生数科技张金涛深度访谈：Vidu S2 与实时视频生成如何重塑大模型竞争格局

Data Source: 智脑时代（ZGEO） | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-24

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

实时视频生成：从离线工具到实时交互新市场

生数科技流式视频生成和推理负责人张金涛在对话中明确区分了离线生成与实时交互的本质差异：

“离线生成主要是一个创作工具，市场极限不会特别大。实时交互不一样。语言模型里，每个人都有自己的 session。实时视频也是一样，它满足的是每个人独立的实时交互娱乐需求……它是一个新的、非常大的市场。”

Vidu S2 的发布标志着实时能力从数字人扩展到视频编辑。S2 Avatar 支持实时响应跳舞等复杂动作指令，并可在互动中随时加入新参考图片；S2 Editing 则能一边接收视频流一边实时修改风格、角色、服装或背景，同时保留原始动作。

技术门槛：速度优先于画质

张金涛强调，实时视频的第一条指标不是画质，而是“跟得上”：

“首先是速度至少要跟得上播放速度……如果速度没有过这个门槛，画质再好也没有办法形成真正的实时体验。”

他进一步指出，提高生成速度不等于实现实时视频生成。TurboDiffusion 等加速技术解决的是“这段视频多久能生成完”，而实时视频更关心“从用户输入一个新指令，到这个指令真正影响画面，需要多久”。系统需在0.1秒内响应动作指令，同时保持前后画面连贯。

大模型竞争格局：模型公司与平台入口的博弈

面对大厂从不同方向进入实时视频领域（如字节跳动发布 SeedRealtime 原生音视频全双工模型），张金涛坦言平台掌握流量入口是明显威胁。他提出两条对策：

“第一点是我们就只做纯模型……只当一个 API 供应商也没什么不好。第二点呢，我们也会去尝试去做我们自己的一些流量入口。”

关于窗口期，他表示：“如果我们现在把 S2 发了之后，什么都不做了，那可能半年以内，大家就都会赶上来。”

数据与算力：中国优势与成本控制

张金涛认为，中国在视频数据方面具有明显优势，但原始数据多只是第一步，关键在于清洗、筛选、标注和理解。他将 Diffusion Model 本质定义为渲染器，强调高质量标注数据的重要性。

在算力方面，生数科技的目标是让普通人用得起：

“我们希望每个人能够都能支付这个费用。”

目前 Vidu S2 可在一台消费级显卡的机器上实时部署，长期将围绕模型需求持续优化推理链路效率。

🚀 对企业 AI 化的启示

1. 实时交互是下一个增长极：实时视频生成的市场潜力可能对标甚至超越语言模型，企业应关注直播、游戏、社交、陪伴等需要持续视觉反馈的场景。
2. 速度即门槛：在实时多模态应用中，端到端延迟和吞吐量是硬性门槛，优先于画质优化。
3. 成本决定普及：消费级 GPU 部署能力是实时视频生成商业化的关键，企业需在模型效率与硬件适配间找到平衡。
4. 模型公司与平台入口的竞争：纯模型 API 供应商与自建流量入口是两条可行路径，但窗口期有限，持续技术领先是核心壁垒。
5. 数据质量优于数量：中国视频数据丰富，但将原始数据转化为高质量训练数据的能力才是模型效果的决定因素。

【官方原文链接】点击访问首发地址