生数科技

这是一家什么公司

生数科技是一家中国生成式人工智能公司，成立于 2023 年 3 月^[1]。它把自己的工作分成两条模型线：一条是世界生成模型，代表是视频模型 Vidu；另一条是世界行动模型，代表是 Motubrain^[1]。公司称团队来自清华大学、北京大学、帝国理工学院和卡内基梅隆大学^[1]，并在北京、上海、香港、深圳、安徽和无锡设有分支机构^[1]。Luo Yihang 担任首席执行官，Zhu Jun 是创始人^[2]。

「生成」与「行动」的划分是理解这家公司的线索。前者产出视频和图像，后者指向会做事的模型，也是近来智能体与机器人方向大量研究所在的方向。两者共享同一个前提：先学会一个关于视觉世界如何运作的模型。

技术起点

公司称自己在 2022 年 9 月提出 U-ViT 架构，比 OpenAI 的 DiT 早三个月^[2]。扩散模型（diffusion model）生成图像的办法，是学习如何一步步逆转「往图上加噪声」的过程，而承担这一逆转过程的架构，很大程度上决定了模型能扩展到多大；公司把这项工作视为后来视频模型的技术起点^[2]。

Vidu

2024 年 4 月，生数科技在中关村论坛发布 Vidu，将其介绍为中国首个对标 Sora 的文生视频模型^[2]。2024 年 7 月，Vidu 面向全球上线^[2]。此后 Vidu 推出参考生视频（reference-to-video）能力：不只靠文字描述，还让用户提供的图像成为画面内容的依据；公司称这是全球首创，并称它解决了商业视频中的多主体一致性问题，也就是让同几个角色或物件在一段素材里始终长得一样^[2]。

一致性是视频生成在广告、动画、短剧这些场景中的实际门槛。几秒钟看起来逼真的片段意义有限，如果同一个人物在镜头之间换了脸或换了衣服。参考生成的做法是先把主体固定下来，再围绕它生成画面。

使用规模

到 2025 年 9 月，Vidu 已有超过 3000 万用户，以及分布在全球 200 多个国家和地区的 6000 家开发者与企业^[3]。同期平台上累计生成视频超过 4 亿条，其中 1 亿多条来自参考生视频或参考生图^[3]。

融资

公司在很短时间内连续融资。数亿元人民币的 A 轮由 Bohua Capital 领投，于 2025 年 9 月 19 日公布^[3]。超过 6 亿元人民币的 A+ 轮由中关村科学城和 Xinglian Capital 领投，于 2026 年 2 月 5 日公布^[2]。近 20 亿元人民币的 B 轮由阿里云领投，于 2026 年 4 月 10 日公布^[4]。

开源

2025 年 12 月，公司开源 TurboDiffusion，称其能在单张 RTX 5090 上 1.9 秒生成一段 5 秒视频^[2]。同月，它开源了统一世界行动模型 Motus^[4]。把能在单张消费级显卡上运行的推理代码放出来，等于让租不起大集群的开发者也能用上视频模型，同时给出一个别人可以复现的速度基准。

在行业中的位置

生数科技属于把文生视频从研究演示做成有付费用户的产品的那一小批公司。它的路径相当清晰：先是一篇架构工作，然后是 2024 年公开亮相的模型，几个月后变成全球可用的服务，再往后是参考生视频这样的商业化专门能力，用户规模则以千万计。融资节奏——数亿元、超 6 亿元、近 20 亿元——也对应着视频生成从演示走向全球服务之后的资本密集程度。把模型分成生成与行动两条线，说明公司预期同一套关于视觉世界的知识既能用于「展示」，也能用于「做事」。这个判断是否成立尚无答案，但它解释了一家视频公司为什么会在拍片工具之外，同时宣传一个行动模型。