的商業(yè)化策略、技術升級方向、AIGC產業(yè)趨勢等問題進行分享。
值得一提的是，今天恰好是生數科技視頻生成模型Vidu全球上線一周年。上線1年，Vidu生成視頻總數已超過3億個，用戶數超3000萬，B端落地率達到行業(yè)第一，這些數據也帶動生數科技的年化收入突破2000萬美元（約合人民幣1.44億元）。
一、參考生回歸視頻拍攝本質，Vidu架構可擴展至具身智能
視頻生成當前有多種實現形式，包括圖生視頻、文生視頻、參考生視頻等。其中，圖生視頻因其給予了創(chuàng)作者更多的控制力，而獲得廣泛使用。
圖生視頻需要用戶上傳完整的首幀圖或尾幀圖，模型以此為基準，生成畫面。但由于圖像中的各種元素已經被固定，模型很難對畫面中的內容進行調整、修改，無法完全發(fā)揮出視頻生成模型在創(chuàng)造力上的優(yōu)勢。
駱怡航認為，參考生視頻讓業(yè)界回到了本身視頻拍攝的本質：用戶可上傳人物、道具、場景等元素，無需將其通過P圖、生圖、融圖等繁瑣環(huán)節(jié)，而是直接根據參考圖直出視頻。
最近推出的ViduQ1參考生視頻能力進一步提升，已經支持了七個主體的參考，基本可以滿足大部分場景需求。
Vidu參考生視頻同時具備主體庫功能，用戶可以上傳人物或者商品的正面、側面、背面圖，確保元素在不同場景下的主體一致性。
面向專業(yè)創(chuàng)作場景，Vidu參考生視頻提供了提示詞專業(yè)模式。用戶輸入簡單的提示詞后，模型能夠將用戶的簡單提示詞改寫為專業(yè)提示詞，讓最終作品質量更高，制作效率提升。
參考生視頻這項技術滿足了商業(yè)化場景對內容創(chuàng)作的需求，已在廣告電商、互聯網、動漫、影視、文旅、教育、游戲、廣電等八大行業(yè)落地應用。
在Vidu視頻生成模型的基礎上，生數科技和清華大學共同打造了具身智能模型Vidar，這一模型與Vidu一脈相承。
駱怡航稱，Vidu架構在設計之初就具備一定通用性，可勝任時空信息一致性的生成，在這個基礎架構之上，只需進行少量數據、低成本的微調，便可將生成的虛擬視頻轉化為控制具身智能的動作信息。
Vidar的主要創(chuàng)新在于，能突破原有VLA路線中優(yōu)質數據難以獲取和具身智能難以泛化的問題，實現了具身智能的少樣本泛化，所需真機人類操作數據量約為行業(yè)典型值的千分之一。
二、視頻生成技術分三步走，將優(yōu)先滿足專業(yè)用戶需求
駱怡航還分享了視頻生成技術發(fā)展過程中人與AI協作三階段的觀點。
第一個階段仍是圖生視頻為主，需要文生圖再生視頻或者用首尾幀再生視頻的復雜流程，雖然它在生產環(huán)節(jié)、效率上相比傳統流程有所進步，但還未達到100%的效率提升。
第二階段以參考生視頻為主要功能，無需中間分鏡生成環(huán)節(jié)，只要把主體選好，就可以直接生成視頻。根據生數科技得到的用戶反饋，這種方式給效率帶來了明顯提升。
第三個階段中，將有大量內容100%由AI生成，內容生產執(zhí)行的效率和成功率極大提升，創(chuàng)作者可以把大量時間投入到故事創(chuàng)意和關鍵設計上。
駱怡航稱，目前生數Vidu正推動AI視頻內容生成由第二個階段向第三個階段轉變。
生數科技當前最高的優(yōu)先級依舊是滿足視頻行業(yè)最嚴格、最復雜的專業(yè)要求，其次才是擴展C端用戶。
對此，駱怡航解釋道，當前視頻生成技術尚無法支撐普通用戶打造高質量視頻，仍需在一致性、速度上實現突破，才能實現AI視頻創(chuàng)作的普惠。
生數科技可以在服務B端專業(yè)用戶的過程中，逐步打磨這些技術，例如根據廣告電商客戶的需求提升一致性，或是在動畫場景針對性地提升風格和生產效率。這些在專業(yè)領域的技術積累，最終可以惠及C端用戶。
結語：視頻生成技術持續(xù)迭代，速度與成本仍有突破空間
隨著視頻生成模型能力的持續(xù)迭代，有越來越多的企業(yè)開始探索其應用價值，尤其是在影視制作、廣告營銷、教育培訓等場景中。不過，要真正實現規(guī)?；涞?，仍有很長的路要走。
在采訪的最后，駱怡航也分享了他眼中視頻生成未來的優(yōu)化空間。首先，一致性作為基礎問題，仍需要進一步提升；解決一致性問題后，下一步就是讓視頻生成做到“快”、“好”、“省”。
其中，“快”和“省”的部分還有很大突破空間，現在生數科技已經實現普通清晰度幾秒鐘生成視頻片段、分鐘級生成1080P視頻片段，未來會推進AI視頻實時生成。
UP險些掀翻FPX!老賊狀態(tài)火熱!?？電競小師兄
相信今年也是一樣，以咱們LPL為例，最近兩天確定的消息就是UP試訓Ning和Baolan這兩位冠軍選手，這次試訓如果成功的話，兩人都將以200W年薪加盟UP，如果試訓不過的話那就只能再找了。選手和俱樂部在轉會期開始前就互相接觸，這是目前整個職業(yè)賽場的管理。海外賽區(qū)，最近兩天可以說是老觀眾們非常開心的好日子！首先北美方說完了。
新人都在打身價,Up三局擊敗iG!D組晉級形勢明朗:乙組貴賓二位
凍梨：確實，除了米卡第二次UP，其他都是老朋友了——_。對于官方放出的這期3.8版本上半卡池內容，大家如何評價呢？凍梨的看法“非剛需玩家可以自信跳過，并沒有什么特別強勢的角色或武器”。角色池：優(yōu)菈、可莉、米卡、托馬、雷澤|。優(yōu)菈，屬于純粹的輸出角色，對大世界或探索來說無任何加持，因此受眾也很明顯：你缺不后面會介紹——-。
LPL“最慘打野”誕生!UP落敗Uzi差點5殺,Ning真的盡力了!
第四張圖：上圖所示是原神內測時期的一張截圖（來自于2019年6月份），看到這張圖后很多遠古玩家可能會想到“古戰(zhàn)場”“泛式”，就算是開服玩家對這兩個詞應該也很陌生，因為它們代表了遠古內測時期原神的處境，那時候原神的名聲非常差，很多知名up都隕落了。好，言歸正傳，可以看到那時候的派蒙圖標還是老圖標，游戲后面會介紹|。
延伸閱讀：與 菲棋：子焦慮押寶獨立戰(zhàn)|區(qū)構想 的相關文章
我會毫不猶豫的奔向你，只為早點見到你！
李善德用算學把五千里路程拆解為每個驛站的 OKR，當你在工作中接到一個模糊、宏大的目標，如何將其拆解？
6名學生溺亡事件主要責任人判幾年
《明日方舟》EP - Summer Fizz Pop
16人考上廈門大學馬來分校決定復讀
凡人修仙傳26廣開播
小米邀請張震岳拍攝 YU7 廣告片，如何評價其中 4+2 的設定，和騎友真實出行場景有哪些差異？
密云水庫將向下游泄流
如果一定要選一個中國的經濟學家可能獲得諾獎，你覺得會是誰？因為什么成就？
遇到特廚，直接拉他回家燒菜給我吃...
