AI數(shù)字人正逐漸從科幻走向現(xiàn)實(shí)。從虛擬偶像到新聞主播，從廣告代言人到企業(yè)培訓(xùn)講師，AI數(shù)字人的應(yīng)用場景越來越廣泛。然而，隨著其技術(shù)的成熟，一個問題也逐漸浮現(xiàn)：AI數(shù)字人是否會取代人類的工作？

你印象里的數(shù)字人是什么樣的？

小編第一次見識數(shù)字人，是幾年前《明日之子 第一季》舞臺上的赫茲。一個長得像動漫人物、唱跳動作有點(diǎn)生硬的虛擬偶像。

那時候的數(shù)字人，更多像是秀肌肉的「技術(shù)demo」。有點(diǎn)意思，但也有點(diǎn)假，至少不像是能真正用起來的東西。

這幾年，數(shù)字人伴隨著爭議一路成長：有人迷戀它背后的「科技與狠活」，有人嘲笑它的一眼假、五官僵，甚至直接拿來做段子。但就在這一路謾罵與掌聲的夾雜中，AI數(shù)字人正在以肉眼可見的速度進(jìn)化。尤其是在AI生成內(nèi)容已經(jīng)內(nèi)卷到不能再卷的當(dāng)下，曾一度被資本催熟、又被用戶嫌棄的數(shù)字人技術(shù)，正在悄然完成一次從秀場到工地的轉(zhuǎn)型。

一個很典型的信號，是今年2月字節(jié)跳動發(fā)布的OmniHuman-1模型。只需一張照片和一段音頻，就能合成一個會動、會說、能表達(dá)情緒，還能對口型的數(shù)字人視頻，甚至連背景、動作都能自適應(yīng)生成。幾乎同步，Hedra推出的Character-3也展示了在多平臺上的超高適配能力，角色能自然微笑、點(diǎn)頭、眨眼、起伏語調(diào)，給人的「類人幻覺」越來越真。

風(fēng)投也嗅到了不一樣的味道。不久前，a16z發(fā)布了一份關(guān)于AI數(shù)字人的行業(yè)報(bào)告，直接給出了一個判斷：底層技術(shù)基本準(zhǔn)備完畢，AI數(shù)字人正邁向爆發(fā)期，有望成為「下一個十億級賽道」。

說白了，這不是「數(shù)字人又回來了」，而是「這回，它真的準(zhǔn)備好了」。

過去十年，我們看著AI從「不會畫畫」進(jìn)化到「秒出插畫」，從「不會說話」躍升到「模仿語氣播報(bào)新聞」。而AI數(shù)字人，是把這些能力捏合成一個「人」，既能動，又能說，還能聽得懂指令和上下文。它可以是你早晨打開電視看到的財(cái)經(jīng)主播，也可能是你品牌廣告里的虛擬代言人，甚至成為公司培訓(xùn)中帶你講PPT、講規(guī)章制度的那位「數(shù)字同事」。

但問題來了：技術(shù)準(zhǔn)備好了，應(yīng)用真的準(zhǔn)備好了嗎？

01 為什么說AI數(shù)字人的機(jī)遇來了？

在過去的AI熱潮中，有太多「看起來很強(qiáng)、用起來不香」的技術(shù)。但AI數(shù)字人，正逐漸成為那個真正「能上手、能落地、能賺錢」的例外。a16z最近的報(bào)告直接下了一個判斷：「AI數(shù)字人將成為下一個十億級賽道?！孤犉饋碛悬c(diǎn)大詞，那它到底靠什么撐起這個估值呢？

第一，底層能力確實(shí)發(fā)生了質(zhì)變。

像字節(jié)跳動的OmniHuman-1和Hedra的Character-3是代表性成果。只需要一張照片、一段音頻，系統(tǒng)就能生成動態(tài)背景+口型對齊+肢體動作協(xié)調(diào)的完整AI視頻。數(shù)字人不僅能「說話」，還會「點(diǎn)頭微笑」「眨眼轉(zhuǎn)身」「識別語義調(diào)節(jié)語氣」。這意味著它們已經(jīng)大幅度穿過了「恐怖谷」，具備了真正的視覺與行為仿真能力。

第二，模塊打通，形成「全鏈協(xié)同」的生成閉環(huán)。

過去的AI數(shù)字人只是「人臉生成器」，現(xiàn)在則是一個完整的內(nèi)容協(xié)作系統(tǒng)：唇形同步、情緒識別、語音合成、動作邏輯、背景適配等技術(shù)模塊，已經(jīng)能夠標(biāo)準(zhǔn)化協(xié)同工作。像負(fù)責(zé)合成聲音的技術(shù)公司、做實(shí)時傳輸?shù)暮笈_系統(tǒng)，以及能自動生成虛擬人的平臺，現(xiàn)在都在「對接接口、打通系統(tǒng)」。原來一個視頻從配音到動畫、再到剪輯要靠好幾個人配合、反復(fù)溝通?，F(xiàn)在這些技術(shù)可以串聯(lián)起來，變成一套自動化流程，普通人也能一站式搞定。

第三，應(yīng)用場景正在「剛需化」。

過去企業(yè)用AI數(shù)字人是「試試看」，現(xiàn)在已經(jīng)變成了「必須用」。目前，很多場景需求已經(jīng)到了臨界點(diǎn)，但人力供給卻常常掉隊(duì)。比如廣告、電商、教育、政務(wù)等行業(yè)，對標(biāo)準(zhǔn)化視頻內(nèi)容的需求暴漲，但真人拍攝的成本和效率已遠(yuǎn)遠(yuǎn)跟不上。數(shù)字人恰好填補(bǔ)了這個缺口，它像流水線上的機(jī)器人一樣，高效、穩(wěn)定、成本低。

從「科技圈炫技」走到「行業(yè)里干活」，這條路徑并不陌生。AI數(shù)字人正在經(jīng)歷的，其實(shí)正是過去幾年AIGC（文生圖、文生視頻）已經(jīng)跑通的那條路。但也正是因?yàn)樗雌饋怼附K于能用了」，我們才必須問——現(xiàn)在真的適合讓它「上場」了嗎？它離大規(guī)模實(shí)用還有多少路？

這就不是模型的事了，而是場景的事，是人性的事。

02 AI數(shù)字人到底發(fā)展到了哪一步？

目前來看，大部分主流的AI數(shù)字人技術(shù)路徑可以歸結(jié)為三類：

第一種是輕量化合成路線，

以文字驅(qū)動的2D虛擬人，適用于低成本口播視頻和模板化內(nèi)容，典型代表如HeyGen、Synthesia。

第二種是中等擬真度+語音驅(qū)動路線，

融合TTS（文字轉(zhuǎn)語音）、唇形同步與基礎(chǔ)動作匹配，能實(shí)現(xiàn)「說話頭像」的效果，主流社媒平臺上已大量使用，尤其適合「知識類短視頻」。

第三種是高保真擬人路線，

3D建模+面部捕捉+神經(jīng)渲染，強(qiáng)調(diào)「像真人一樣思考和互動」，比如字節(jié)跳動的OmniHuman-1、Hedra的Character-3等，具備整合視聽動作的能力，朝「虛擬演說者」演化。

但熱鬧歸熱鬧，國內(nèi)真正能用到生產(chǎn)環(huán)節(jié)里的，目前其實(shí)只有少數(shù)幾個場景：

首先，是內(nèi)容快消領(lǐng)域。比如AI主播、講解員、短視頻腳本自動化生成、教學(xué)類內(nèi)容錄制等。優(yōu)點(diǎn)是便宜、省時、不出錯，缺點(diǎn)是重復(fù)性強(qiáng)、情緒表達(dá)弱。

其次，是品牌宣傳與廣告演示。可以用數(shù)字人代言產(chǎn)品、講品牌故事，甚至在電商平臺掛直播。但從廣告公司的反饋來看，客戶最在意的不是技術(shù)炫不炫，而是觀眾信不信、內(nèi)容轉(zhuǎn)化率高不高。

此外，還有企業(yè)培訓(xùn)與演示。這是目前增長最快的落地場景。從入職培訓(xùn)到銷售話術(shù)，AI數(shù)字人幫企業(yè)節(jié)約了大量拍攝與人力成本。配合多語種翻譯和知識圖譜，還能實(shí)現(xiàn)「全球化復(fù)制」。

至于傳媒行業(yè)、影視創(chuàng)作、互動娛樂等高情緒場景，目前還處在「小試牛刀」的階段。許多AI生成的人物雖然口型對了、節(jié)奏對了，但依然做不到「講一個動人故事」或「帶來一個觀點(diǎn)沖擊」。

這或許正是當(dāng)下最清晰的分野：AI數(shù)字人能替人說話，尚不能替人思考；能完成任務(wù)，卻還難以建立連接。

在寫這篇文章的時候，小編還去采訪了身邊的一家數(shù)字人創(chuàng)業(yè)公司，優(yōu)鏈時代。針對目前的行業(yè)現(xiàn)狀，他們非常巧妙地選擇了另一個方向：不做卡通風(fēng)的合成形象，而是通過高精度3D掃描技術(shù)，快速生成真人數(shù)字分身，用于文旅講解、虛擬發(fā)布會、在線教育。這種「高擬真+強(qiáng)定制」的路徑，本質(zhì)上是在滿足「場景信任感」的剛需——尤其是在「人設(shè)可信」遠(yuǎn)比「技術(shù)酷炫」更重要的場合。他們的底層判斷很簡單：技術(shù)卷得再快，最終決定AI數(shù)字人有沒有用的，還是場景和人性。

03 定制的完美打工人，廣告主用著「省心」嗎？

說完發(fā)展，再看看當(dāng)下AI數(shù)字人最實(shí)際的一個應(yīng)用場景，廣告。

在很多廣告人眼中，AI數(shù)字人乍一看簡直是為營銷而生的「理想員工」。

它標(biāo)準(zhǔn)化、可控、不鬧情緒，也沒有人設(shè)崩塌風(fēng)險。今天是極簡科技感的白皮書女主播，明天就能變成潮牌感十足的Z世代男孩。穿什么、說什么、怎么笑，全憑你設(shè)定。出錯了？刪稿、重制、一鍵回爐即可。

但真到了實(shí)際投放里，情況卻沒有這么「美夢照進(jìn)現(xiàn)實(shí)」。

「目前最適合數(shù)字人的場景，是高頻、重復(fù)、需要大量標(biāo)準(zhǔn)化內(nèi)容輸出的營銷動作。」十相宜創(chuàng)始人、《傳媒1號》首席營銷顧問王凱英跟我們介紹道。

比如一款產(chǎn)品，你不可能拍100支真人口播，但用數(shù)字人合成可以；又或者品牌想做“科技感”展示，AI主播確實(shí)加分。但要是到了真正講故事、拉近情感距離的環(huán)節(jié)，數(shù)字人就容易掉鏈子。

AI主播最大的問題，是信任感和氛圍感方面，有待提高。

尤其在當(dāng)下「內(nèi)容即社交」的語境中，品牌與用戶之間的關(guān)系，本質(zhì)上是建立在人與人之間的「信任關(guān)系」上的。而絕大多數(shù)AI數(shù)字人，哪怕外觀仿真、語音真實(shí)，但觀眾刷個三秒后，仍然很快就能識破這是一張「AI臉」。這種「類人但不夠人」的尷尬，很容易讓品牌花了錢，卻沒討好觀眾。

更別說，在現(xiàn)實(shí)操作中，創(chuàng)意團(tuán)隊(duì)和AI技術(shù)團(tuán)隊(duì)之間的溝通成本，比傳統(tǒng)拍攝反而更高。

你想讓數(shù)字人「微笑著眨眼說出這句話」，這不是動動嘴皮的事。你得調(diào)參數(shù)、試口型、配光線、導(dǎo)出素材、反復(fù)預(yù)覽。很多時候，最后還不如找個真人一條過。

甚至連IP運(yùn)營也成了難題。許多品牌原本指望打造一個虛擬代言人，長期陪跑，結(jié)果發(fā)現(xiàn)這些數(shù)字人熱度來得快，去得也快。沒有性格弧線、沒有互動機(jī)制、沒有故事背景，僅靠一張臉和幾個pose，根本撐不起一個「品牌人格」。

針對「品牌人格」這個話題，王凱英說：「真人網(wǎng)紅需要有故事，有真實(shí)的內(nèi)核，并且明確是和品牌長期綁定發(fā)展的。舉個比較成功的數(shù)字人例子，蜜雪冰城雪王。這個IP他們做了很長線、人感的運(yùn)營。公司上市的時候也被請到現(xiàn)場，真的像一個代言人一樣參與公司的大小事情，也走在一線，和消費(fèi)者互動。比如近期云南潑水節(jié)，也有雪王的身影。社交媒體的積極互動，調(diào)侃、逗趣、愛湊熱鬧，專屬的配飾，不同場合的變裝等等。」

王凱英還總結(jié)道：「對于品牌如何用好數(shù)字人，這個需要品牌自己想清楚，為什么做這個，想要獲得什么？如果只是短時間有一個便宜好用，不會有負(fù)面的代言人，那這個代言的效果肯定人感要差一點(diǎn)。」

所以，盡管AI數(shù)字人在廣告行業(yè)的存在感越來越高，但它仍然只是一種「效率工具」，遠(yuǎn)沒有達(dá)到「情感代言人」的角色。

歸根到底，廣告講的不只是產(chǎn)品，還有人——人設(shè)、情緒、表達(dá)、共鳴。而這，恰恰是當(dāng)下AI數(shù)字人暫時做不到的。

04 傳媒行業(yè)能不能用上數(shù)字人？怎么用？

再說回AI數(shù)字人對傳媒領(lǐng)域的影響。

對于傳媒行業(yè)來說，AI數(shù)字人從來不是一個「能不能提高效率」的問題，而是一個「誰還在說話」的問題。

它不是一個換掉剪輯師的AIGC工具，也不是一個替主播省口播的語音模型，而是一個可能替代表達(dá)者本身的存在——主持人、記者、講述者、內(nèi)容人。也正因如此，它來得格外敏感。

這兩年，很多媒體都在試水AI數(shù)字人。新華社、人民網(wǎng)等平臺相繼推出了自己的AI主播，連很多本地電視臺也紛紛上馬「虛擬主持人」。從技術(shù)角度看，它們的「播報(bào)準(zhǔn)確率」「語音語調(diào)」「表情匹配度」都在逐步提高；但從觀眾感知來看，數(shù)字人還是難以很快替代人的「溫度」。

這是AI數(shù)字人眼下在傳媒行業(yè)最根本的短板。它可以傳遞信息，但還不能傳遞觀點(diǎn)；可以生成內(nèi)容，但很難生成立場。

內(nèi)容行業(yè)的本質(zhì)，從來不是「告訴你一個事實(shí)」，而是「帶你看一個世界」。這需要的不只是讀稿，還要「判斷力、感受力和風(fēng)格」而這恰恰是人類內(nèi)容人的看家本事。

我們也可以反過來看。AI數(shù)字人其實(shí)更適合的是那些「信息性強(qiáng)+結(jié)構(gòu)穩(wěn)定」的內(nèi)容場景，比如快速新聞播報(bào)（不涉及深度采訪與觀點(diǎn)）、多語種同傳主播（適合國際會議、跨境電商）、企業(yè)PR口播（不需要態(tài)度，只需要標(biāo)準(zhǔn)化輸出）；但它難以勝任的是，情緒張力強(qiáng)的長對話（如人物專訪），強(qiáng)調(diào)視角和語氣的專欄類表達(dá)，以及需要「說話人身份」來承擔(dān)社會意義的表達(dá)，比如主播控訴、記者追問、作者自白等等。

結(jié)語

某種程度上，我們可以說，AI數(shù)字人可以「表演一個記者」，但它永遠(yuǎn)不會「成為一個記者」。

隨著AI數(shù)字人的突飛猛進(jìn)，未來的內(nèi)容人也許不會被替代，但一定會被「重構(gòu)」。他們可能不再出鏡講故事，但要負(fù)責(zé)「喂養(yǎng)」數(shù)字人背后的腳本、語氣、情緒策略；他們可能不再主持節(jié)目，但會成為「數(shù)字人內(nèi)容運(yùn)營官」，操盤整個人設(shè)、臺詞和觀眾互動。

這將是一場內(nèi)容行業(yè)的「角色位移」——從「我就是內(nèi)容」到「我設(shè)定內(nèi)容」。