北京冬奧運AI 虛擬人手語主播、杭州亞運會數(shù)字人點火、新華社數(shù)字記者、數(shù)字航天員小諍......當隨著越來越多數(shù)字人出現(xiàn)在人們生活中，整個數(shù)字人行業(yè)也朝著多元化且廣泛的應用方向發(fā)展，快速拓展到不同行業(yè)、不同場景。

面向C端，數(shù)字人幫助用戶生產內容和輔助工作，如：數(shù)字人練口語、和數(shù)字人玩游戲等;面向B端，數(shù)字人是企業(yè)的“工具人”，應用于金融、影視、電商、直播等行業(yè)，提高行業(yè)生產和運營效率。

毫無疑問，數(shù)字人是一門好生意，但其規(guī)模化落地依然面臨著人才、成本、場景、技術等層層困難。其中，最關鍵的是技術瓶頸，如何讓數(shù)字人擺脫“空有一副好皮囊”的市場評價是一大難題。

然而，隨著大模型的出現(xiàn)，數(shù)字人的發(fā)展似乎正在迎來新的機遇。

1.大模型賦能數(shù)字人

對于產業(yè)界而言，數(shù)字人本身并不新鮮。在過去很長一段時間內，為了又力求數(shù)字人視覺外形上的高保真呈現(xiàn)，生產成本不亞于制作一部專業(yè)級電影。

瑞銀發(fā)布的數(shù)字人研究報告指出，高級虛擬人物的先期投入成本平均為3000萬元，后期又需要真人團隊完成拍攝、配音、剪輯。以樂華娛樂的虛擬女團A-SOUL為例，其一支單曲制作成本約200萬元，一場線下演唱會成本約2000萬元。

但即便是如此高昂的成本，也解決不了數(shù)字人的互動效果問題。由于智能水平不足，與其說它是數(shù)字人，更像是一個沒有靈魂的數(shù)字皮套。

高成本，再加上互動效果不佳，使得數(shù)字人的使用被限制在廠商內部或大企業(yè)客戶的試驗項目。

因此，當具有學習能力的生成式大模型顛覆了內容制作范式后，面向更廣范圍的中小型企業(yè)用戶、優(yōu)先規(guī)模化落地使用的廉價數(shù)字人成為了可行方案。

據(jù)一名人工智能研究人員介紹，大模型對數(shù)字人的重塑與賦能主要體現(xiàn)為降本增效。

從技術角度來說，搭建一個數(shù)字人主要分為建模、驅動、渲染幾個環(huán)節(jié)。傳統(tǒng)的數(shù)字人主要依托計算機圖形學技術+真人動作捕捉，需要采集大量的真人數(shù)據(jù)，深度建模，耗時長，效率低，成本高。

如今在大模型的加持下，通過AI算法，基于深度學習模型、動作模擬、情感模擬等技術，只需要幾分鐘的真人視頻，用大模型訓練若干個小時，就可以生成逼真的數(shù)字人，制作成本大大降低。

不僅如此，數(shù)字人在成本降低的同時，效能也大大提升。

在大模型出現(xiàn)以前，數(shù)字人在外形上差異度較小，而且只能根據(jù)輸入的統(tǒng)一腳本，“照本宣科”地回答問題。

在大模型的賦能下，數(shù)字人擁有了“靈魂”，不僅外貌特征可以自定義設計，智能化、交互性也有了很大提升。比如在一些直播帶貨場景中，數(shù)字人已經可以與受眾進行基礎互動。

比如，百度智能云發(fā)布的曦靈數(shù)字人，大模型的加持下，可以15分鐘快速完成直播間搭建，自動生成匹配產品特色的講品話術，開啟智能互動問答。

在某餐飲品牌的直播間，曦靈數(shù)字人主播自動生成直播話術，包含開場破冰、福利放送、暖場話術、催單話術等。在這場真人與曦靈數(shù)字人的接力直播中，用戶竟然沒有絲毫察覺。

更令人驚訝的事，在真實6小時的直播比對中，數(shù)字人主播僅需真人主播15%的成本，就可獲得真人主播85%GMV。

除了直播帶貨，百度智能云曦靈作為國內首個大模型全面重構的數(shù)字人平臺，還可為企業(yè)提供2D真人、3D寫實、3D超寫實的人像，實現(xiàn)視頻制作、數(shù)字員工、數(shù)字人代言人等多種應用。

比如，在曦靈平臺，只需5分鐘的真人視頻，半小時即可訓練人像，錄制100句話語，24小時生成專屬音色庫，相比真人授課成本只需過去的30%，錄制效率提升20倍。

不難發(fā)現(xiàn)，經過大模型重塑與賦能的數(shù)字人，一定程度上擺脫了價格昂貴、互動性差等問題，越來越廣泛地出現(xiàn)在短視頻、直播間中。

同時，數(shù)字人開始朝著更多“身份”進軍——銀行理財師、律師、老師、已逝的名人……數(shù)字人正在成為任何想成為的人，也為這條日漸擁擠的賽道帶來了新的機遇。

2.讓數(shù)字人更像“人”

大模型的出現(xiàn)讓數(shù)字人“脫胎換骨”，成為如今最火的創(chuàng)業(yè)賽道之一。

目前市場上主要的數(shù)字人廠商主要有兩類：一類是以百度、騰訊、華為等為代表的科技巨頭，基于自身大模型方面的優(yōu)勢研發(fā)推出數(shù)字人產品;另一類是以硅基智能、出門問問、相芯科技等為代表的中小廠商。

多名人工智能領域投資人表示，目前AIGC(生成式人工智能)還處于早期階段，能落地產生利潤的不多，數(shù)字人是其中比較少有的商業(yè)化路徑，且已經能夠盈利的項目。

但隨著大量的創(chuàng)業(yè)者涌入，行業(yè)競爭趨于激烈和同質化，賽道逐漸變得擁擠和內卷。

內卷的一個表現(xiàn)是價格越降越低。目前2D數(shù)字人的價格大多數(shù)已經降到千元級別，有的甚至只需要幾百元。

360集團的數(shù)字人營銷服務也顯示，通過智能營銷云平臺的配套SaaS服務推廣給客戶，按照會員用戶每月付費的標準估算，一款數(shù)字人的價格最低幾十元，最高在一、二百元上下。

隨著大量低成本的數(shù)字人涌入市場，百元級別的數(shù)字分身迅速被炒成一本萬利的“財富經”。

每到深夜，打開主流平臺，大量的數(shù)字人堅守在直播間。隨之而來的是關于數(shù)字人的質疑聲漸起，諸如效果太假、市場混亂等，導致用戶體驗不佳。

有業(yè)內人士認為，隨著越來越多的玩家涌入，一些創(chuàng)業(yè)者技術能力有限，生產的數(shù)字人產品質量良莠不齊，容易導致劣幣驅逐良幣。

一方面，數(shù)字人多用于較為簡單的環(huán)境、解決較為基礎的問題，在場景切換或面對多輪對話時，可能出現(xiàn)答非所問或陷入死循環(huán)的情況，制約用戶體驗。

另一方面，大模型下的數(shù)字人交互體驗始終與真人存在明顯差異，比如，在Sora生成內容中，無視物理學原理、人的手指時多時少等問題被廣為詬病，可能進一步引發(fā)心理方面的“恐怖谷效應”。

對此，也有專家認為，需要進一步提升技術創(chuàng)新能力和用戶體驗感，在保證數(shù)字人外在擬人效果的同時，優(yōu)化用戶交互體驗，注重實時渲染、光學捕捉、三維重建、智能人機交互等新興技術與自然語言處理、語音識別、計算機視覺、生成式AI等技術的研究和應用。

“當前行業(yè)正在共同突破的技術目標是‘如何讓數(shù)字人變得更像一個人’，像人一樣去思考”，一位業(yè)內人士表示，加快企業(yè)間的技術協(xié)同，解決交互型數(shù)字人在情緒感知、語義理解等方面的技術難題是接下來的重點。

這一系列的挑戰(zhàn)都指向技術側。

2024年度《中國虛擬數(shù)字人影響力指數(shù)報告》指出，截至2024年2月底，國家知識產權局“專利檢索”數(shù)據(jù)顯示，2023年全年數(shù)字人領域專利申請數(shù)高達544個，反映出業(yè)界在核心技術研發(fā)上的強勁勢頭和深度創(chuàng)新。

從2023年數(shù)字人相關專利申請機構來看，以百度、騰訊為代表的老牌互聯(lián)網巨頭，以中國移動、工商銀行為代表的頭部通信、金融機構，以小冰公司、世優(yōu)科技、黑鏡科技為代表的頭部數(shù)字人公司形成了技術端的多強格局。

盡管行業(yè)頭部大廠在AI技術上擁有了先發(fā)優(yōu)勢，但在產業(yè)高速發(fā)展的過程中，每個公司在技術本身都沒有絕對的壁壘，本質上技術背后是人。對于所有數(shù)字人廠商來說，AIGC帶來機會的同時，也成為直面挑戰(zhàn)的起點。

3.結語

數(shù)字人正處于風口，吸引了大量想分一杯羹的創(chuàng)業(yè)者涌入。但不可否認的是，作為一項年輕的技術，數(shù)字人還處于早期階段，市場尚在培育之中。

對于同處一片紅海中的數(shù)字人公司來說，要思考的或許不是如何“卷低價”，而是通過技術的不斷進步，讓數(shù)字人“更像人”，提高行業(yè)的整體水位，讓數(shù)字人“活下去”，創(chuàng)造更多的價值。