生数科技（ShengShu Technology）

北京的“通用世界模型”创业公司——Vidu 视频生成加 Motus/Motus2 灵巧操作世界模型；获阿里支持的独角兽 [5]。

1. 核心产品 / 服务

生数科技（成立于 2023 年 3 月）打造其所称的通用世界模型，涵盖“多模态生成 + 实时交互 + 物理世界动作”[5]。其核心论点是：高质量的视频生成本身已编码了对物理的理解，因此同一套基础模型可以从数字世界延伸到物理世界 [5]。

Vidu 是视频生成产品线——一系列支持音画同步生成、长时长输出和高时空一致性的模型，通过 MaaS 开放平台及 SaaS 工具（Vidu Agent、Vidu Claw）提供文生/图生视频与参考素材生视频服务。截至 2025 年 3 月，Vidu 用户遍及 200 多个国家和地区；Vidu Q 系列覆盖漫剧、短剧、广告、电商、动画和电影等制作流程 [5]。

Motus / MotuBrain / Motus2 将这一思路延伸到具身智能。Motus（2025 年 12 月，开源）被称为首个统一的“感知—预测—动作”隐式动作世界模型——既可用作世界动作模型（生成动作），也可用作动作条件世界模型（预测动作之后的视觉状态）[5]。MotuBrain（2026 年 4 月）是其商业化后续产品，生数在其悄然登顶两项基准后对外“认领”：在 WorldArena 上于运动质量与流畅度各维度排名第一，在 RoboTwin 2.0 上平均成功率为 95.8%（标准环境）/ 96.1%（随机化环境）——是唯一在随机化环境中平均分超过 95 的模型 [6]。Motus2（2026 年 9 月 10 日在外滩大会上发布）是“面向灵巧操作的自进化通用世界模型”，与清华大学共同研发，并在使用 WUJI Hand 2 与 Sharpa Wave 灵巧手的双臂机器人上完成测试 [7]。

Motus2 把策略生成、世界模拟（后果预测）和价值评估整合为一个闭环：提出动作、预测结果，并评估哪种未来更接近目标，再用这一反馈自我改进。它从约 13 万小时的人类第一视角视频中提取操作先验，并用轨迹数据将其适配到机器人本体；在执行端增加了双目视觉、工作记忆和触觉感知，以及价值模型和“动作优先”的因果信息流 [7]。

2. 目标用户与痛点

• 机器人 / 具身智能开发者：需要面向灵巧操作的训练环境和世界模型——这是机器人领域最难的部分——而不是从零搭建仿真器。
• 内容生产者（广告、影视、短剧、电商）：使用 Vidu 进行商业视频生成。

解决的痛点：操作任务中的 sim2real 与数据稀缺瓶颈。该领域可概括为行走远比操作成熟，而紧贴 sim2real 的世界模型是弥合这一差距的杠杆 [2][3]。

3. 竞争格局

生数的差异化在于视频到世界模型的桥梁：与机器人原生的同行不同，它通过 Vidu 将视频生成商业化，同时把其中对物理的理解转化为操作模型（Motus），并开源第一代世界模型以培育生态 [5][7]。

4. 独立观察

• “视频质量 = 物理理解”是核心赌注。 生数从 Vidu 走向 Motus 的理由是：强大的视频生成本来就需要对物理规律建模，因此迈向物理世界动作是延续而非转型——这一论点与 minimax 的 H3 相通，但在这里阐述得最为明确 [5]。
• 灵巧操作基准的横扫。 MotuBrain 在 RoboTwin 2.0 随机化环境的得分（96.1%，唯一超过 95 的模型）以及 Motus2 的“自进化”价值模型闭环，使生数处于大多数 VLA 玩家仍在回避的操作问题的前沿 [6][7]。
• 与 Motus2 发布同期的对比。 2026 年 9 月的一篇对比文章讨论了 Minimax H3 能否在功能上覆盖 Vidu + Motus，结论是 H3 在覆盖面上接近，但在精细细节输出上落后——这是判断一个世界模型能否同时服务视频和机器人客户的早期观察 [1][2]。

5. 财务 / 融资

• 成立：2023 年 3 月，北京 [5]。
• B 轮：约 ¥20 亿（约 460 億円），由阿里云领投，估值约 ¥120 亿（独角兽）[5]。
• 后续融资：据报道，2026 年 7 月新增一轮约 $5 亿（5 亿美元）融资 [8]。

6. 团队与关系

• CEO / 联合创始人：骆怡航 [5][7]。
• 学术合作方：清华大学——提出 L1–L5 世界模型路线图的朱军团队——共同研发了 Motus2 [7]。
• 投资方：阿里云（B 轮领投）[5]。
• 竞争对手 / 同业：galaxea、physical-intelligence、minimax、agibot。