從前年開(kāi)始，很多品牌主紛紛啟用虛擬人作為品牌代言人。請(qǐng)明星不但要承擔(dān)過(guò)高的預(yù)算，還有隨時(shí)可能“塌房”的風(fēng)險(xiǎn)，真人各種不可控的因素讓品牌們苦不堪言，于是他們只好轉(zhuǎn)投可以由自己百分百掌控的“數(shù)字人”。

而虛擬人爆火的同時(shí)，數(shù)字人的另一種形態(tài)——數(shù)字分身也在蔚然成風(fēng)。這兩者的區(qū)別簡(jiǎn)單來(lái)說(shuō)就是“虛擬人”是完全虛構(gòu)的，直接由計(jì)算機(jī)生成的，而“數(shù)字分身”則是一個(gè)真實(shí)人物的數(shù)字孿生體。

生成式AI技術(shù)作為一種利用深度學(xué)習(xí)模型從數(shù)據(jù)中學(xué)習(xí)并生成新的內(nèi)容的技術(shù)，可以根據(jù)文本、圖像、音頻等輸入，生成各種類型的輸出，如3D模型、視頻、動(dòng)畫(huà)、音樂(lè)、詩(shī)歌等。生成式AI技術(shù)的進(jìn)步將為數(shù)字人提供了強(qiáng)大的支撐，使其能夠適應(yīng)不同的場(chǎng)景和需求，展現(xiàn)出無(wú)限的可能性。這也意味著人們?cè)诰€交流的形式將徹底發(fā)生改變。數(shù)字人栩栩如生的外觀，生動(dòng)的表情，再加上AI技術(shù)加持下具備“最強(qiáng)大腦”，會(huì)為我們營(yíng)造出逼真的互動(dòng)性。

△元分身數(shù)字人直播產(chǎn)品

主流數(shù)字人的技術(shù)原理和應(yīng)用

目前國(guó)內(nèi)的數(shù)字人技術(shù)廠商底層技術(shù)主要以NLP（Natural Language Processing自然語(yǔ)言處理）技術(shù)、多模態(tài)融合交互（不同形式的輸入組合（例如，語(yǔ)音、手勢(shì)、觸摸、凝視等）被稱為多模態(tài)交互模式，其目標(biāo)是向用戶提供與計(jì)算機(jī)進(jìn)行交互的多種選擇方式，以支持自然的用戶選擇。）和大模型（大模型又可以稱為Foundation Model（基石）模型，模型通過(guò)億級(jí)的語(yǔ)料或者圖像進(jìn)行知識(shí)抽取，學(xué)習(xí)進(jìn)而生產(chǎn)了億級(jí)參數(shù)的大模型。）、XR技術(shù)（Extended Reality擴(kuò)展現(xiàn)實(shí)，是指通過(guò)計(jì)算機(jī)將真實(shí)與虛擬相結(jié)合，打造一個(gè)可人機(jī)交互的虛擬環(huán)境，這也是AR、VR、MR等多種技術(shù)的統(tǒng)稱。）這三種技術(shù)為底層技術(shù)依托打造數(shù)字人。

其中NLP技術(shù)以創(chuàng)始團(tuán)隊(duì)為浙江大學(xué)計(jì)算機(jī)學(xué)院人工智能研究所出身的一知智能、上市公司天娛數(shù)科戰(zhàn)略投資的專門(mén)做元宇宙虛擬人相關(guān)業(yè)務(wù)的科技營(yíng)銷公司元境科技兩家為典型代表。

一知智能

一知智能CTO李一夫在采訪中表示，一知智能創(chuàng)始團(tuán)隊(duì)一開(kāi)始就是研究NLP技術(shù)的，目前一知智能的智能客服等產(chǎn)品就是結(jié)合一知智能的NLP能力研發(fā)的。在持續(xù)探索商業(yè)化的過(guò)程中，一知智能研發(fā)團(tuán)隊(duì)也在積極關(guān)注和思考前沿技術(shù)的發(fā)展。

一知智能CTO李一夫向非凡產(chǎn)研記者介紹，與同行業(yè)產(chǎn)品對(duì)比中，尤其是在真人驅(qū)動(dòng)以及口唇同步效果方面，一知智能的數(shù)字人在行業(yè)中應(yīng)該是處于遙遙領(lǐng)先的狀態(tài)。尤其在技術(shù)優(yōu)勢(shì)方面，由于一知智能過(guò)去幾年積累了大量的語(yǔ)料，迭代出領(lǐng)先的消費(fèi)行業(yè)語(yǔ)音與語(yǔ)義相關(guān)的模型，結(jié)合自身在多模塊交互方面的研究沉淀，未來(lái)一知智能將會(huì)在數(shù)字人的基礎(chǔ)上疊加交互的部分，從而擴(kuò)大技術(shù)方面的競(jìng)爭(zhēng)優(yōu)勢(shì)。

另一方面，一知智能過(guò)去在消費(fèi)領(lǐng)域積累的客戶、業(yè)務(wù)優(yōu)勢(shì)，將會(huì)使一知智能的數(shù)字人在幫助客戶找PMF的應(yīng)用中取得更大的競(jìng)爭(zhēng)力。

元境科技

△元享智能云平臺(tái)界面

元境科技的產(chǎn)品體系為1+X，其中“1”指元境科技自主研發(fā)的產(chǎn)品平臺(tái)“元享”，通過(guò)這個(gè)平臺(tái)元境科技將持續(xù)架設(shè)很多產(chǎn)品，聚焦垂直賽道和細(xì)分領(lǐng)域，同時(shí)提供專業(yè)產(chǎn)品服務(wù)和集成服務(wù)，簡(jiǎn)化和降低技術(shù)的應(yīng)用門(mén)檻。元境科技目前的市場(chǎng)定位、探索主要聚焦在如何把一些最新自主訓(xùn)練技術(shù)、自主研發(fā)技術(shù)整合投放個(gè)一些垂直行業(yè)的應(yīng)用場(chǎng)景。相比通用型產(chǎn)品，元境科技未來(lái)聚焦的方向?qū)⒁源怪睉?yīng)用場(chǎng)景為主。

倒映有聲

倒映有聲成立四年多以來(lái)，則一直聚焦在多模態(tài)的驅(qū)動(dòng)和生成技術(shù)。創(chuàng)始人兼CEO肖朔介紹說(shuō)，倒映有聲把文本、聲音和圖像，以及數(shù)字人相關(guān)的動(dòng)作驅(qū)動(dòng)幾個(gè)環(huán)節(jié)整合到一起，形成“多模態(tài)的神經(jīng)渲染引擎”。目前，倒映有聲主要服務(wù)B端客戶場(chǎng)景，提供AI數(shù)字人技術(shù)解決方案、可視化的操作界面、以及直接調(diào)取API技術(shù)接口，幫助客戶去做數(shù)字人音頻和視頻內(nèi)容生產(chǎn)，最終實(shí)現(xiàn)解放真人勞動(dòng)力、降本增效的目的。

在倒映有聲創(chuàng)始人兼CEO肖朔看來(lái)，目前的技術(shù)流派可以分為兩種：第一種是基于傳統(tǒng)的3D建模方式，用海外比較成熟的UE或unity的引擎來(lái)進(jìn)行渲染，這套方案在游戲或者影視當(dāng)中應(yīng)用較多，現(xiàn)在也有很多優(yōu)秀的技術(shù)公司把它應(yīng)用在了數(shù)字人或元宇宙場(chǎng)景，也同樣取得了不錯(cuò)的應(yīng)用效果。而倒映有聲采用的是另外一套技術(shù)方案，不需要做傳統(tǒng)的3D建模，能夠節(jié)約大量的人力成本和時(shí)間成本，以及不需要再借用海外壟斷性質(zhì)的渲染引擎，因此倒映有聲可以實(shí)現(xiàn)用更低的成本和更標(biāo)準(zhǔn)化的模式，在云端快速地完成與數(shù)字人相關(guān)的多模態(tài)內(nèi)容生產(chǎn)。

拓元智慧

基團(tuán)隊(duì)的多模態(tài)AIGC與互動(dòng)技術(shù)，元分身平臺(tái)可以打造媲美真人的AI數(shù)智人，應(yīng)用于視頻合成、直播、互動(dòng)等場(chǎng)景，為客戶提供數(shù)智人定制、視頻制作服務(wù)平臺(tái)、直播服務(wù)平臺(tái)、個(gè)性化交互等服務(wù)。其中，視頻創(chuàng)作及合成應(yīng)用適合教育、醫(yī)學(xué)、科技、金融、企事業(yè)等泛內(nèi)容傳播，直播應(yīng)用適用于本地生活商家、品牌店鋪、私域24小時(shí)直播門(mén)店等場(chǎng)景，而交互數(shù)字人則適用于售前售后客服和專家型咨詢陪伴等場(chǎng)景。

創(chuàng)想數(shù)維

創(chuàng)想數(shù)維的核心技術(shù)特點(diǎn)包括：首先，具備優(yōu)秀的自出研發(fā)和生產(chǎn)硬件設(shè)備的能力，且成本相對(duì)較低；其次，擁有一個(gè)核心的、平臺(tái)級(jí)別的軟件，包括渲染服務(wù)器和軟件，這也是創(chuàng)想數(shù)維技術(shù)的一個(gè)核心組成部分。除此之外，創(chuàng)想數(shù)維正在開(kāi)發(fā)利用AIGC技術(shù)快速生成3D場(chǎng)景和動(dòng)畫(huà)等算法和工具。

宙予科技是生成式AI驅(qū)動(dòng)的空間化電商全案服務(wù)商。去年宙予科技開(kāi)發(fā)了618京東元宇宙電商項(xiàng)目。作為全球首個(gè)元宇宙電商項(xiàng)目，在轉(zhuǎn)化率等核心指標(biāo)，達(dá)到傳統(tǒng)電商十倍之多，實(shí)現(xiàn)了3D互聯(lián)網(wǎng)場(chǎng)景營(yíng)銷轉(zhuǎn)化效果的重大突破。目前宙予科技正在進(jìn)行5000萬(wàn)人民幣或等值美元的A輪融資。創(chuàng)始人朱峰是北京大學(xué)本碩，從物理轉(zhuǎn)修電影導(dǎo)演/文化產(chǎn)業(yè)。宙予合伙人團(tuán)隊(duì)由四位相識(shí)20年的發(fā)小組成，是北京四中、北京大學(xué)的高中/大學(xué)/碩博士同年級(jí)同學(xué)，包括兩位電商老兵和兩位元宇宙渲染引擎專家，是空間化元宇宙電商創(chuàng)業(yè)的最優(yōu)搭配。

△宙予科技AI虛擬主播

“AIGC”全稱為“Artificial Inteligence Generated Content 人工智能生成內(nèi)容”，中國(guó)信通院發(fā)布的《人工智能生成內(nèi)容（AIGC）白皮書(shū)》認(rèn)為，目前關(guān)于 AIGC 的概念并沒(méi)有統(tǒng)一界定，國(guó)內(nèi)產(chǎn)學(xué)研界的理解是“繼專業(yè)生成內(nèi)容(Professional Generated Content，PGC)和用戶生成內(nèi)容(User Generated Content UGC)之后，利用人工智能技術(shù)自動(dòng)生成內(nèi)容的新型生產(chǎn)方式”。維基百科給出的解釋則是“人工智能合成媒體(AI-generated Media 或 Synthetic Media)”，指“通過(guò)人工智能算法對(duì)數(shù)據(jù)或媒體進(jìn)行生產(chǎn)、操控和修改的統(tǒng)稱”。

目前數(shù)字人主要有三大應(yīng)用場(chǎng)景。

第一個(gè)是圍繞類流媒體的播報(bào)場(chǎng)景。這類場(chǎng)景的人員播講內(nèi)容和模式通常都比較固定，不需要太復(fù)雜的情感演繹，因此這類重復(fù)的勞動(dòng)力很容易用AIGC的方式來(lái)代替。倒映有聲創(chuàng)始人兼CEO肖朔介紹，他們已經(jīng)在融媒體新聞播報(bào)、教育培訓(xùn)、醫(yī)療科普、金融、泛娛樂(lè)等場(chǎng)景成功應(yīng)用數(shù)字人。

△倒映有聲數(shù)字人分身內(nèi)容創(chuàng)作平臺(tái)

依托倒映有聲的融媒體AI數(shù)字人技術(shù)解決方案，只需10分鐘有效音畫(huà)數(shù)據(jù)采集，就可以打造1個(gè)主播的AI數(shù)字分身。在倒映有聲旗下的數(shù)字分身內(nèi)容創(chuàng)作平臺(tái)上，只需要輸入文字，就可以一鍵生成音頻和視頻。AI主播/AI數(shù)字人可以24小時(shí)不間斷進(jìn)行內(nèi)容生產(chǎn)和播報(bào)。這也數(shù)字人的一個(gè)極具代表性的應(yīng)用場(chǎng)景。

拓元智慧的數(shù)字人除了可以還原主播真人的外形、表情、動(dòng)作和聲音，還支持多語(yǔ)種功能。無(wú)論在視覺(jué)效果或是語(yǔ)音語(yǔ)調(diào)上，拓元智慧數(shù)字人已具有超過(guò)95%的擬真度，整體表現(xiàn)與真人無(wú)異甚至超越真人主播。真正實(shí)現(xiàn)一個(gè)運(yùn)營(yíng)頂一個(gè)團(tuán)隊(duì)，孵化并管理多個(gè)IP，極大地降低制作成本，10倍以上提高效率。

第三種是短視頻、直播帶貨這樣的娛樂(lè)場(chǎng)景。數(shù)字人能為小B或者大C類用戶提供低成本的代替他們的人工在長(zhǎng)尾的時(shí)間段去進(jìn)行內(nèi)容的持續(xù)化輸出。拓元智慧數(shù)字人直播產(chǎn)品，可以隨時(shí)代替真人主播出鏡，通過(guò)AI自動(dòng)編排話術(shù)模塊，搭載智能對(duì)話問(wèn)答系統(tǒng)，實(shí)現(xiàn)7*24小時(shí)直播，輕松獲得閑時(shí)流量收益。

另一點(diǎn)就是虛擬人數(shù)字人可以24小時(shí)不間斷直播、和個(gè)性化定制，能夠聚焦更多人群，同時(shí)可以通過(guò)技術(shù)手段進(jìn)行批量生產(chǎn)，橫向和縱向擴(kuò)展性很強(qiáng)，現(xiàn)在很多企業(yè)和團(tuán)隊(duì)就在應(yīng)用我們的元享平臺(tái)的智播模塊進(jìn)行直播，效果很不錯(cuò)，并且虛擬人數(shù)字人的直播模式是批量可復(fù)制的，因此一旦能成功，便會(huì)給企業(yè)降本增效帶來(lái)很明顯的變化。而且這個(gè)賽道的核心競(jìng)爭(zhēng)優(yōu)勢(shì)不是技術(shù)，而是對(duì)業(yè)務(wù)和場(chǎng)景的編排能力。

創(chuàng)想數(shù)維也計(jì)劃推出一些針對(duì)C端用戶的產(chǎn)品和解決方案。例如快速?gòu)?D草圖生成3D場(chǎng)景，全面實(shí)現(xiàn)剪輯、調(diào)色和燈光等方面的 AI 自動(dòng)化，從而完全擺脫中之人或人為操作。

生成式AI技術(shù)讓數(shù)字人“活”起來(lái)

數(shù)字人雖然已經(jīng)誕生了很長(zhǎng)時(shí)間，但其長(zhǎng)期以來(lái)被吐槽最多的就是大部分?jǐn)?shù)字人都過(guò)于呆板，除了表情和姿勢(shì)過(guò)于僵硬之外，還完全沒(méi)法與用戶個(gè)性化，甚至實(shí)時(shí)互動(dòng)。一項(xiàng)數(shù)據(jù)表明，人和人之間55%的交流靠肢體語(yǔ)言，38%靠語(yǔ)調(diào)，只有7%是靠語(yǔ)言。因此數(shù)字人的互動(dòng)能力對(duì)提升用戶體驗(yàn)非常重要。而隨著生成式AI（Generative AI）技術(shù)的爆發(fā)，將會(huì)很好的賦能數(shù)字人，極大提升數(shù)字人的生動(dòng)力。

1、生成式AI技術(shù)是提升數(shù)字人交互能力的拐點(diǎn)

一知智能CTO李一夫認(rèn)為生成式AI技術(shù)是提示數(shù)字人交互能力的一個(gè)重要技術(shù)拐點(diǎn)。但目前面臨的主要問(wèn)題在于生成式AI通過(guò)大模型形成答案的速度還比較慢，而交互場(chǎng)景對(duì)于實(shí)時(shí)性的速度要求又非常高，所以當(dāng)前生成式AI還不能直接運(yùn)用到數(shù)字人的交互上，這個(gè)也是未來(lái)需要大模型去解決的問(wèn)題之一。目前一知智能在產(chǎn)品上也在研究如何提高接入大模型以及生成式AI的能力，大模型如果能在響應(yīng)速度上得到飛躍的提升，那數(shù)字人的發(fā)展將會(huì)迎來(lái)很大進(jìn)步。

2、生成式AI技術(shù)如何賦能數(shù)字人

拓元智慧聯(lián)合創(chuàng)始人黃偉鵬介紹，目前元分身平臺(tái)的數(shù)字人已經(jīng)可以通過(guò)AIGC技術(shù)在短視頻、直播和一對(duì)一服務(wù)等場(chǎng)景中直接生成，并且可以與用戶進(jìn)行智能互動(dòng)。例如，在直播中，可以解析用戶的彈幕內(nèi)容并直接回答他們的問(wèn)題。在短視頻創(chuàng)作中，設(shè)有AI文案功能，幫助運(yùn)營(yíng)者生成文案或改寫(xiě)文案，極大減輕視頻工作者的創(chuàng)作壓力。

同時(shí)，在互動(dòng)客服、業(yè)務(wù)引導(dǎo)等方面，元分身也可以實(shí)現(xiàn)實(shí)時(shí)的一對(duì)一驅(qū)動(dòng)，將ASR轉(zhuǎn)化為NLP，進(jìn)而生成答案并合成語(yǔ)音，在前端輸出時(shí)還可以進(jìn)行面部表情、手勢(shì)等交互操作。通過(guò)這些技術(shù)優(yōu)化，可以明顯提示數(shù)字人的交互能力。

創(chuàng)想數(shù)維CEO吳未表示數(shù)字人制作流程一般包括設(shè)計(jì)、建模制作、驅(qū)動(dòng)和運(yùn)營(yíng)環(huán)節(jié)。在這個(gè)流程中，就可以應(yīng)用大量的人工智能算法和模型，來(lái)加快速度。同時(shí)，生成式AI也能使數(shù)字人的響應(yīng)更加智能化，更符合人類特性。舉例來(lái)說(shuō)，以前數(shù)字人驅(qū)動(dòng)一般需要構(gòu)建知識(shí)圖譜，然后將其制作成語(yǔ)音庫(kù)和動(dòng)作庫(kù)，只能回答知識(shí)圖譜范圍內(nèi)的問(wèn)題。但有了大語(yǔ)言模型，只需要組合其他組件，如文字轉(zhuǎn)語(yǔ)音、語(yǔ)音轉(zhuǎn)動(dòng)作、表情庫(kù)和動(dòng)作庫(kù)，就能生成一個(gè)可以響應(yīng)任何問(wèn)題的智能化AI驅(qū)動(dòng)程序。因此，我們可以像搭樂(lè)高積木一樣，將各種人工智能組件拼接起來(lái)，以更低的成本獲得更好的數(shù)字人驅(qū)動(dòng)效果。

宙予科技創(chuàng)始人朱峰表示數(shù)字人的交互一般指的是視覺(jué)、聽(tīng)覺(jué)和觸覺(jué)三方面。這三個(gè)方面目前都有不同的公司在做。而觸覺(jué)的提升還屬于超早期的階段，現(xiàn)階段暫時(shí)還沒(méi)有已經(jīng)能夠落地的方案出來(lái)。在視、聽(tīng)覺(jué)這兩塊，已經(jīng)有很大進(jìn)展。尤其在聽(tīng)覺(jué)方面，小冰、科大訊飛，阿里等企業(yè)都在努力克服TTS（Text To Speech）生成的語(yǔ)言的連貫性和情緒問(wèn)題。

目前數(shù)字人已經(jīng)都能很流暢平靜的表達(dá)，但在聲音的抑揚(yáng)頓挫，音量變化方面仍然有很大提升空間。尤其是人類的情緒變化很多變，語(yǔ)言常常很難準(zhǔn)確表達(dá)，如何精確培訓(xùn)數(shù)字人具備這一敏感度，將會(huì)有很大挑戰(zhàn)。

再說(shuō)圖像領(lǐng)域，目前一個(gè)趨勢(shì)是傳統(tǒng)計(jì)算機(jī)圖形學(xué)的動(dòng)搖甚至消亡。原來(lái)的計(jì)算機(jī)圖形圖像學(xué)指的是mesh和texture的體系，就是每一個(gè)電腦動(dòng)畫(huà)要先建出來(lái)模型，模型上面有蒙皮，然后兩個(gè)東西加在一起才有了傳統(tǒng)的模型。后來(lái)有了神經(jīng)網(wǎng)絡(luò)輻射場(chǎng)（Nerf），然后通過(guò)Nerf去做三維空間，從點(diǎn)、云和三角片狀的一些非常零散的呈現(xiàn)面，去表現(xiàn)一個(gè)非常真實(shí)的立體空間的折射反射現(xiàn)象。它雖然和以往的三維模型加材質(zhì)工作流不完全兼容，但在UE里面已經(jīng)實(shí)現(xiàn)將Nerf模型直接放入傳統(tǒng)工作流形成的環(huán)境中直接渲染的案例了，不做動(dòng)畫(huà)的話，效果甚至不錯(cuò)。

所以最近的一個(gè)技術(shù)熱點(diǎn)就是把Nerf本身的呈現(xiàn)方式還原成點(diǎn)云，然后再進(jìn)一步地還原成傳統(tǒng)的mesh和texture去和它兼容，試著做動(dòng)畫(huà)的打通。這還是對(duì)于以往的流程的一種改良。但是目前通過(guò)prompt就能實(shí)現(xiàn)文生圖的技術(shù)，對(duì)于傳統(tǒng)流程非常大的顛覆性，意味著幾毫秒就能實(shí)時(shí)生成一堆圖。在現(xiàn)在 AGI技術(shù)大流行的前提之下，將來(lái)整個(gè)傳統(tǒng)三維的實(shí)時(shí)渲染工作流將可能全部被革新，這是未來(lái)的虛擬人可以走的三條路。

2、生成式AI將帶來(lái)數(shù)字人的交互場(chǎng)景創(chuàng)新

一旦數(shù)字人的交互能力有很大進(jìn)步之后，將會(huì)為下面幾個(gè)場(chǎng)景的用戶體驗(yàn)帶來(lái)很大的提升。

倒映有聲創(chuàng)始人兼CEO肖朔認(rèn)為，數(shù)字人交互能力落地后首先帶來(lái)改變的就是，可以解決游戲場(chǎng)景中NPC角色配音問(wèn)題，以及讓NPC擁有更豐富的互動(dòng)能力，產(chǎn)生不一樣的文本響應(yīng)，尤其對(duì)于一些養(yǎng)成類游戲的用戶體驗(yàn)的提高將會(huì)帶來(lái)很大幫助。

第二類是對(duì)短視頻領(lǐng)域的AI直播帶貨場(chǎng)景將會(huì)有很大優(yōu)化。現(xiàn)在的AI數(shù)字人直播技術(shù)依然有很明顯的缺陷，比如說(shuō)虛擬主播手上不能拿商品，而且沒(méi)有真人主播那么及時(shí)的響應(yīng)速度，所以目前虛擬主播還很難替代真人。但如果虛擬主播的交互能力得到很大提升之后，再加上虛擬主播可以24小時(shí)在線，這將會(huì)為直播帶貨行業(yè)帶來(lái)革命性變化。

第三種是對(duì)一些功能性場(chǎng)景的體驗(yàn)和能力優(yōu)化。比如AI老師，AI券商分析師早期可能只能單純地做內(nèi)容輸出，后面交互技術(shù)提升了就能接入比如實(shí)時(shí)問(wèn)答系統(tǒng)，可以及時(shí)回答用戶的專業(yè)問(wèn)題。后面他會(huì)接上一些。我們其實(shí)是叫做問(wèn)答系統(tǒng)。

但目前整個(gè)的渲染技術(shù)，包括虛擬人的形象等還需要再去提升，因?yàn)榭蛻舳说捏w驗(yàn)非常重要。在做交互之前，第一步要先要把畫(huà)面呈現(xiàn)達(dá)到一定水平，再結(jié)合交互，這樣才能夠真正產(chǎn)生商業(yè)化的價(jià)值。尤其大品牌會(huì)要求虛擬人跟自己的品牌形象和品牌調(diào)性高度契合，所以對(duì)此要求會(huì)比較高。

國(guó)內(nèi)數(shù)字人和生成式AI技術(shù)的發(fā)展現(xiàn)狀和機(jī)遇

國(guó)內(nèi)外在數(shù)字人和生成式AI技術(shù)領(lǐng)域內(nèi)的差異顯而易見(jiàn)，只有正視自身短處，才能找到前進(jìn)動(dòng)力和方向。采訪嘉賓們也分別為我們介紹了目前國(guó)內(nèi)在技術(shù)、商業(yè)化方面的短板在哪里。

1、數(shù)字人要克服的挑戰(zhàn)和難點(diǎn)

倒映有聲創(chuàng)始人兼CEO肖朔認(rèn)為，數(shù)字人的技術(shù)離天花板尚有很遠(yuǎn)的距離，雖然大家要面臨很多挑戰(zhàn)，但也意味著大量的創(chuàng)業(yè)公司依然有很多機(jī)會(huì)窗口。他說(shuō)，以3D數(shù)字人和2D數(shù)字人兩種技術(shù)解決方案為例， 3D數(shù)字人的技術(shù)能夠做到很高端精細(xì)的效果，但是財(cái)務(wù)成本、時(shí)間成本、人力成本都很高，那么，破局之道就是解決成本問(wèn)題。而對(duì)于同倒映有聲一樣深耕 2D 數(shù)字人技術(shù)解決方案的公司來(lái)說(shuō)，核心競(jìng)爭(zhēng)力則是要在人物動(dòng)作的復(fù)雜度上不斷加強(qiáng)，更擬真、更細(xì)化、更交互、更有情感，以及模態(tài)的更深融合，都是需要進(jìn)一步投入研發(fā)的。

創(chuàng)想數(shù)維CEO吳未認(rèn)為國(guó)內(nèi)數(shù)字人技術(shù)面臨以下幾大挑戰(zhàn)。首先，國(guó)內(nèi)企業(yè)需要跟上研發(fā)的節(jié)奏，因?yàn)楝F(xiàn)在很多核心組件都需要在國(guó)外廠商那里投入資源去研發(fā)。國(guó)內(nèi)的替代速度相對(duì)較慢，所以行業(yè)需要更好、更便宜的組成部件來(lái)降低整體解決方案的成本，同時(shí)周邊生態(tài)也要能跟上。

2、國(guó)內(nèi)生成式AI技術(shù)的挑戰(zhàn)和難點(diǎn)

1）商業(yè)模式層面

一知智能CTO李一夫認(rèn)為，國(guó)內(nèi)的生成式AI在技術(shù)方面很多還是依賴GPT、diffusion等API或開(kāi)源框架。在商業(yè)化方面，整個(gè)生成式AI中，大模型可分為“底層”跟“應(yīng)用層”兩層，其中“底層”又包含大模型的“模型層”等，而目前底層模型仍存在非常大的難點(diǎn)需要去攻克，因此關(guān)于商業(yè)化的討論我們更多的都是針對(duì)應(yīng)用層的公司。

拓元智慧聯(lián)創(chuàng)兼元分身平臺(tái)總經(jīng)理黃偉鵬表示，這兩年處于AI技術(shù)發(fā)展的拐點(diǎn)，去年11月到現(xiàn)在，全球已經(jīng)公布總計(jì)超過(guò)20個(gè)大模型產(chǎn)品，讓科技圈都看到了希望，除了前期需要大量的創(chuàng)新實(shí)踐，去探索前沿技術(shù)的商業(yè)可行性，資金支持也是必不可少的。

目前國(guó)內(nèi)應(yīng)用層的創(chuàng)業(yè)者公司主要有下面兩類，一種是自身有一定技術(shù)背景，然后依賴國(guó)外廠商API的公司，他們?cè)诖怪被Ｐ脱邪l(fā)的過(guò)程中，可能遇到的挑戰(zhàn)是大模型開(kāi)放API后，固有技術(shù)壁壘的競(jìng)爭(zhēng)優(yōu)勢(shì)會(huì)受到影響，同時(shí)也會(huì)面臨訓(xùn)練成本高的問(wèn)題。另外一種企業(yè)可能原來(lái)是在做SaaS工具且具備業(yè)務(wù)know-how的公司，他們會(huì)在原有的產(chǎn)品上疊加AIGC的能力，但由于缺乏自主研發(fā)的基因，因此即便預(yù)算足夠聘請(qǐng)算法工程師，但在對(duì)生成式AI的理解以及產(chǎn)品的落地方面往往會(huì)受限，這類廠商對(duì)商業(yè)化以及大廠提供生成式AI的依賴度較高，而部分連業(yè)務(wù)knowhow也缺乏的公司，更是面臨很高的創(chuàng)業(yè)成本。

拓元智慧聯(lián)創(chuàng)兼元分身平臺(tái)總經(jīng)理黃偉鵬表示，最大的挑戰(zhàn)是在數(shù)據(jù)量和算力上。在數(shù)據(jù)量上，優(yōu)質(zhì)的專門(mén)數(shù)據(jù)和資金支持研發(fā)，兩者缺一不可。而在算力上，像A100大算力顯卡供應(yīng)，在國(guó)內(nèi)仍處于卡脖子狀態(tài)，所以國(guó)內(nèi)的AIGC技術(shù)會(huì)和海外研發(fā)造成一定的差距。

創(chuàng)想數(shù)維CEO吳未認(rèn)為，首先，發(fā)展生成式AI技術(shù)的必要條件之一就是要有優(yōu)質(zhì)的數(shù)據(jù)，而不是簡(jiǎn)單的數(shù)據(jù)。然而，國(guó)內(nèi)很缺乏優(yōu)質(zhì)的結(jié)構(gòu)化數(shù)據(jù)，這是我們面臨的首要挑戰(zhàn)之一。其次，發(fā)展AI技術(shù)需要長(zhǎng)期投入研發(fā)資金，這可能需要5-10年的時(shí)間，而且在此之前很大概率并不賺錢。中國(guó)資本、政策以及企業(yè)家是否有足夠的定力看到這一點(diǎn)，并認(rèn)識(shí)到其發(fā)展的必要性將是很大的考驗(yàn)。

3、國(guó)內(nèi)外行業(yè)生態(tài)差距對(duì)比

生成式AI技術(shù)何時(shí)走向成熟和規(guī)?；瘧?yīng)用