作者丨郭思

編輯丨陳彩嫻

大模型的創(chuàng)業(yè)進入2.0階段，除了此前如雨后春筍出現(xiàn)的自然語言公司之外，瞄準視覺大模型應用的創(chuàng)業(yè)公司也陸續(xù)成立。

近日，AI 科技評論獨家獲悉：IEEE Fellow、香港大學教授徐東成立了一家 AI 公司——徐圖智能，定位是基于視覺大模型技術，提供文生視頻等服務。

企查查信息顯示，該公司于今年6月成立，仍處于注冊狀態(tài)。

團隊成員方面，徐東擔任徐圖智能 CEO，他于2001年和2005年在中國科學技術大學取得學士和博士學位,目前擔任香港大學計算機系教授。

他曾在微軟亞洲研究院、香港中文大學和哥倫比亞大學從事研究工作，并在南洋理工大學和悉尼大學任教。徐東教授在計算機視覺、多媒體信號處理以及機器學習等領域做出了重要貢獻,在IEEE Transactions和國際頂級會議上發(fā)表了150余篇論文，其中兩篇論文分別獲得T-MM 2014最佳論文獎和CVPR 2010最佳學生論文獎。徐東教授是IEEE和IAPR Fellow，于2018和2021年兩次入選科睿唯安 (Clarivate Analytics)高被引學者，同時也擔任ACM Computing Surveys (CSUR)資深副主編。

在徐東加碼之下，徐圖智能在文生視頻領域有強大的技術基礎，其團隊或也絕大多數(shù)來自香港大學、商湯等名校或名企。

長久以來，相對于文本、代碼和圖片生成，視頻生成（Text-to-Video）也一直被認為是 AIGC 的“高地”，面臨龐大的計算需求、高質量數(shù)據(jù)集短缺、可控性等挑戰(zhàn)。所以對于視頻的GPT時代，人們一直抱有期待但遲遲沒見其到來的跡象。

但近期，視頻領域似乎迎來了新的春風。Runway 先后發(fā)布了 Gen1、Gen2， Motion Brush 則近期朝視頻可靠性向前了一步，Stability AI 也發(fā)布了自己的首個 Text-to-Video 模型 Stable Video Diffusion。今年 7 月，Pika Labs 在 Discord 推出服務器，并在幾個月時間內收獲了 50 萬用戶。

不過相比起文本和圖像領域，視頻創(chuàng)業(yè)要想取得突破一段還有漫長的路程。行業(yè)一致認為，視頻生成的主要難題在于時長，跟時長相關的是動作的意義，不僅要延長視頻制作的時長，還要關注動作的意義，看它到底能做多復雜的動作。

其次，視頻的清晰度也需要進一步提高。盡管清晰度方面已經(jīng)有突破，但還沒有提高到電影級的水平，現(xiàn)在生成的視頻一般是720p分辨率，視頻的流暢性也不夠理想，特別是一些細節(jié)的texture。

而對于Pika Labs創(chuàng)始人提出的視頻生成處于類似GPT-2的時期，徐東則在2023年新一代人工智能創(chuàng)業(yè)大賽的主題演講中提出，視頻生成暫時還無法直接定義為來到了GPT時代，但可以肯定的是已經(jīng)初現(xiàn)曙光，這或許也和徐東此次創(chuàng)立文生視頻創(chuàng)業(yè)公司息息相關。

大模型創(chuàng)業(yè)公司的機會在哪里？文生視頻領域能否迎來GPT時刻的？歡迎添加作者微信（lionceau2046）交流，互通有無。

雷峰網(wǎng) 雷峰網(wǎng)(公眾號：雷峰網(wǎng)) 雷峰網(wǎng)

雷峰網(wǎng) 雷峰網(wǎng) 雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。