數(shù)字人狂奔600天，還有四大檻

　　要跨過場景、ROI、落地門檻、競爭壁壘四重門檻。

　　文|徐鑫

　　編|任曉漁

　　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間里快速變動，并呈現(xiàn)出了四大動向：

　　一方面，大模型技術(shù)驅(qū)動下，數(shù)字人的交互能力和用戶體驗都有了不小的提升。比如從原來的換嘴式、非實時的階段，進化到了能驅(qū)動全臉的表情，完成簡單的全身動作。

　　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，就是要創(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較好測算的場景，數(shù)字人產(chǎn)生的價值最明顯，也在率先實現(xiàn)落地。

　　三是，針對企業(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)采取了一系列動作，包括降價、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)，卷價格，同時數(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，創(chuàng)業(yè)團隊要走出差異化路線，并盡快實現(xiàn)自我造血，才有發(fā)展空間。

　　01

　　大模型落地的最熱門場景之一

　　去年下半年以來，廠商們在加速探索大模型落地企業(yè)的合適場景和路徑，數(shù)字人被不少廠商列為了模型落地的先鋒場景。

　　今年6月，百度智能云在一場內(nèi)部交流會上提到，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個重點應(yīng)用之一被再次加碼。他們提到，企業(yè)內(nèi)部知識管理、客服、營銷這幾個環(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。

　　無獨有偶，上個月京東言犀數(shù)字人升級到3.0版本，京東言犀大模型團隊在媒體交流時提及，數(shù)字人是他們探索大模型落地時最大的創(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。”該人士說。

　　螞蟻靈境數(shù)字人團隊相關(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)的自動交互能力，再結(jié)合多模態(tài)交互能力，有助于提升人機交互體驗”。

　　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上也在快速升級，生產(chǎn)成本也大大降低。

　　“以前是換嘴的那種，非實時的，現(xiàn)在可以做到驅(qū)動全臉的表情，并且也能做一些簡單的全身動作”，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)得動作單調(diào)，且經(jīng)常重復(fù)，因為采取了類“錄播”邏輯，它只能重復(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和形態(tài)。

　　宋健認為，在大模型的支撐下，數(shù)字人就會擺脫這類情況，可以生成更多的動作形態(tài)。這個過程分為兩步，首先是用來自互聯(lián)網(wǎng)的幾千萬、幾億量級的圖片、視頻等數(shù)據(jù)，訓(xùn)練一個基礎(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。現(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。通過提供的圖片、視頻和語音資料來獲取人物本身的動作特征等，生成新的內(nèi)容。“目前階段，要完全實現(xiàn)這一點，也有兩個難點，一個是成本高，另外生成的內(nèi)容有時候會有些幻覺，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)字人團隊介紹，“大模型升級前，數(shù)字人的直播間說321倒計時，對于321突然的節(jié)奏、音調(diào)的變化，數(shù)字人表達得相對會比較機械，沒有那么自然，現(xiàn)在整體自然很多，變得更像真人。”

　　大模型還使得數(shù)字人的生產(chǎn)成本在降低。“以前需要提交很長時間的素材，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的場景，正率先落地

　　正如大模型落地到其他場景一樣，企業(yè)對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、虛擬主播等場景，ROI較好測算。

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

　　6月騰訊發(fā)布了《視頻號櫥窗達人“發(fā)布低質(zhì)量內(nèi)容”實施細則》的修訂意見征集通知，修訂后的細則規(guī)定，在直播過程中存在使用非實時直播內(nèi)容或道具代替真實直播的行為都被視作非真實直播，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。快手之后也提出不會對AIGC輔助創(chuàng)作內(nèi)容給予額外流量扶持。

　　與之形成鮮明對比的則是京東這樣的電商平臺。今年4月，劉強東親自上陣支持數(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，平臺的態(tài)度差異其實與平臺屬性及數(shù)字人當(dāng)下的能力邊界有關(guān)。電商平臺里，直播最重要的角色是講解商品信息，需要去做的肢體動作和任務(wù)相對而言比較單一。相較而言視頻號等社交屬性更突出的平臺里，直播時人需要去完成的動作和任務(wù)會更為復(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)雜的動作，數(shù)字人目前還不能勝任。”這位行業(yè)資深人士認為這可能是不同平臺從平臺調(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)始人則認為，平臺公域里流量要算利用效率和成本，質(zhì)量不達標(biāo)的數(shù)字人直播，流量的利用效率也低，平臺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。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)動可以換臉的產(chǎn)品，相比前一類數(shù)字人多了一個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的一場論壇上也提到了客戶使用女媧數(shù)字人平臺，已經(jīng)能拿到相對確定的結(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，不需要專門的場地投入，設(shè)備和運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)對當(dāng)下數(shù)字人主播的收益已經(jīng)有相對理性的認知。一方面，大家用數(shù)字人對標(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)還會給市場潑冷水，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能方便測算的場景，數(shù)字人帶來的業(yè)務(wù)價值不好測算是其應(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，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，除了如何評估真正帶來的業(yè)務(wù)價值外，AI數(shù)字人落地還普遍面臨成本、易用性和后期運營等多個層面的挑戰(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，同時數(shù)字人的使用門檻和成本都不低。廠商們已經(jīng)意識到問題，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)字人生成時不需要再拿到底層模型訓(xùn)練。“只用聽這個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化的產(chǎn)品里。比如京東言犀數(shù)字人團隊介紹，他們現(xiàn)在新拍攝一個數(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，完全都能由運營來完成。“產(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)場景配置起來也是企業(yè)關(guān)注的點。比如直播場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，他們在數(shù)字人直播場景做了多平臺覆蓋，可以基于商品自動生成直播間，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，在一些直播場景下的AI數(shù)字人廠商不具備代運營服務(wù)能力，而企業(yè)自己運營起來難度也非常大。因此，目前行業(yè)里已經(jīng)有一些廠商把代運營納入到了付費服務(wù)中。

　　產(chǎn)品和技術(shù)之外，行業(yè)里也有人反饋一些數(shù)字人的價格問題。目前行業(yè)里數(shù)字人的價格相差比較大，有幾千元一年的產(chǎn)品，也有廠商拿到千萬元級的大項目。千萬級的項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)品是其中的一個組件。

　　也已經(jīng)有廠商從價格和獲得門檻入手，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)平均價格60%，3D數(shù)字人低于行業(yè)最低價格90%。

　　喻友平認為，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)購等各種場景普及。”

　　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，使開發(fā)者能快速創(chuàng)建并部署智能數(shù)字人。

　　IDC認為AI數(shù)字人技術(shù)使用的平民化正成為市場關(guān)注的重點。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)公司的機會在哪里

　　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)始人對數(shù)字人市場格局的判斷有關(guān)。

　　“之前我認為競爭對手是一些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。

　　中科深智宋健也認為，市場當(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，慢慢變成一個基礎(chǔ)的組件，大廠和平臺級公司進場將數(shù)字人作為大的服務(wù)包里的一個模塊。

　　IDC分析市場頭部供應(yīng)商格局時告訴數(shù)智前線，目前明星AI創(chuàng)業(yè)公司因較早進入市場，在數(shù)字人板塊，產(chǎn)品矩陣較為完備，市場認知度高，展現(xiàn)了較強的商業(yè)化能力;而以云服務(wù)為代表的平臺級公司，優(yōu)勢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。

　　“平臺企業(yè)在市場拓展或滲透階段，不會把成本作為最重要的考量因素，因此對賽道里的創(chuàng)業(yè)團隊而言，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。”宋健告訴數(shù)智前線。

　　不過這并不意味著大平臺之外的玩家沒有發(fā)展空間。

　　“大廠走的是通用路線，做的是標(biāo)準(zhǔn)化的東西，但其實每個行業(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，但大平臺的產(chǎn)品很少滲透到這個細分市場。因為需要針對數(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作，這些可能是用于短視頻或者直播平臺。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)團隊如何基于非標(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)團隊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。基于視頻和流量，形成了數(shù)據(jù)和商業(yè)運營的閉環(huán)，并且不斷去改進視頻內(nèi)容的組合方式，最終靠CPS(按實際銷售額來計費的廣告，可以理解為銷售額提成)的流量來付費。

　　“只提供一個工具，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，雙方就不在一個維度競爭”，宋健說。

　　這種態(tài)勢下，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)品滿足不了客戶場景需求的場合，大平臺也會帶著中小數(shù)字人團隊共同服務(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，“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)字人市場規(guī)模將達到102.4億元人民幣，距離市場成熟還需要時間。而無論是創(chuàng)業(yè)公司還是平臺級企業(yè)，未來在這個市場都需要努力建立技術(shù)壁壘，以抓住機會。