作者｜顧硯

2021年開始元宇宙概念火爆，數(shù)字人市場也持續(xù)升溫。

去年10月，虛擬美妝達(dá)人柳葉熙在抖音上傳了自己的第一條作品，一夜間漲粉百萬；年末，出道9年的洛天依登上春晚舞臺，與月亮姐姐、王源共同表演少兒歌舞《聽我說》；今年5月，虛擬偶像Vox宣布入駐B站，首日直播營收就破百萬……

根據(jù)《虛擬數(shù)字人深度產(chǎn)業(yè)報告》，預(yù)計(jì)到2030年我國虛擬人整體市場規(guī)模將達(dá)到2700億元。

虛擬數(shù)字人最早可追溯到2007年，彼時，以語音合成程序?yàn)榛�礎(chǔ)開發(fā)的音源庫“初音未來”，成為首個現(xiàn)象級虛擬偶像。

此后一段時間，虛擬數(shù)字人也多以二次元的形象出現(xiàn)。2D“紙片人”，是1．0階段的數(shù)字人代表。

2016年6月，人工智能絆愛“喚醒自我”，她是YouTube上一個虛擬主播。如今，虛擬主播熱潮已經(jīng)席卷全球。

據(jù)艾媒咨詢發(fā)布的《2021中國虛擬偶像行業(yè)發(fā)展及網(wǎng)民調(diào)查研究報告》，2020年中國虛擬偶像核心產(chǎn)業(yè)規(guī)模為34．6億元，預(yù)計(jì)2021年將達(dá)到62．2億元。

“皮套人”，是2．0階段的數(shù)字人代表，他們依賴模型、動捕，也依賴“中之人”的表演，為數(shù)字人賦予靈魂。

去年6月，由小冰公司推出的華智冰亮相并進(jìn)入清華大學(xué)計(jì)算機(jī)系知識工程實(shí)驗(yàn)室。作為AI學(xué)生，華智冰的旁白、背景音樂、面容、詩詞以及繪畫作品，均基于AI技術(shù)生成。

今年6月7日，全網(wǎng)熱議高考作文《本手、妙手、俗手》難度之際，百度AI數(shù)字人度曉曉40秒創(chuàng)作了40多篇文章，平均1秒生成1篇，隨機(jī)抽取其中一篇，被語文名師申怡評為48分（滿分60分），其分?jǐn)?shù)已趕超約75％高考考生。

由AI驅(qū)動，數(shù)字人進(jìn)化到3．0時代。

AI數(shù)字人能做什么？

在商湯科技發(fā)布的《AI數(shù)字人：數(shù)字經(jīng)濟(jì)發(fā)展新動能》白皮書中將數(shù)字人按照進(jìn)化程度分為5類（L1－L5），并指出“L4 的AI數(shù)字人可以從大量的人類對話、面部表情和肢體語言中學(xué)習(xí)。它可以通過自然的面部表情和肢體動作來實(shí)現(xiàn)智能的類人交互”。

這意味著，AI數(shù)字人將不依賴“中之人”，完全由AI驅(qū)動。它不僅是具有數(shù)字化外形的虛擬人物，擁有人的外觀、人的行為之外，還擁有人的思想，具有識別外界環(huán)境、并能與人交流互動。

換言之，AI數(shù)字人才是元宇宙中的“原住民”。

完成這一轉(zhuǎn)變的核心在于對“深度學(xué)習(xí)能力”的重視。

深度學(xué)習(xí)能力即機(jī)器學(xué)習(xí)的一種，需要用大量的數(shù)據(jù)“喂養(yǎng)”白紙一樣的機(jī)器人，直到他們能聽懂并回答客戶的問題。

這是一個需要數(shù)據(jù)、算法、算力結(jié)合，不斷訓(xùn)練、調(diào)整、打磨模型的長期過程，但一旦核心技術(shù)實(shí)現(xiàn)突破，AI數(shù)字人的優(yōu)勢和應(yīng)用領(lǐng)域?qū)⒏�加多元�?/p>

比如度曉曉，除了能創(chuàng)作高考作文，還能AI繪畫、創(chuàng)作歌曲，還曾作為工人日報特派“AI記者”，采訪五一勞模等等。而另一百度AI數(shù)字人希加加，她同樣會作畫、寫詩、作曲、說多國語言、還能實(shí)時直播。

除了能“像人一樣”學(xué)習(xí)、溝通、工作，AI數(shù)字人將擁有超強(qiáng)的創(chuàng)造力，顛覆現(xiàn)有的內(nèi)容生產(chǎn)模式。

AIGC，是指人工智能自動生成內(nèi)容，這是AI領(lǐng)域目前的熱門概念之一，它將顛覆現(xiàn)有的內(nèi)容生產(chǎn)模式。

基于這項(xiàng)技術(shù)，度曉曉在挑戰(zhàn)高考語文作文時，可以做到平均1秒1篇，畫一幅畫，只需要幾十秒。與人類生產(chǎn)效率相比，這是指數(shù)級的提升。

而這一切，源于百度搜索引擎海量數(shù)據(jù)的先天優(yōu)勢、產(chǎn)業(yè)級深度學(xué)習(xí)平臺飛槳和產(chǎn)業(yè)級“知識增強(qiáng)”大模型文心。

百度自2019年開始便深耕預(yù)訓(xùn)練模型研發(fā)，成功打造飛槳文心大模型家族。文心系列模型具備“知識增強(qiáng)”的核心特色，基于持續(xù)學(xué)習(xí)的語義理解框架，從大規(guī)模知識和海量數(shù)據(jù)中融合學(xué)習(xí)。

比如，數(shù)字人畫畫能力，使用的是文心大模型——跨模態(tài)圖文生成模型ERNIE－ViLG；而人對話能力，使用的是對話生成大模型——文心 PLATO，PLATO有接近真人水平的對話能力，對話效果已經(jīng)達(dá)到世界領(lǐng)先水平。

另一方面，憑借深度學(xué)習(xí)能力，處于較高發(fā)展水平的數(shù)字人可以快速從各種場景中獲取知識，成為特定領(lǐng)域的“專家”。

AI數(shù)字人可以深入B端領(lǐng)域，實(shí)現(xiàn)降本增效。比如科大訊飛推出智醫(yī)助理；商湯科技AI數(shù)字人出現(xiàn)在醫(yī)院場景中，為患者進(jìn)行分診導(dǎo)診；百度和浦發(fā)銀行打造的“數(shù)字員工”小浦，每月為46萬人提供金融服務(wù)。

頭部互聯(lián)網(wǎng)企業(yè)早已加入構(gòu)建數(shù)字人技術(shù)的浪潮之下。目前，華為、百度、阿里、騰訊、字節(jié)跳動等，都已著手于數(shù)字人的開發(fā)應(yīng)用。

“數(shù)字人自由”

未來，AI數(shù)字人可以承擔(dān)更多的工作和責(zé)任，但目前來看，AI數(shù)字人的大規(guī)模落地依然面臨各種挑戰(zhàn)。

首先，AI深度學(xué)習(xí)是一場長期且價格高昂的訓(xùn)練。比如，一個簡單的模型調(diào)整，可能要增加百倍以上的計(jì)算資源。而谷歌子公司 DeepMind 訓(xùn)練AlphaGo下圍棋時，估計(jì)耗資3500萬美元。

另外，如何優(yōu)化算法來提升效率與穩(wěn)定性，如何提高機(jī)器學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)預(yù)測的準(zhǔn)確度等，也是 AI 技術(shù)面臨的挑戰(zhàn)。而無法自主學(xué)習(xí)、無法互動的數(shù)字人，也就失去了AI的靈魂。

其次，AI數(shù)字人也會使用動作捕捉采集表情／動作數(shù)據(jù)、CG技術(shù)合成，這需要龐大的開發(fā)制作和設(shè)備運(yùn)維成本。

36氪此前報道，一場全息虛擬演唱會的成本大概在 2000 萬上下。騰訊NExT Studios團(tuán)隊(duì)也進(jìn)一步印證該觀點(diǎn)，“一個超寫實(shí)虛擬數(shù)字人形象恐怕至少要投入100至200萬制作費(fèi)用才能不至羞于見人，甚至即便投入了也未必能做出令人滿意的角色”。

另一方面，合格數(shù)字人的制作周期也非常長。數(shù)字人一分鐘視頻，可能需要2到3個月時間制作。

天風(fēng)證券研報也指出虛擬數(shù)字人行業(yè)生存及運(yùn)營成本高昂的發(fā)展難題，報告認(rèn)為，未來很長一段時間，降本增效將會是企業(yè)的重點(diǎn)。

隨著技術(shù)的推進(jìn)，AI數(shù)字人也在不斷突破。

5年前，百度在AI開發(fā)者大會上喊出“All in AI”的口號；如今，百度已經(jīng)打造了一個“AI數(shù)字人家族”，度曉曉、希加加、文夭夭……這背后，正是百度智能云曦靈數(shù)字人平臺，通過全場景、平臺化的能力為企業(yè)和品牌提供數(shù)字人的制作和運(yùn)營服務(wù)。

近日，度曉曉在《2022虛擬數(shù)字人商業(yè)價值潛力》榜單中排名第一；在第三方機(jī)構(gòu)發(fā)布的榜單中，百度因?yàn)檎Z音、視覺等AI能力的積累，在數(shù)字人綜合實(shí)力方面排名第一。

在日前“2022百度世界大會”媒體預(yù)溝通會上，百度集團(tuán)副總裁袁佛玉介紹：“隨著百度AI算法的突破，我們能讓數(shù)字人制作成本十倍、百倍地下降，還能讓數(shù)字人生產(chǎn)周期，從動輒幾個月，縮短到小時級別。”

降低AI應(yīng)用門檻，驅(qū)動AI規(guī)模化落地應(yīng)用，是百度文心大模型的核心價值。

今年4月，2021百度認(rèn)知AI創(chuàng)意賽“AI創(chuàng)意派”決賽正式舉行，這是業(yè)內(nèi)首次將先進(jìn)的AI大模型能力開放給公眾使用。

“只有門檻低到了所有人都可方便地用起來，才能真正大規(guī)模爆發(fā)出各種創(chuàng)意�！卑俣燃瘓F(tuán)副總裁吳甜稱。

目前，文心大模型已大規(guī)模應(yīng)用于搜索、信息流、智能音箱等互聯(lián)網(wǎng)產(chǎn)品，并通過飛槳開源開放平臺、百度智能云賦能工業(yè)、能源、金融、通信、媒體、教育等各行各業(yè)。

現(xiàn)在，我們可以在多個場景看見百度AI數(shù)字人的身影：

在2022年的北京冬奧會上，百度AI手語主播根據(jù)真人主播的聲音和畫面，實(shí)時轉(zhuǎn)換為手語，24小時無休；今年5月文博虛擬宣推官“文夭夭”正式持證上崗，為各大博物館提供講解、導(dǎo)覽、直播等服務(wù)；度曉曉不僅可以“陪聊”——接近真人水平的多輪流暢對話，并在對話中識別用戶的搜索、服務(wù)類需求。

早在2019年，李彥宏就預(yù)測，在旅游咨詢、醫(yī)療健康、移動通訊等領(lǐng)域，數(shù)字人都將大顯身手，“每個人都會有一個甚至多個專屬的數(shù)字人為你服務(wù)，相信這個時代很快就會到來”。

近期IDC發(fā)布的報告顯示，中國AI數(shù)字人市場規(guī)模呈現(xiàn)高速增長趨勢，預(yù)計(jì)到2026年將達(dá)102．4億元人民幣。

而這一切都源于百度對AI領(lǐng)域壓強(qiáng)式、馬拉松式的研發(fā)投入，公開數(shù)據(jù)顯示，在研發(fā)投入方面，2021年百度核心研發(fā)費(fèi)用221億元，占百度核心收入比例達(dá)23％，研發(fā)投入強(qiáng)度位列中國民營企業(yè)500強(qiáng)第一位。

巨頭涌入、熱錢涌動，堅(jiān)持長期主義的企業(yè)，將會在數(shù)字人3．0時代，迎來回報期。

此內(nèi)容為鞭牛士原創(chuàng)，未經(jīng)授權(quán)不得轉(zhuǎn)載

       原文標(biāo)題 : AI，開啟數(shù)字人3.0時代