中国首个“Sora级”视频大模型发布

2024中关村论坛年会今天（4月27日）首次举办“人工智能主题日”，聚焦人工智能最前沿举行12场活动，多项重大成果集中亮相。其中，我国首个自研视频大模型Vidu发布，全面对标国际顶尖水平。

Vidu生成的视频画面/来自生数科技

只需要一段文字指令就能生成一段60秒精致细腻的视频，今年2月，文生视频大模型Sora曾在全球引发震动。对标Sora，生数科技联合清华大学发布中国首个长时长、高一致性、高动态性视频大模型——Vidu。支持一键生成长达16秒、分辨率高达1080P的高清视频内容。

清华大学人工智能研究院副院长、生数科技首席科学家朱军介绍，Vidu是联合攻关团队全栈自主创新的最新成果，它在多个维度上实现了技术的突破。它可以模拟真实的物理世界，可以具有想象力，可以理解多镜头的语言，不再是简单的镜头的推拉，它也可以一镜到底生成16秒的视频，不需要任何的插帧和剪接。同时它在人物、场景和时间保持上具有高度一致性，它还可以理解和生成中国元素，能够在视频中生成例如熊猫、龙等特有的中国元素。

Vidu生成的视频画面/来自生数科技

根据现场演示的效果，Vidu能够生成细节复杂、并且符合真实物理规律的场景，例如合理的光影效果、细腻的人物表情等。它还能生成真实世界不存在的虚构画面，例如“画室里的一艘船正在海浪中驶向镜头”这样的场景。在长期和正确的技术路线积累下，Vidu团队在短短两个月实现了技术的重大突破。

“今年1月份时，我们当时做出了4秒的视频生成。在Sora推出之后，我们加快了技术攻关的进度，在3月底我们突破了8秒，虽然4秒到8秒只有一个2倍的提升，但是一个巨大的进步，它验证了我们的技术路线是正确的，坚定了我们信心。”朱军表示，在4月份时，团队进一步地加大了技术攻关力度，现在视频生成长度达到了16秒，“在未来还会进一步地突破这个长度，我们相信会是一个更快的速度在迭代。”

Vidu生成的视频画面/来自生数科技

深度融合了人工智能和机器人等多学科技术的具身智能，正在成为人工智能的下一个浪潮。论坛上，多家科技公司带来了最新款的人形机器人。银河通用机器人公司目前研发的机器人技术，已经可以做到在任意场景对任意物体进行抓取。未来5年，通用具身智能驱动的人形机器人有望深度地进入家庭。

“我们计划通过5年时间，发布家庭使用的人形机器人，能够帮你在家里取东西，包括从桌子上取，从冰箱里去取，还有在各种地方放东西，还可以使用各种家用电器，帮你用微波炉来加热食物，再到帮你做一些立体清洁，比如擦桌子、擦镜子等现在扫地机器人干不了的事情。”银河通用创始人王鹤说。

多家科技公司展示人形机器人研发成果/大会提供

银河通用研发的人形机器人/记者拍摄

海淀区作为全国人工智能的发展高地，已集聚人工智能企业近千家，占全市的三分之二、全国的六分之一。在论坛上，集中发布了人工智能发展的阶段性成果。

中关村科学城管委会副主任、海淀区副区长唐超介绍，率先发布了全球首个人工智能街区概念，在海淀53平方公里城市空间，按照三横两纵一带的格局规划人工智能街区，全力建设集成通用人工智能技术的城市智能体，率先在五道口和大钟寺两个先导区打造智能体样板间。

海淀区还发布了打造全国具身智能创新高地的三年行动方案，聚焦具身大模型和机器人整机，部署实施六大行动，力争到2026年初步建成全国具身智能原始策源地、应用示范新高地和产业加速集聚地，成为中国参与全球具身智能竞争的核心力量。

中关村论坛“人工智能主题日”主论坛/大会提供

记 者 | 王琛琛

编 辑 | 王琛琛

主 编 | 程   艳

要闻推荐