虛擬數(shù)字人迎面走來

呂楊鵬 2022-07-25 發(fā)布于上海

展開全文

“一峰一狀百樹迎，天水合璧兩岸情。”你能想象得到這句詩出自虛擬數(shù)字人之口嗎？近日，百度虛擬數(shù)字人家族在2022百度世界大會上的集體亮相再次引爆輿論場。它們有的能歌善舞，有的妙筆生花，有的已經(jīng)開始探索太空，有的則在輔助智能制造......IDC最新發(fā)布的報告顯示，中國虛擬數(shù)字人市場規(guī)模呈現(xiàn)高速增長趨勢，預(yù)計到2026年將達(dá)102.4億元。當(dāng)前，政策、應(yīng)用價值、市場需求、資本支出、技術(shù)成熟正合力推動虛擬數(shù)字人市場崛起。作為人工智能技術(shù)最熱門的應(yīng)用之一，業(yè)內(nèi)對虛擬數(shù)字人的進(jìn)退觀點不一，眾說紛紜。但不可否認(rèn)的是，虛擬數(shù)字人正在以不可抵擋的姿態(tài)迎面而來。

來源：IDC中國，2022

互聯(lián)網(wǎng)大廠差異化布局

據(jù)不完全統(tǒng)計，2021年，虛擬數(shù)字人領(lǐng)域投融資事件27起，融資金額在百萬至千萬元之間。尤其在元宇宙、Web 3.0等概念的推動下，虛擬數(shù)字人市場迅速升溫，資本不斷涌入。2022年以來，虛擬數(shù)字人領(lǐng)域融資已達(dá)到了近百起，融資金額累計突破4億元。

互聯(lián)網(wǎng)大廠雖集體入局，但切入點卻各有不同。其中，百度第一個明確了全場景、大生態(tài)定位，以虛擬數(shù)字人為載體全方位輸出其在人工智能算法、底層技術(shù)、行業(yè)應(yīng)用及生態(tài)搭建等方面的優(yōu)勢，旨在實現(xiàn)規(guī)模化生產(chǎn)、快速降低成本，從而實現(xiàn)虛擬數(shù)字人普惠。

在2022百度世界大會上，希加加、度曉曉等虛擬數(shù)字人成為大會主角，出現(xiàn)在現(xiàn)場多個環(huán)節(jié)中。百度飛槳和文心大模型為其虛擬數(shù)字人提供了脫穎而出的深度學(xué)習(xí)和內(nèi)容創(chuàng)造能力。記者從會上獲悉，百度虛擬數(shù)字人家族數(shù)量已經(jīng)達(dá)到了幾十個，百度智能云曦靈虛擬數(shù)字人平臺將實現(xiàn)超寫實虛擬數(shù)字人24小時純AI直播。百度副總裁袁佛玉更是直言：“隨著百度AI算法的突破，能讓虛擬數(shù)字人制作成本十倍、百倍地下降，還能讓虛擬數(shù)字人生產(chǎn)周期，從動輒幾個月，縮短到小時級別。虛擬數(shù)字人的制作成本，將從百萬級降低到萬元級別?！?/span>

區(qū)別于百度，騰訊依托自身在語音智能和大文娛生態(tài)方面的優(yōu)勢，力圖將IP作為核心亮點和競爭力?；谠菩∥?shù)智人平臺，騰訊推出了一系列IP型虛擬數(shù)字人，目前聲量比較大的有《QQ炫舞》的星瞳、《和平精英》的吉莉、《王者榮耀》的無限王者團(tuán)等。這些由游戲角色升級而來的虛擬偶像，天生具備廣泛的粉絲基礎(chǔ)，商業(yè)價值高，且能對其游戲內(nèi)容進(jìn)行反哺。

《QQ炫舞》系列發(fā)行制作人Todd此前表示，國內(nèi)虛擬偶像目前的變現(xiàn)邏輯距離成熟模式還很遠(yuǎn)，除了品牌合作，未來還有發(fā)行唱片、制作動畫和游戲等一系列途徑，如果眼下進(jìn)行過度的商業(yè)價值挖掘，會傷害這些長遠(yuǎn)價值。因此，團(tuán)隊并不急于變現(xiàn)。

不過，騰訊也并不是光靠IP布局虛擬數(shù)字人，還同步推出了一些基于特定場景的虛擬數(shù)字人，如平安普惠數(shù)字員工、新華社主播“新小微”、航天員“小諍”、3D手語翻譯官“聆語”、故宮博物館導(dǎo)游“福大人”等。這些虛擬數(shù)字人則多是為企業(yè)端業(yè)務(wù)場景量身定制，或者是與旗下智能車載、智能家居、智能交通等智能設(shè)備結(jié)合，定位是服務(wù)型數(shù)字助手。

阿里巴巴對于虛擬數(shù)字人的態(tài)度則更為保守，主要為自身業(yè)務(wù)需求服務(wù)。借著北京冬奧會的契機(jī)大火了一把的數(shù)字人“冬冬”采用了面向高質(zhì)量圖形的Unity高清渲染管線(HDRP)，在視覺上有著不輸AR/VR的效果。但在應(yīng)用場景方面，仍是以直播帶貨為主，契合其老本行——電商業(yè)務(wù)的需求。

阿里巴巴研究員、數(shù)字人技術(shù)負(fù)責(zé)人李小龍表示：“虛擬數(shù)字人需要在特定場景內(nèi)真正解決人的問題?！彪娚讨辈ラg是一個已經(jīng)被驗證可行的商業(yè)化場景。阿里巴巴已經(jīng)在淘寶直播的場景中進(jìn)行虛擬數(shù)字人應(yīng)用落地嘗試，“當(dāng)前階段，已經(jīng)有600多家商家在嘗試我們的虛擬主播，每天開播的超過200家”。

從產(chǎn)業(yè)鏈全局來看，不止是BAT，華為云、京東云、字節(jié)跳動、科大訊飛、商湯科技、小冰公司等科技廠商皆已參與到虛擬數(shù)字人生產(chǎn)中來。基礎(chǔ)軟硬件方面，不僅有英偉達(dá)、英特爾、AMD等芯片大廠，還有百度、阿里、華為、浪潮、聯(lián)想等廠商在提供算力服務(wù)。在建模、動作捕捉及渲染方面，也不乏Adobe、AutoDesk、Unity、Unreal等知名廠商的身影。應(yīng)用層更是覆蓋了影視、傳媒、游戲、文旅、零售等諸多領(lǐng)域，數(shù)字王國、諾華視創(chuàng)、嗶哩嗶哩、浦發(fā)銀行、中國移動等皆在其中。某AI公司專家指出：“虛擬數(shù)字人的產(chǎn)業(yè)鏈較長且覆蓋面廣泛，多數(shù)入局企業(yè)正在基于自身技術(shù)優(yōu)勢以及客戶群體覆蓋的領(lǐng)域進(jìn)行研發(fā)創(chuàng)新，以構(gòu)建差異化競爭優(yōu)勢?！?/span>

來源：IDC

虛擬數(shù)字人產(chǎn)業(yè)基礎(chǔ)尚待夯實

“由于行業(yè)內(nèi)產(chǎn)業(yè)鏈各環(huán)節(jié)公司專注于虛擬數(shù)字人生產(chǎn)流程中的單點環(huán)節(jié)，各類企業(yè)相對割裂，尚未實現(xiàn)協(xié)同調(diào)優(yōu)，加之目前虛擬數(shù)字人生產(chǎn)、運(yùn)營成本較高，市場接受度尚低，整個產(chǎn)業(yè)發(fā)展尚處于起步階段?！辟惖项檰柸斯ぶ悄墚a(chǎn)業(yè)研究中心高級分析師于凱迪在接受《中國電子報》記者采訪時說道。

目前，虛擬數(shù)字人的生產(chǎn)商以互聯(lián)網(wǎng)公司為主，雖然許多公司都推出了自己的虛擬數(shù)字人，但它們各自的AI算法大多是自閉環(huán)的，只需要購買一些基礎(chǔ)的軟硬件即可。而產(chǎn)業(yè)鏈上那些純靠賣算法的AI公司則只能將目標(biāo)客戶定位于那些非互聯(lián)網(wǎng)公司企業(yè)身上。二者之間未能找到一種互惠互利的良性生態(tài)模式。

人類可以敏銳的通過口唇、表情、肢體行為來讀取非文本信息，因此對于虛擬數(shù)字人交互過程中呈現(xiàn)的效果有很高的要求，這就需要NLP、智能語音、知識圖譜等AI技術(shù)訓(xùn)練具備極高的協(xié)同能力，這種技術(shù)融合的難度較高。整體來看，虛擬數(shù)字人還處于前期探索階段，生產(chǎn)、運(yùn)營成本較高，普遍面向B端客戶，針對c端市場的需求，如普通用戶生成自己的虛擬形象、AI化身等，還有待挖掘和激活。

在虛擬數(shù)字人生產(chǎn)技術(shù)方面，同樣存在許多薄弱環(huán)節(jié)。如登上春晚的虛擬數(shù)字人翎Ling就被吐槽面部僵硬一眼假；北京國際電影節(jié)的元宇宙星推官虛擬數(shù)字人“梅澀甜”也被吐槽角色建模塑膠感嚴(yán)重，“土味十足”；首個國風(fēng)虛擬男藝人秦佑同樣被吐槽“毫無特色”。

浙江大學(xué)國際聯(lián)合商學(xué)院數(shù)字經(jīng)濟(jì)與金融創(chuàng)新研究中心聯(lián)席主任、研究員盤和林坦言，國內(nèi)3D素材、生產(chǎn)3D形象動作的游戲引擎等工具軟件比較落后，生產(chǎn)虛擬數(shù)字人的工具軟件基本被國外公司壟斷，需要從基礎(chǔ)引擎、建模軟件、AI學(xué)習(xí)框架、編程語言方面有很多創(chuàng)新，來夯實虛擬數(shù)字人產(chǎn)業(yè)基礎(chǔ)。

北京虛擬動點科技有限公司技術(shù)總監(jiān)崔超在接受《中國電子報》記者采訪時表示：“虛擬數(shù)字人生產(chǎn)技術(shù)目前的薄弱環(huán)節(jié)主要體現(xiàn)在骨骼重定向、真實度模擬、聲音處理等方面，例如骨骼重定向時真實人和虛擬數(shù)字人的骨骼比例相差較大，骨骼拓?fù)浣Y(jié)構(gòu)不同時，可起到很好的驅(qū)動作用，得到更真實的匹配效果，但這項技術(shù)難度較高；再比如虛擬數(shù)字人要達(dá)到與真人無異的還原度，聲音處理也是一大難點，AI驅(qū)動的聲音大都缺乏感情，有損虛擬數(shù)字人的真實度。多數(shù)生產(chǎn)商在軟件、算法端的技術(shù)能力依然有很大提升空間?！?/span>

“數(shù)智人不僅要聽得到、聽得清人類的語言，還需要能聽得懂、說得出，復(fù)雜應(yīng)用場景對技術(shù)提出了更高要求?！彬v訊數(shù)智人業(yè)務(wù)相關(guān)負(fù)責(zé)人對《中國電子報》記者說道：“制作方式自動化水平較低、關(guān)鍵技術(shù)有待發(fā)展，以及技術(shù)人才、綜合人才的缺乏，也一定程度上限制了數(shù)智人的產(chǎn)業(yè)化發(fā)展。”

盡管一代又一代虛擬數(shù)字人蜂擁而至，但它們中的很多并未在市場中激起太大浪花就已消失不見了。究其原因，依然與成本問題有很大干系。雖然百度聲稱，基于算法突破可將虛擬數(shù)字人的制作成本從百萬級降低到萬元級別。百度集團(tuán)資深副總裁、百度移動生態(tài)事業(yè)群組（MEG）總經(jīng)理何俊杰表示：“'人均一個虛擬數(shù)字人’的時代已經(jīng)到來?！?/span>

但實際上，虛擬數(shù)字人的“支撐成本”遠(yuǎn)比前期生產(chǎn)制作還要“燒錢”。公開數(shù)據(jù)顯示，設(shè)計一個虛擬偶像形象花費10萬元至100萬元，而后續(xù)的內(nèi)容制作和智能驅(qū)動則需一年200萬元到500萬元的持續(xù)性投入，這還不算營銷端、運(yùn)營端等其他投入。

“柳夜熙”團(tuán)隊曾透露，推出“柳夜熙”之前的半年多時間，研發(fā)成本、人員成本、技術(shù)成本等投入已“遠(yuǎn)超百萬”，它的第一條短視頻成本就差不多花了幾十萬元人民幣。小冰公司首席運(yùn)營官、人工智能創(chuàng)造力實驗室負(fù)責(zé)人徐元春也曾表示，目前運(yùn)用3D建模等類似技術(shù)制作的超寫實虛擬數(shù)字人，僅單個形象部分，3D模型成本就在30萬元至45萬元左右，運(yùn)營一年可能要花掉五六百萬。

在花團(tuán)錦簇的表象之下，不得不承認(rèn)的是我們距離“人均一個虛擬數(shù)字人”還有很長的一段路要走。于凱迪說道：“虛擬數(shù)字人是否達(dá)到批量化生產(chǎn)的標(biāo)準(zhǔn)受虛擬數(shù)字人系統(tǒng)平臺的工程化能力的影響，也就是系統(tǒng)的易用性、可拓展性、兼容性、可靠性等能力。待虛擬數(shù)字人系統(tǒng)平臺的制作效率和技術(shù)能力實現(xiàn)大幅提升，'人均一個虛擬數(shù)字人’才有實現(xiàn)的可能?！?/span>

下一代虛擬數(shù)字人還有多遠(yuǎn)？

IDC報告認(rèn)為，當(dāng)前虛擬數(shù)字人大多處于L1-L3階段，即依賴算法驅(qū)動肢體、姿態(tài)、口型、表情等，虛擬數(shù)字人可執(zhí)行簡單的決策和操作。未來虛擬數(shù)字人將實現(xiàn)L4-L5水平，由虛擬數(shù)字人自主進(jìn)行決策、執(zhí)行任務(wù)，完全實現(xiàn)智能化交互。

隨著新興業(yè)態(tài)興起，直播購物、在線教育、線上旅游、遠(yuǎn)程問診等生產(chǎn)生活新方式加速推廣；伴隨超高清電視的普及應(yīng)用，互動視頻、沉浸式視頻、VR/AR游戲等新業(yè)態(tài)正不斷拓展社交、購物、娛樂、展覽、旅游、教育、醫(yī)療等領(lǐng)域的邊界，人機(jī)智能交互將成為人工智能典型應(yīng)用模式，為虛擬數(shù)字人在上述行業(yè)的大規(guī)模落地提供良好的基礎(chǔ)。

“基于新一代多模態(tài)人機(jī)交互系統(tǒng)的業(yè)務(wù)型、功能型數(shù)智人，通過整合語音交互、知識圖譜、視覺識別和情緒識別等技術(shù)，有效連接內(nèi)容和服務(wù)、B端和C端，在垂直產(chǎn)業(yè)鏈條中提供智能化服務(wù)，以適應(yīng)更多元的行業(yè)化、業(yè)務(wù)化、場景化需求。這將大大拓展虛擬數(shù)字人的應(yīng)用場景，并助推這一新興領(lǐng)域的價值躍遷?！彬v訊數(shù)智人業(yè)務(wù)相關(guān)負(fù)責(zé)人說道。

在技術(shù)方向上，文本數(shù)據(jù)和語音、圖像數(shù)據(jù)的多模態(tài)融合依然是未來虛擬數(shù)字人產(chǎn)品的剛需；在應(yīng)用方向上，國內(nèi)的優(yōu)勢在于豐富的落地應(yīng)用場景，虛擬數(shù)字人應(yīng)用將優(yōu)先面向金融、政府、傳媒、電商、影視特效等行業(yè)的ToB專業(yè)服務(wù)場景，如虛擬帶貨主播、媒體行業(yè)虛擬主播、金融及政務(wù)行業(yè)問答機(jī)器人、電影特效數(shù)字人等；此外，國內(nèi)互聯(lián)網(wǎng)直播、在線教育、在線文旅、在線醫(yī)療、電競、社交等行業(yè)對于具有更加鮮活形象的虛擬數(shù)字人也存在廣泛的潛在需求，ToC（個人端）的虛擬數(shù)字人產(chǎn)品研發(fā)也是未來的方向之一。

另有觀點認(rèn)為，下一代虛擬數(shù)字人的進(jìn)化方向與元宇宙的演進(jìn)方向息息相關(guān)。它將成為人們從現(xiàn)實生活走入元宇宙的“數(shù)字化身”，擁有自己的身份、資產(chǎn)，甚至是價值觀等，不但可以為元宇宙帶來豐富的內(nèi)容，還能給參與者提供一種更深層次的沉浸式體驗。

正如Forrester分析師盧冠男此前接受記者采訪時所言，當(dāng)前我們剛剛進(jìn)入“元宇宙先兆”時期，后續(xù)還將進(jìn)入初始型元宇宙（primordial metaverse，即不同虛擬世界的聯(lián)結(jié)機(jī)制使用戶可以從一個虛擬空間去往另一個空間，就像在不同網(wǎng)站瀏覽網(wǎng)頁）以及聯(lián)邦式元宇宙（federated metaverse，即不同的虛擬世界采納一套共同系統(tǒng)，支持并遵循身份和資產(chǎn)的可移植性和一致性）。未來，我們也有可能以虛擬數(shù)字人的形態(tài)穿梭于元宇宙之中，讓科幻電影中的場景變?yōu)楝F(xiàn)實。

IDC中國助理研究總監(jiān)盧言霞表示，今天的虛擬數(shù)字人在某些領(lǐng)域發(fā)揮了明顯的商業(yè)價值。未來，在生活和工作中，將會有大量的數(shù)字人團(tuán)隊與人類共存。一方面，行業(yè)用戶可以從相對成熟的應(yīng)用場景中引入虛擬數(shù)字人；另一方面，要對這些應(yīng)用場景保持耐心，不要設(shè)置過高的期望值。