在數(shù)字化浪潮中，AI數(shù)字人技術(shù)正成為企業(yè)創(chuàng)新和效率提升的關(guān)鍵工具。然而，盡管這項(xiàng)技術(shù)在過去600天里取得了顯著進(jìn)展，但它在廣泛應(yīng)用上仍面臨多重挑戰(zhàn)。本文深入探討了AI數(shù)字人技術(shù)當(dāng)前的發(fā)展?fàn)顩r，分析了它在交互能力、企業(yè)應(yīng)用目標(biāo)、成本問題以及市場(chǎng)競爭等方面的四大動(dòng)向，并討論了數(shù)字人技術(shù)如何克服場(chǎng)景、ROI、落地門檻和競爭壁壘等四大門檻。

作為大模型落地的最熱門領(lǐng)域之一，數(shù)字人賽道在過去一年半時(shí)間里快速變動(dòng)，并呈現(xiàn)出了四大動(dòng)向：

一方面，大模型技術(shù)驅(qū)動(dòng)下，數(shù)字人的交互能力和用戶體驗(yàn)都有了不小的提升。比如從原來的換嘴式、非實(shí)時(shí)的階段，進(jìn)化到了能驅(qū)動(dòng)全臉的表情，完成簡單的全身動(dòng)作。

其次，企業(yè)應(yīng)用AI數(shù)字人，目標(biāo)也非常明確和務(wù)實(shí)，就是要?jiǎng)?chuàng)新業(yè)務(wù)和幫助企業(yè)降本增效。在直播帶貨、數(shù)字人客服、虛擬主播等ROI較好測(cè)算的場(chǎng)景，數(shù)字人產(chǎn)生的價(jià)值最明顯，也在率先實(shí)現(xiàn)落地。

三是，針對(duì)企業(yè)應(yīng)用數(shù)字人普遍面臨的成本高、難落地等問題，廠商們已經(jīng)采取了一系列動(dòng)作，包括降價(jià)、開源以及持續(xù)的產(chǎn)品技術(shù)投入，來降低數(shù)字人應(yīng)用和落地門檻。

而隨著行業(yè)里大小玩家卷技術(shù)，卷價(jià)格，同時(shí)數(shù)字人應(yīng)用成巨頭標(biāo)配，競爭也不可避免變得激烈起來。業(yè)界也在形成共識(shí)，創(chuàng)業(yè)團(tuán)隊(duì)要走出差異化路線，并盡快實(shí)現(xiàn)自我造血，才有發(fā)展空間。

01 大模型落地的最熱門場(chǎng)景之一

去年下半年以來，廠商們?cè)诩铀偬剿鞔竽Ｐ吐涞仄髽I(yè)的合適場(chǎng)景和路徑，數(shù)字人被不少廠商列為了模型落地的先鋒場(chǎng)景。

今年6月，百度智能云在一場(chǎng)內(nèi)部交流會(huì)上提到，3月他們把曦靈數(shù)字人作為大模型落地的7款標(biāo)桿應(yīng)用之一。到6月，數(shù)字人作為3個(gè)重點(diǎn)應(yīng)用之一被再次加碼。他們提到，企業(yè)內(nèi)部知識(shí)管理、客服、營銷這幾個(gè)環(huán)節(jié)，是當(dāng)下大模型能幫助企業(yè)增收提效的最佳路徑。

無獨(dú)有偶，上個(gè)月京東言犀數(shù)字人升級(jí)到3.0版本，京東言犀大模型團(tuán)隊(duì)在媒體交流時(shí)提及，數(shù)字人是他們探索大模型落地時(shí)最大的創(chuàng)新應(yīng)用，并且數(shù)字人在大模型與終端交互中占據(jù)重要位置。

“數(shù)字人和智能體、具身智能是未來大模型與終端用戶的核心交互介質(zhì)，智能體更偏云端，數(shù)字人更偏端側(cè)，具身智能更偏向線下的物理世界?！痹撊耸空f。

螞蟻靈境數(shù)字人團(tuán)隊(duì)相關(guān)人士則看到，數(shù)字人是大模型能力的載體之一，“大模型與數(shù)字人結(jié)合后，具有無需人工干預(yù)的自動(dòng)交互能力，再結(jié)合多模態(tài)交互能力，有助于提升人機(jī)交互體驗(yàn)”。

隨著廠商積極將大模型技術(shù)與數(shù)字人結(jié)合，數(shù)字人在交互能力和用戶體驗(yàn)上也在快速升級(jí)，生產(chǎn)成本也大大降低。

“以前是換嘴的那種，非實(shí)時(shí)的，現(xiàn)在可以做到驅(qū)動(dòng)全臉的表情，并且也能做一些簡單的全身動(dòng)作”，中科深智CTO宋健觀察，最近半年2D數(shù)字人與大模型結(jié)合，進(jìn)展非常快。

行業(yè)里此前有一種說法，一些名人的數(shù)字人表現(xiàn)得動(dòng)作單調(diào)，且經(jīng)常重復(fù)，因?yàn)椴扇×祟悺颁洸ァ边壿?，它只能重?fù)“播放”與提供的視頻物料，例如提供的視頻是坐著的形態(tài)，數(shù)字人就沒有其他姿勢(shì)和形態(tài)。

宋健認(rèn)為，在大模型的支撐下，數(shù)字人就會(huì)擺脫這類情況，可以生成更多的動(dòng)作形態(tài)。這個(gè)過程分為兩步，首先是用來自互聯(lián)網(wǎng)的幾千萬、幾億量級(jí)的圖片、視頻等數(shù)據(jù)，訓(xùn)練一個(gè)基礎(chǔ)模型。

第二步是把目標(biāo)人物的素材喂給模型，生成與目標(biāo)人物的ID特征、形態(tài)等各方面比較吻合的數(shù)字人?，F(xiàn)在比較熱的多模態(tài)模型跟數(shù)字人結(jié)合，就是干這個(gè)。通過提供的圖片、視頻和語音資料來獲取人物本身的動(dòng)作特征等，生成新的內(nèi)容?！澳壳半A段，要完全實(shí)現(xiàn)這一點(diǎn)，也有兩個(gè)難點(diǎn)，一個(gè)是成本高，另外生成的內(nèi)容有時(shí)候會(huì)有些幻覺，質(zhì)量有些瑕疵”，宋健說。

大模型加持下，數(shù)字人還在音色、韻律、表達(dá)的豐富程度上都有了比較明顯的提升。

比如在音色方面，京東言犀數(shù)字人團(tuán)隊(duì)介紹，“大模型升級(jí)前，數(shù)字人的直播間說321倒計(jì)時(shí)，對(duì)于321突然的節(jié)奏、音調(diào)的變化，數(shù)字人表達(dá)得相對(duì)會(huì)比較機(jī)械，沒有那么自然，現(xiàn)在整體自然很多，變得更像真人?！?/p>

大模型還使得數(shù)字人的生產(chǎn)成本在降低?！耙郧靶枰峤缓荛L時(shí)間的素材，這些素材還要拿回到模型去訓(xùn)練，現(xiàn)在提交的素材變得非常簡單，比如給幾秒鐘的語音，相當(dāng)于Prompt的方式，大模型可以秒級(jí)復(fù)刻，不用拿回模型再訓(xùn)練。”一位數(shù)字人行業(yè)資深人士說。

02 算得清ROI的場(chǎng)景，正率先落地

正如大模型落地到其他場(chǎng)景一樣，企業(yè)對(duì)AI數(shù)字人的應(yīng)用和落地態(tài)度也走向理性。

IDC中國研究經(jīng)理程蔭告訴數(shù)智前線，當(dāng)下，企業(yè)對(duì)于AI數(shù)字人的應(yīng)用主要出于創(chuàng)新業(yè)務(wù)和幫助企業(yè)降本增效考量。當(dāng)前數(shù)字人價(jià)值最明顯的領(lǐng)域在直播帶貨、數(shù)字人客服、虛擬主播等場(chǎng)景，ROI較好測(cè)算。

直播領(lǐng)域也是公眾最熟悉、最熱門的場(chǎng)景。業(yè)界觀察到，目前這個(gè)場(chǎng)景里，平臺(tái)的態(tài)度和政策有明顯差異。

6月騰訊發(fā)布了《視頻號(hào)櫥窗達(dá)人“發(fā)布低質(zhì)量內(nèi)容”實(shí)施細(xì)則》的修訂意見征集通知，修訂后的細(xì)則規(guī)定，在直播過程中存在使用非實(shí)時(shí)直播內(nèi)容或道具代替真實(shí)直播的行為都被視作非真實(shí)直播，屬違規(guī)行為。雖然這是一則修訂意見征集通知，引發(fā)了行業(yè)內(nèi)廣泛討論?？焓种笠蔡岢霾粫?huì)對(duì)AIGC輔助創(chuàng)作內(nèi)容給予額外流量扶持。

與之形成鮮明對(duì)比的則是京東這樣的電商平臺(tái)。今年4月，劉強(qiáng)東親自上陣支持?jǐn)?shù)字人，采銷東哥AI數(shù)字人上線后引發(fā)了4000萬人圍觀，到6·18京東還大秀言犀數(shù)字人的直播成績。相比而言，京東對(duì)數(shù)字人直播顯得友好許多。

一位數(shù)字人企業(yè)高管告訴數(shù)智前線，平臺(tái)的態(tài)度差異其實(shí)與平臺(tái)屬性及數(shù)字人當(dāng)下的能力邊界有關(guān)。電商平臺(tái)里，直播最重要的角色是講解商品信息，需要去做的肢體動(dòng)作和任務(wù)相對(duì)而言比較單一。相較而言視頻號(hào)等社交屬性更突出的平臺(tái)里，直播時(shí)人需要去完成的動(dòng)作和任務(wù)會(huì)更為復(fù)雜和多元。

“目前數(shù)字人的技術(shù)去完成商品講解的任務(wù)基本能滿足要求，但是許多大量的娛樂化內(nèi)容，需要去表演去做復(fù)雜的動(dòng)作，數(shù)字人目前還不能勝任?！边@位行業(yè)資深人士認(rèn)為這可能是不同平臺(tái)從平臺(tái)調(diào)性出發(fā)，形成差異化態(tài)度的癥結(jié)。

另一家數(shù)字人公司的創(chuàng)始人則認(rèn)為，平臺(tái)公域里流量要算利用效率和成本，質(zhì)量不達(dá)標(biāo)的數(shù)字人直播，流量的利用效率也低，平臺(tái)就很難用公域流量去支持，因此關(guān)鍵還是看數(shù)字人內(nèi)容的質(zhì)量。

不少數(shù)字人廠商已經(jīng)把ROI為正作為吸引更多企業(yè)用戶的賣點(diǎn)。比如特看科技此前告訴數(shù)智前線，目前他們兩款產(chǎn)品，一款從文案到表達(dá)都是AI完成的數(shù)字人，企業(yè)每投入1塊錢，能夠收回2塊錢。另一款真人驅(qū)動(dòng)可以換臉的產(chǎn)品，相比前一類數(shù)字人多了一個(gè)客服講解的人力投入，但總歸企業(yè)投入后能賺錢。

快手在今年WAIC的一場(chǎng)論壇上也提到了客戶使用女媧數(shù)字人平臺(tái)，已經(jīng)能拿到相對(duì)確定的結(jié)果。一般行業(yè)內(nèi)真人主播的投入一年至少在55萬以上，還有場(chǎng)地和設(shè)備以及直播的其他人力投入若干。而數(shù)字人相比在3～5萬一年，不需要專門的場(chǎng)地投入，設(shè)備和運(yùn)營投入相比真人主播也大幅降低，但從收益來看，數(shù)字人主播已經(jīng)接近真人主播水平。

可以說，行業(yè)內(nèi)對(duì)當(dāng)下數(shù)字人主播的收益已經(jīng)有相對(duì)理性的認(rèn)知。一方面，大家用數(shù)字人對(duì)標(biāo)的不是頭部的主播，而是超越行業(yè)80%水平的主播。一些數(shù)字人企業(yè)還會(huì)給市場(chǎng)潑冷水，稱數(shù)字人并非靈丹妙藥，那些靠真人都賣不出去的產(chǎn)品，用了數(shù)字人也很難大賣。

除了率先應(yīng)用和落地的直播場(chǎng)景，廠商們也在積極探索將數(shù)字人應(yīng)用到醫(yī)療、政務(wù)、金融、文旅等行業(yè)。不過IDC指出，除了ROI能方便測(cè)算的場(chǎng)景，數(shù)字人帶來的業(yè)務(wù)價(jià)值不好測(cè)算是其應(yīng)用到更廣領(lǐng)域里要面臨的挑戰(zhàn)之一。

03 降低成本和使用門檻是重中之重

AI數(shù)字人快速推進(jìn)，廠商們也需要直面和解決新技術(shù)落地遭遇的挑戰(zhàn)。業(yè)界觀察到，除了如何評(píng)估真正帶來的業(yè)務(wù)價(jià)值外，AI數(shù)字人落地還普遍面臨成本、易用性和后期運(yùn)營等多個(gè)層面的挑戰(zhàn)。

一家大模型廠商坦言此前探索數(shù)字人直播應(yīng)用時(shí)踩過一些坑，這里面就包括當(dāng)下數(shù)字人技術(shù)距離真人的表現(xiàn)仍有很大差距，同時(shí)數(shù)字人的使用門檻和成本都不低。廠商們已經(jīng)意識(shí)到問題，并著手解決。

數(shù)字人的易用性，涉及到從生產(chǎn)制作到配置、運(yùn)營的全過程。

生產(chǎn)制作層面，目前行業(yè)解法是從模型著手，提升模型的魯棒性，降低對(duì)數(shù)字人生成所需素材的要求。比如只用提交一張照片，幾秒的語音素材，就能生成數(shù)字人，大量的工作通過后端的技術(shù)和算法搞定。

這也是目前不少廠商在探索的小樣本和零樣本技術(shù)。訓(xùn)練好基礎(chǔ)模型，新的數(shù)字人生成時(shí)不需要再拿到底層模型訓(xùn)練?！爸挥寐犨@個(gè)人講幾秒鐘或幾分鐘，模型就能吐出來相應(yīng)的語料語句。”一位行業(yè)人士說。

廠商們還很重視將數(shù)字人的生成制作、上線過程沉淀到平臺(tái)化的產(chǎn)品里。比如京東言犀數(shù)字人團(tuán)隊(duì)介紹，他們現(xiàn)在新拍攝一個(gè)數(shù)字人的數(shù)據(jù)，從數(shù)據(jù)的處理，基于訓(xùn)練效果的調(diào)優(yōu)，到模型的上線，以及Demo的制作，完全都能由運(yùn)營來完成?！爱a(chǎn)品化之前還需要很多算法去調(diào)，現(xiàn)在完全基于數(shù)字人的平臺(tái)可以完成，這提升了數(shù)字人上新的效率”。

生產(chǎn)完了之后，怎么快速在生產(chǎn)場(chǎng)景配置起來也是企業(yè)關(guān)注的點(diǎn)。比如直播場(chǎng)景里快速搭建直播間，需要數(shù)字人廠商有相應(yīng)的產(chǎn)品和功能去支持。百度曦靈數(shù)字人相關(guān)人士介紹，他們?cè)跀?shù)字人直播場(chǎng)景做了多平臺(tái)覆蓋，可以基于商品自動(dòng)生成直播間，加速產(chǎn)品應(yīng)用。

由于大模型技術(shù)的發(fā)展，目前百度、京東、騰訊、商湯等多家廠商都強(qiáng)調(diào)過數(shù)字人的制作難度和制作周期已經(jīng)有了大幅縮減。

IDC還看到，未來數(shù)字人廠商的服務(wù)模式也很重要。他們聽到很多行業(yè)用戶反饋，在一些直播場(chǎng)景下的AI數(shù)字人廠商不具備代運(yùn)營服務(wù)能力，而企業(yè)自己運(yùn)營起來難度也非常大。因此，目前行業(yè)里已經(jīng)有一些廠商把代運(yùn)營納入到了付費(fèi)服務(wù)中。

產(chǎn)品和技術(shù)之外，行業(yè)里也有人反饋一些數(shù)字人的價(jià)格問題。目前行業(yè)里數(shù)字人的價(jià)格相差比較大，有幾千元一年的產(chǎn)品，也有廠商拿到千萬元級(jí)的大項(xiàng)目。千萬級(jí)的項(xiàng)目可能是一些地方政府做的城市數(shù)字人整套解決方案，包括了硬件，數(shù)字人產(chǎn)品是其中的一個(gè)組件。

也已經(jīng)有廠商從價(jià)格和獲得門檻入手，加速數(shù)字人的普及和應(yīng)用。今年6月，在百度智能云大模型產(chǎn)品應(yīng)用發(fā)布會(huì)上，百度智能云副總裁喻友平宣布，2D數(shù)字分身和3D數(shù)字人的價(jià)格分別降至3000元和1.2萬元，百度稱，它們的2D數(shù)字人低于行業(yè)平均價(jià)格60%，3D數(shù)字人低于行業(yè)最低價(jià)格90%。

喻友平認(rèn)為，這能讓更多的企業(yè)和用戶能夠使用上數(shù)字人，“一旦數(shù)字人的價(jià)格能夠真正有大幅的下降之后，數(shù)字人將得到普遍應(yīng)用，加快在文旅宣傳、視頻制作、直播帶貨、企業(yè)導(dǎo)購等各種場(chǎng)景普及?！?/p>

還有企業(yè)通過開源開放的手段，來加速數(shù)字人技術(shù)的普及。比如硅基智能在6月宣布開源其AI數(shù)字人交互平臺(tái)，使開發(fā)者能快速創(chuàng)建并部署智能數(shù)字人。

IDC認(rèn)為AI數(shù)字人技術(shù)使用的平民化正成為市場(chǎng)關(guān)注的重點(diǎn)。如何通過相關(guān)技術(shù)降低產(chǎn)品的使用和成本門檻將成為未來競爭的關(guān)鍵因素之一。

04 巨頭炮火下，創(chuàng)業(yè)公司的機(jī)會(huì)在哪里

去年到今年，一家布局過數(shù)字人業(yè)務(wù)的企業(yè)正在降低數(shù)字人板塊的權(quán)重。這與該企業(yè)創(chuàng)始人對(duì)數(shù)字人市場(chǎng)格局的判斷有關(guān)。

“之前我認(rèn)為競爭對(duì)手是一些A、B輪的公司，隨著大廠紛紛投入，比如字節(jié)大力投入剪映，視頻類自動(dòng)化生產(chǎn)工具未來大概率處于大廠射程之內(nèi)”，這位創(chuàng)始人因此將數(shù)字人板塊的業(yè)務(wù)權(quán)重降低，仍然保留技術(shù)投入，但是縮減規(guī)模。

中科深智宋健也認(rèn)為，市場(chǎng)當(dāng)下的確在發(fā)生一些變化。數(shù)字人應(yīng)用已經(jīng)從一開始令人有些獵奇的存在，慢慢變成一個(gè)基礎(chǔ)的組件，大廠和平臺(tái)級(jí)公司進(jìn)場(chǎng)將數(shù)字人作為大的服務(wù)包里的一個(gè)模塊。

IDC分析市場(chǎng)頭部供應(yīng)商格局時(shí)告訴數(shù)智前線，目前明星AI創(chuàng)業(yè)公司因較早進(jìn)入市場(chǎng)，在數(shù)字人板塊，產(chǎn)品矩陣較為完備，市場(chǎng)認(rèn)知度高，展現(xiàn)了較強(qiáng)的商業(yè)化能力；而以云服務(wù)為代表的平臺(tái)級(jí)公司，優(yōu)勢(shì)在有一定的品牌知名度和用戶基數(shù)，且借助合作伙伴和渠道力量，可以快速推廣產(chǎn)品。“以此來看，未來的競爭肯定是更加激烈”，IDC程蔭說。

“平臺(tái)企業(yè)在市場(chǎng)拓展或滲透階段，不會(huì)把成本作為最重要的考量因素，因此對(duì)賽道里的創(chuàng)業(yè)團(tuán)隊(duì)而言，如果不能獲得營收，不具備商業(yè)可持續(xù)性，可能就沒法往下走?！彼谓「嬖V數(shù)智前線。

不過這并不意味著大平臺(tái)之外的玩家沒有發(fā)展空間。

“大廠走的是通用路線，做的是標(biāo)準(zhǔn)化的東西，但其實(shí)每個(gè)行業(yè)都有復(fù)雜的需求”，宋健說，比如，用數(shù)字人做服裝模特，聽起來很簡單，但大平臺(tái)的產(chǎn)品很少滲透到這個(gè)細(xì)分市場(chǎng)。因?yàn)樾枰槍?duì)數(shù)字模特再去定制一套系統(tǒng)，從模特的選型到衣服試穿，還需要專門去展示服裝的動(dòng)作，這些可能是用于短視頻或者直播平臺(tái)。但這些需求并非標(biāo)準(zhǔn)化的數(shù)字人模塊就能完成。

創(chuàng)業(yè)團(tuán)隊(duì)如何基于非標(biāo)準(zhǔn)化的產(chǎn)品形成商業(yè)閉環(huán)，因而成了AI數(shù)字人賽道，創(chuàng)業(yè)團(tuán)隊(duì)與大廠差異化競爭的關(guān)鍵。

數(shù)智前線獲悉，目前中科深智就在探索，利用數(shù)字人做短視頻來完成客戶的互動(dòng)營銷需求。這里面數(shù)字人和內(nèi)容只是其中的一環(huán)。比如一些企業(yè)的線下店，通過線上的數(shù)字人視頻投放引流。給客戶提供的服務(wù)，既包括要針對(duì)店鋪去生成合適的數(shù)字人帶貨視頻，還包括把視頻投放到不同的區(qū)域，獲得本地流量?；谝曨l和流量，形成了數(shù)據(jù)和商業(yè)運(yùn)營的閉環(huán)，并且不斷去改進(jìn)視頻內(nèi)容的組合方式，最終靠CPS（按實(shí)際銷售額來計(jì)費(fèi)的廣告，可以理解為銷售額提成）的流量來付費(fèi)。

“只提供一個(gè)工具，就是與大廠正面PK，但如果是帶有CPS服務(wù)的非標(biāo)產(chǎn)品，雙方就不在一個(gè)維度競爭”，宋健說。

這種態(tài)勢(shì)下，玩家之間的競合關(guān)系也在變得更為多元。數(shù)智前線了解到，在標(biāo)準(zhǔn)產(chǎn)品滿足不了客戶場(chǎng)景需求的場(chǎng)合，大平臺(tái)也會(huì)帶著中小數(shù)字人團(tuán)隊(duì)共同服務(wù)客戶。比如特看科技的樂乘就介紹，他們目前也在與大廠合作，集成到大廠的產(chǎn)品模塊里共同去服務(wù)一些醫(yī)藥行業(yè)的市場(chǎng)，“靠我們自己拿不下這樣的客戶，通過API的方式集成到大廠的產(chǎn)品里，各方是多贏關(guān)系”。

市場(chǎng)已經(jīng)卷起來了，不過當(dāng)下AI數(shù)字人依然處于起步階段，IDC判斷，到2026年中國AI數(shù)字人市場(chǎng)規(guī)模將達(dá)到102.4億元人民幣，距離市場(chǎng)成熟還需要時(shí)間。而無論是創(chuàng)業(yè)公司還是平臺(tái)級(jí)企業(yè)，未來在這個(gè)市場(chǎng)都需要努力建立技術(shù)壁壘，以抓住機(jī)會(huì)。