技术很强，但技术不是护城河

《看懂生数科技》系列 · 第 02 篇 阅读时间约 12 分钟

从一篇论文说起

2022年9月，清华大学朱军团队的博士生鲍凡发表了一篇论文，提出了U-ViT架构——全球第一个将扩散模型（Diffusion Model）与Transformer深度融合的架构设计。

这篇论文获得了ICLR 2023杰出论文奖（全球顶级AI会议，获奖率不到1%）。

为什么这篇论文重要？因为它比OpenAI的DiT（Diffusion Transformer，Sora的技术底座）早了整整一年。换句话说，Sora的核心架构思路，清华团队更早地走通了。

这就是生数科技的技术起点：不是在别人的技术上做改良，而是拥有原创的架构底座。

Vidu的技术路线：一张图说清楚

             Vidu 技术架构（简化版）

   输入                  模型层                   输出
┌────────┐         ┌──────────────┐         ┌────────┐
│ 文字   │         │              │         │        │
│ 图片   │ ──────▶ │   U-ViT架构   │ ──────▶ │  视频  │
│ 参考图 │         │ (Diffusion +  │         │ +音频  │
│ 音频   │         │  Transformer) │         │        │
└────────┘         └──────────────┘         └────────┘
                          │
                   ┌──────┴──────┐
                   │  核心特性    │
                   │             │
                   │ · 统一架构   │
                   │ · 多模态输入 │
                   │ · 长时序建模 │
                   │ · 音画同出   │
                   └─────────────┘

简单说：

• 传统视频生成：分别训练文字理解模型和视频生成模型，再拼在一起。效果像两个不同母语的人合作写作文，经常"牛头不对马嘴"
• U-ViT架构：把文字理解和视频生成统一在一个架构里端到端训练。效果像一个人同时理解文字和画面，输出更连贯

这个架构优势在早期产品中体现为：角色一致性好、运动连贯性强、对复杂场景的理解更准确。

Vidu的产品矩阵

截至2026年5月，Vidu的产品线已经从单一的"文生视频"扩展到多个方向：

API定价值得单独说一下：Vidu的API价格约$0.0375/秒，比行业均价$0.084/秒低55%。

这个定价策略传递的信号很明确：用低价换市场份额。在当前阶段，生数科技选择的是"先跑量，后提价"的互联网打法。

但反方观点同样有力：低价是因为没有定价权。 如果用户因为便宜才来，那谁更便宜他们就去谁那里。这不是护城河，是价格战。

Vidu Q3：“全球屠榜"的含金量

2026年4月，生数科技发布了Vidu Q3版本，这是一次重大升级。

关键能力突破

Artificial Analysis评测排名

在全球权威AI评测机构Artificial Analysis的视频生成评测中：

注：不同榜单和时间点排名有波动，Vidu Q3稳定在全球前二。来源：Artificial Analysis

一个重要细节：Vidu Q3在评测中超过了xAI Grok、Runway Gen-4.5和已停服的Sora。考虑到Sora背后是OpenAI、Grok背后是马斯克的xAI，这个排名的含金量不低。

但需要警惕：评测排名和实际用户体验之间往往有差距。评测用的是精选prompt，实际使用中的稳定性、出片率、边缘案例处理能力才是决定用户留存的关键。Sora在评测中也排名很高，但用户留存趋近于零。

护城河分析：五个维度逐一拆解

技术强不等于有护城河。我们用经典的五维度框架来评估：

1. 品牌与定价权：★★☆☆☆（弱）

• API定价比行业均价低55%——这说明它在买市场，不是在卖品牌
• 在专业创作者圈子有一定认知，但C端声量远不及可灵和即梦
• 没有形成"用Vidu = 专业"的品牌心智

2. 转换成本：★★☆☆☆（弱）

• C端用户可以零成本切换到可灵、即梦、Runway等竞品
• B端API客户有一定集成成本（对接文档、工作流适配），但不构成强锁定
• 积分制预付费能制造一点点粘性，但本质上是弱锁定

3. 网络效应：★☆☆☆☆（极弱）

• 视频生成是工具型产品，用户之间几乎没有网络效应
• 不像微信（越多人用越离不开）或淘宝（越多卖家越吸引买家）
• 这是AI工具类产品的通病，不只是生数科技的问题

4. 规模效应：★★★☆☆（中等）

• 模型训练是高固定成本，用户量越大推理边际成本越低
• 但规模劣势明显：字节跳动2025年资本开支2000亿元，快手可灵背靠快手自有算力——生数科技的算力规模无法与之相比
• 规模效应存在，但在这个赛道里，独立创业公司的规模永远追不上大厂

5. 技术/专利壁垒：★★★★☆（较强）

• U-ViT原创架构，65项专利
• 鲍凡的ICLR杰出论文奖，朱军的IEEE Fellow身份
• Vidu Q3在Artificial Analysis评测中全球前二

但这是生数科技护城河中最脆弱的一项——因为技术壁垒在AI领域的衰减速度极快。

技术壁垒的保鲜期：6-12个月

AI领域有一个残酷的规律：今天的技术突破，6-12个月后就会被追平。

历史证据：

U-ViT架构本身就是一个例子：它提出后不到一年，这个思路就被整个行业吸收。现在所有主流视频生成模型都采用类似的Diffusion+Transformer架构。原创者的先发优势，已经被行业的快速跟进消化了大部分。

生数科技目前的技术优势更多体现在工程化能力（把架构优势转化为产品体验的速度）和持续迭代能力（每一代模型的提升幅度），而非架构本身的独占性。

看多派会说：技术壁垒虽然衰减快，但生数科技的团队能持续跑在前面——朱军的学术能力保证了方向判断，鲍凡的执行力保证了工程落地。

看空派会说：技术壁垒快速衰减 + 大厂有10倍以上的算力优势 = 技术领先维持不了多久。开源模型（阿里Wan 2.2、腾讯HunyuanVideo）正在快速接近闭源模型的质量，一旦开源追平闭源，API定价将归零。

两边都有道理。 技术壁垒是生数科技当前最强的护城河，但也是最脆弱的。它的价值不在于"现在很深”，而在于"能不能持续挖深"——这取决于团队在接下来每一代模型上能否保持全球前二的水平。

65项专利：能保护多少？

专利在AI领域的保护力度值得打个问号。

有利的一面：

• 65项专利覆盖了U-ViT架构及相关技术
• 在B端大客户谈判中，专利组合是一种信号（“我们有自主知识产权”）
• 如果未来涉及专利许可，这是潜在的收入来源

不利的一面：

• AI领域的专利绕过（workaround）相对容易——改几个模块设计就可以规避
• 中国AI公司之间很少互相打专利战
• 开源模型不受专利限制——阿里可以用完全不同的架构达到类似效果

结论：专利更多是防守工具（防止被抄袭时有法律追索权），而非进攻武器（不能阻止竞品出现）。

护城河趋势判断

一个直白的比喻：生数科技的护城河更像是一条正在融化的冰河——现在看着还在，但如果不持续补充新的冰（新技术突破、B端深度绑定、生态锁定），它会越来越浅。

本篇小结

下期预告

下一篇，我们进入最残酷的部分——竞争格局。

可灵、即梦、Vidu三家的正面对比：

• 可灵ARR 5亿美元 vs Vidu ARR 2000万美元——25倍差距怎么追？
• 字节即梦背后是2000亿元年资本开支——独立创业公司拿什么打？
• Sora已死，Runway在缩，全球AI视频赛道正在快速洗牌
• 生数科技的生存空间到底在哪？

本文是《看懂生数科技》系列第 02 篇。 本系列不构成任何投资建议。生数科技为未上市公司，所有财务数据均未经审计，投资风险极高。