比 Sora DiT 架构早两个月的 U-ViT，由这家中国 AIGC 公司提出

从现在开始，努力学习吧！本文《比 Sora DiT 架构早两个月的 U-ViT，由这家中国 AIGC 公司提出》主要讲解了等等相关知识点，我会在golang学习网中持续更新相关的系列文章，欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧，希望能帮到你！

Sora的横空出世，令全球AIGC创业公司面临巨大挑战。许多人质疑，小型公司与OpenAI竞争是否还有意义？生数科技，这家由清华系团队创立的企业，却给出了肯定的答案。

生数科技的技术路线与Sora高度一致，均采用Transformer与扩散模型融合的架构。更值得关注的是，生数科技的U-ViT模型比OpenAI的DiT模型早诞生两个月，并被CVPR2023收录，而DiT则被拒稿。

生数科技的多模态大模型实现了全链路自主研发，是全球首个将Transformer架构引入扩散模型骨干网络的企业。其技术已在文生图、文生视频、文生3D、图生3D等领域取得显著成果，并获得数亿元融资，创下国内多模态大模型赛道最高融资额。

全栈自研的MaaS（模型即服务）

生数科技于2023年3月开源了UniDiffuser，这是全球首个基于Diffusion Transformer架构（U-ViT）的多模态扩散大模型。其架构领先于后来的Stable Diffusion 3一年，并支持图生文、图文联合生成、图文改写等多种功能。

基于UniDiffuser，生数科技开发了视觉创意设计平台PixWeaver和3D资产创建工具VoxCraft。PixWeaver支持AI生图和AI生视频（目前AI视频功能因版本迭代暂停试用），具备强大的语义理解能力和画面表现力。VoxCraft则能以最快10秒的速度生成高精度3D模型，并支持全球首个4D动画生成。

VoxCraft的核心优势在于高精度、高速、高可用性和高丰富度，支持Mesh同步生成，并可直接对接工业管线。

技术领先性

生数科技在技术上拥有多项突破：

• U-ViT架构: 领先于OpenAI的DiT，并展现出优异的扩展性和scale特性。
• Analytic-DPM推理框架: 无需额外训练，即可显著提升模型采样效率，速度提升近20倍，该成果曾被OpenAI应用于DALL·E 2。
• UniDiffuser: 国内首个基于Transformer的多模态扩散大模型，支持多种图文生成任务，并采用原生多模态架构，而非简单模型组合。

生数科技团队在顶级人工智能会议上发表论文近30篇，展现了其深厚的技术积累和创新能力。 即使在Sora的强势竞争下，生数科技凭借其技术优势和持续创新，在国内多模态大模型赛道中依然占据着领先地位，并致力于引领国内底层技术创新。

今天关于《比 Sora DiT 架构早两个月的 U-ViT，由这家中国 AIGC 公司提出》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！