聲明:本文來自于微信公眾號 AI新智能（ID:alpAIworks），作者:舉大名耳，授權轉載發布。
自古以來，人類就有著對自我影像的追求和渴望。影像是人類的延伸、記憶，也是人類的表達。
過去的兩百多年里，人類為了留住自我的影像，創造了各種手段和工具。從最初的畫像，到后來的攝像機，再到今天的數字人，都是人類為了留住畫像，解放人類的軀體，而進行一次次技術革新。
盡管數字人從誕生那天起，就一直在試圖模仿和復制真實的人類，但由于時代的局限，以往的數字人，離人們想象中那栩栩如生的形象，總是差了點氣候，
其在商業上的應用，也總是難免被人視作“雞肋”。
然而，AI時代的到來，似乎為這一曾經“聊勝于無”的技術，注入了新的靈魂。憑借愈發逼真的形象，數字人開始在更多的場景、行業中進行賦能。
1
“前浪”艱難探索
很多人在談到數字人的過去時，往往都會陷入一個誤區，認為最初的數字人僅僅是個被炒起來的概念，是個像VR那樣，看似潛力無限，實則可有可無的“雞肋”。
實際上，這樣的看法，忽略了一個重要的現實，那就是:
在數字人誕生的早期，不是人們沒有對數字人的需求，而是當時的技術、成本，根本滿足不了這樣的需求。
具體來說，早期的數字人，主要存在著成本高昂、技術標準不統一、形象難以與真人媲美等缺陷。
據國內領先的數字人企業風平智能介紹，在數字人處于2D卡通時代時，雖然也有部分企業，出于營銷時增加新奇感的需要，訂購了一些數字人，但其中99%的數字人，在訂購之后半年就再無人問津。
究其原因，是當時數字人的成本太高，而應用場景卻又太窄了。
試想一下，花費數十萬制作出來的卡通數字人，除了在部分需要增加“新奇感”的應用場景外，還能用在什么地方呢?
你不能指望人們在上課、開會或講座這些嚴肅的場景里，看著一個卡通形象滔滔不絕吧?
后來，雖然隨著技術的進步，數字人的形象開始逐漸朝著寫實、3D的方向發展，可居高不下的成本，仍然讓許多企業望而卻步。
一般來說，數字人的制作主要包括了數據采集、處理和應用等方面，而根據數據處理的復雜度和效率，以及數據應用的規模和質量的不同，一個3D化的寫實數字人，成本可達到數十萬到百萬元不等。
這還是剔除了后期運營成本的情況下。
以抖音美妝達人“柳夜熙”為例，其制作企業創壹科技CEO梁子康曾對媒體表示，“柳夜熙”僅制作投入就在百萬元級別，而第一條“柳夜熙”的短視頻成本約幾十萬元。超寫實虛擬人視頻每秒的成本都在萬元區間。
因為想要讓數字人“動”起來，就需要讓AI驅動數字人的語音表達、 面部表情、動作生成等等，這都是巨大的投入。
而花費了如此巨大的數字人，最后還是只能局限在娛樂、直播、內容IP等領域;
這是因為，當時的數字人，交互能力還不夠強大和智能，無法理解復雜語境、也無法處理多輪對話，導致用戶的溝通和服務效率很低。
即便有的數字人，可以通過真人的方式驅動，可這類數字人的交互能力，也要受限于真人操作者的水平和風格，這使其很難滿足不同用戶和場景的多元化需求。
因此，只有在娛樂、直播等更加看重“門面”和“顏值”的場景中，數字人才能占據一席之地。
然而，所有這一切的限制，都隨著當今AI革命的到來，而被紛紛打破了。
2
成本暴降、井噴來臨
2020年，隨著元宇宙概念的火熱，市場對于提高數字人生產效率和提升商業化的訴求日益高漲。同時，5G、AI等新技術更新換代，也讓數字人得到了煥發新生的機會。
其中幾項關鍵的技術，讓數字人極大地提升了與真人的接近度。
例如，人像驅動引擎，可以通過4D掃描、智能綁定等AI技術，實現數字人的唇形驅動、肢體驅動、表情驅動、手勢感知等，同時減少動作捕捉、CG合成的制作流程，大幅降低了成本。
而智能對話引擎，通過自然語言處理技術，為數字人快速定制對話能力、持續提升對話效果。
這些技術，讓數字人在表現力、智慧度、交互能力上都得到了大幅提升。
也就是在這一階段，包括百度、騰訊在內的國內各大企業，開始在數字人領域八仙過海，各顯神通。
例如，百度推出的曦靈數字人平臺，通過自然語言處理、語音識別、計算機視覺等技術的提升，讓數字人在視覺表現力上有了顯著提升。
雖然形象仍然是3D人物，但從五官細節，神態動作等方面，都明顯在朝著更寫實的方向進行發展。
以前需要兩三個月時間做出來的3D數字人，現在可以壓縮到小時級。
同時，通過在線語音交互注意力模型，數字人也終于變得“音畫同步”了，逐字口型準確率達到了98.5%。
而得益于新一代數字更生動的表現力，曦靈平臺推出的數字人，也從單一的娛樂領域，擴展到了更多元的行業。例如在2B端擔任數字理財專員、數字客服、虛擬培訓師等角色，或是新聞播報員等。
騰訊在數字人方面，也發布了智能小樣本數智人生產平臺。
騰訊方面稱，該平臺可實現“自助式”數智人生產制作，只需經過3分鐘真人口播視頻、100句語音素材的訓練，便可在輸入音頻、文本等多模態數據后，實時建模并生成高清人像，在24小時內制作出與真人近似的“數智人”，其使用成本也將被降至千元級別。
可以說是BAT三巨頭中，最早實現真人級數字人的企業。
小樣本“數智人”從直觀上感受是2D視頻，但背后其實是3D人像技術在支撐。通過3D人臉結構的先驗信息引入，使數智人口型、表情更到位，讓小樣本“數智人”形象實現“皺紋級”還原。
除了百度、騰訊這些大廠外，一些默默耕耘于數字人垂直賽道的企業，也憑借日益精湛的技術，打造出了更逼真和生動的數字人。
在數字人領域鉆研已久的風平智能，就是一個這樣的代表。
其獨特的XGen智造系統，和豐富、可定制的知識庫，在低成本高質量生產數字人的同時，還能使每一個數字人都擁有獨一無二的“智能大腦”。從而擴展了其多元化的場景應用能力。
同時，通過深度學習技術建模，風平智能的數字人還能支持129種語種，實現了跨國互動無障礙的交流。其制造的數字人，已應用在了新東方的課堂直播中。
在這一階段，數字人所呈現出的總體趨勢，是制作成本的大幅度下降，以及表現力的突飛猛進。
而這些技術進步，所帶來的直接的后果，就是數字人技術的不斷下沉和趨同。
3
當AI的靈魂注入數字人
從概念提出到場景落地，AIGC加持下的數字人，已經從原先幾十萬、上百萬的制作成本，數個月的制作周期，降低到了現在數千元，十幾個小時的制作門檻。
數字人的應用場景，早已從單一的B端逐漸向C端擴散。而這樣的擴散，必將會重塑人類信息的輸出端口。
縱觀數字時代的每一次變革，人類信息的輸出端口，一直在不停變化。
在傳統的PC時代，這樣的端口是屏幕上的一個個網頁;
到了移動互聯網時代，這樣的端口則變成了一個個APP;
自媒體興起后，這樣的端口又變成了一個個公眾號、短視頻;
而在AIGC時代，經過AI大模型強化后的數字人，則注定會擁有以往各類端口所不具備的知識量和交互能力。
到了那一天，也許人類真的會像比爾蓋茨所說的那樣:“再也不會去使用搜索引擎，不會去生產力網站，也不會再去使用亞馬遜。”
在蓋茨的設想中，這個“AI助理”將有能力理解人類的需求和習慣，同時會幫助人類“讀他們沒有時間讀的書。”
如此一來，AI加持下的數字人，就成為了人類更終極、更先進的輸出端口。
此外，在每一具數字生成的皮囊下，人們仍能看到不一樣的靈魂。
這也是今天GPT-4等先進的大模型，與數字人進行結合的最大意義。
通過大模型豐富的知識，純熟的語義理解和交互能力，和相應行業、個人不同的需求，每一個數字人，都可以“因地制宜”、“因人制宜”地幻化出各種不同性格、思想和技能，進而真正做到了“千人千面”的效果。
由此可見，在必將到來的AGI時代，真正決定數字人高下的，就是其獨一無二的靈魂。
