“大模型落地應(yīng)用先行，應(yīng)用驅(qū)動(dòng)大模型進(jìn)化”。數(shù)字人，正在打響這個(gè)飛輪的第一槍。

一、“數(shù)字人+大模型”，跨過產(chǎn)業(yè)“恐怖谷”

恐怖谷效應(yīng)，一直是數(shù)字人賽道的發(fā)展掣肘。即盡管在過去的幾年時(shí)間里，從事數(shù)字人的企業(yè)和服務(wù)商不在少數(shù)，但由于其一直存在“恐怖谷效應(yīng)”，所以數(shù)字人的落地一直處于不慍不火的狀態(tài)。

而更拆解來看，這種恐怖谷則體現(xiàn)在數(shù)字人的動(dòng)作靈活度、語言回復(fù)（交互）、自然姿勢(shì)展現(xiàn)等多個(gè)緯度。

一位數(shù)字人公司的CTO曾告訴產(chǎn)業(yè)家，“在學(xué)術(shù)界和工業(yè)界，做數(shù)字人一般會(huì)使用‘微妙’這個(gè)詞，因?yàn)橐粋€(gè)微小的差別，都能被人們感覺到。”

“這個(gè)賽道的整個(gè)產(chǎn)業(yè)鏈仍然不完善，包括硬件這些，盡管直播和培訓(xùn)有不少企業(yè)選擇采買，但核心技術(shù)還是不到位，很多企業(yè)甚至?xí)约河妹赓M(fèi)的技術(shù)搭建一個(gè)，效果都大差不差。”一位地方文旅負(fù)責(zé)人表示。

但這個(gè)掣肘在4月16日晚的京東采銷直播間被“動(dòng)搖”。在當(dāng)天晚上18點(diǎn)，“采銷東哥AI數(shù)字人”進(jìn)行了其在京東直播的首秀，包括人物造型、口音貼合度、動(dòng)作姿態(tài)都與真人差別度極小，甚至偶爾還能飆出幾句“宿遷話”，其首秀不到1小時(shí)，直播間觀看量就超過2000萬，帶貨GMV更超5000萬。

“數(shù)字人，已經(jīng)跨過了‘恐怖谷’?！痹撠?fù)責(zé)人告訴我們，根據(jù)他介紹，在京東內(nèi)部，一個(gè)被力爭達(dá)成的目標(biāo)是“120s測(cè)試”，即如果在120s之內(nèi)觀眾沒有辨別出屏幕上的人為數(shù)字人，那么就可以稱之為跨過“恐怖谷”，而如今，這個(gè)挑戰(zhàn)已經(jīng)基本被完成。

這并不是一件容易的事。簡單的介紹是，目前行業(yè)內(nèi)對(duì)于數(shù)字人的構(gòu)建流程環(huán)節(jié)往往采取的是“建?！?qū)動(dòng)—渲染”的方式，但如果想要達(dá)成“自然無異”，甚至超過120s的真人效果，每個(gè)環(huán)節(jié)都需要做到完美，這還包括NLP、TTS的挑戰(zhàn)都必須攻克。

“京東云言犀數(shù)字人是端到端的視頻生成模式”該負(fù)責(zé)人告訴我們。Sora就是端到端的典型代表，但我們發(fā)現(xiàn)Sora生成的視頻仍經(jīng)常出現(xiàn)不合理的地方，比如扭曲的肢體動(dòng)作?！罢嬲逃眠€要面對(duì)幻覺問題，我們?cè)诨糜X壓降這塊下了很多功夫，因?yàn)榛糜X這類情況在商業(yè)上是不被允許的?！彼a(bǔ)充。

數(shù)據(jù)顯示，在“采銷東哥AI數(shù)字人”之外，在今年京東618期間，還有格力董明珠、海信胡劍涌、LG李東善、名創(chuàng)優(yōu)品葉國富、潔麗雅石展承等超18位總裁數(shù)字人，都已經(jīng)走向臺(tái)前，成為品牌新的直播法寶。

也可以說，伴隨著大模型的出現(xiàn)，AI數(shù)字人正在釋放出更強(qiáng)的實(shí)用價(jià)值和更看得到的商業(yè)模式，不論是采銷東哥AI數(shù)字人，還是在品牌直播間愈發(fā)高頻出現(xiàn)的數(shù)字人主播，都在昭示著AI數(shù)字人這個(gè)顛覆性大模型產(chǎn)品的成熟。

但在數(shù)字人本身之外，如果從AI的視角來看，“大模型+數(shù)字人”到底意味著什么？

二、真實(shí)的數(shù)據(jù)閉環(huán)，和新“AI生產(chǎn)力”工具

關(guān)于大模型，行業(yè)內(nèi)有一個(gè)共識(shí)的說法，即不論如何“要先讓大模型跑起來”。在過去半年的大模型論壇或者圓桌會(huì)議上，這個(gè)說法已經(jīng)成為共識(shí)。

原因?yàn)楹危?/p>

答案仍然是數(shù)據(jù)。眾所周知，對(duì)這波浪潮的主角之一OpenAI而言，在過去的近2年時(shí)間里，其最大的資金投入之一是算力成本，不論是A100、H800還是其它系列的GPU，對(duì)應(yīng)的都是天價(jià)投入，這種大投入也更催生出了GPT到4.0版本的更新迭代。

但明眼人能看到的是，從GPT4.0到5.0，乃至后續(xù)的規(guī)劃上，OpenAI放緩了相應(yīng)的產(chǎn)品更新節(jié)奏。

實(shí)際上，在算力之外，一個(gè)在如雪球般滾動(dòng)的成本也更在成為OpenAI的資金大頭，甚至占比越來越高，它就是數(shù)據(jù)。如果說從小學(xué)到大學(xué)的通識(shí)教育，對(duì)應(yīng)的是互聯(lián)網(wǎng)線上的基礎(chǔ)數(shù)據(jù)樣本，那么從大學(xué)到對(duì)應(yīng)領(lǐng)域的深造學(xué)習(xí)，需要的則是更為真實(shí)且高質(zhì)量的數(shù)據(jù)，對(duì)模型進(jìn)行訓(xùn)練。

但這些數(shù)據(jù)，有盡頭。在不久前的一次科技論壇上，月之暗面創(chuàng)始人楊植麟也曾明確表示，大模型現(xiàn)階段的難點(diǎn)是如何找到更多更真實(shí)的數(shù)據(jù)，但這樣的數(shù)據(jù)現(xiàn)在很難找到，甚至是否真實(shí)存在，他的態(tài)度是“不確定”。

從行業(yè)視角來看，關(guān)于大模型訓(xùn)練的進(jìn)階數(shù)據(jù)有兩種方式最為主流。一是利用大模型生成數(shù)據(jù)，但需要在消除幻覺的基礎(chǔ)上；另一類是“創(chuàng)造真實(shí)的數(shù)據(jù)”，也就是尋找能跑起來的AI應(yīng)用。

對(duì)前者而言，這仍然是個(gè)數(shù)據(jù)是否真實(shí)的偽命題。但對(duì)于后者，如今已經(jīng)有跑出來的答案，它就是數(shù)字人。

能清晰看到的是，在AI數(shù)字人被一次次使用的當(dāng)下，它也更在通過一次次真實(shí)的交互生成出更為高質(zhì)量的數(shù)據(jù)，進(jìn)而反饋大模型訓(xùn)練，推動(dòng)整個(gè)閉環(huán)乃至大模型飛輪效應(yīng)的形成。

這種閉環(huán)的形成并非偶然，甚至也更可以成為一整個(gè)AI工程的長期落地。在京東內(nèi)部，早在2018年開始，多模態(tài)人機(jī)交互項(xiàng)目就已經(jīng)開始投入研發(fā)，而在如今生成式AI的催化下，它更是向前一步。

在大模型本身的幻覺層面，京東內(nèi)部團(tuán)隊(duì)也更是下了很大功夫。“我們認(rèn)為如果大模型不解決幻覺問題，不對(duì)其進(jìn)行極致的壓降，AI大模型很難成為未來真正的產(chǎn)業(yè)大廈?！?/strong>京東科技人工智能負(fù)責(zé)人告訴我們。