在9月16日舉行的“首屆高新科技產(chǎn)業(yè)資本峰會暨科創(chuàng)的未來-無疆科創(chuàng)項目聯(lián)合發(fā)布會”上，AI數(shù)字人成為了全場關(guān)注的焦點。深蘭科技在會上正式宣布面向全國范圍招募深蘭硅基大腦SaaS平臺合伙人，這意味著AI數(shù)字人大規(guī)模產(chǎn)業(yè)落地已經(jīng)成為現(xiàn)實，一個可交互AI數(shù)字人全民共享的時代正在開啟。
進入2023年以來，隨著ChatGPT的火爆和大模型的流行，人工智能領(lǐng)域的虛擬數(shù)字人賽道也開始熱鬧了起來。同時，數(shù)字人員工以其高效、精準(zhǔn)和可靠的服務(wù)，也贏得了各行各業(yè)的喜愛和認可。為此，各大廠和科技企業(yè)紛紛出手布局，希望搶占這一產(chǎn)業(yè)高地。
據(jù)IDC在其發(fā)布的《IDC PeerScape：AI數(shù)字人最佳實踐案例與探索》報告中顯示，百度智能云為中信金控打造的“小信”和為廣西文旅打造的“劉三姐”兩大數(shù)字人項目，因其向全社會所展現(xiàn)出的AI數(shù)字人給金融服務(wù)帶來模式創(chuàng)新，以及為文旅內(nèi)容生產(chǎn)和營銷賦能，成功入選最佳實踐案例。
在7月舉行的第六屆世界人工智能大會上，商湯科技也帶來了基于“商湯日日新SenseNova”大模型體系推出的“商湯如影SenseAvatar”2D數(shù)字人視頻生成平臺。據(jù)介紹，該平臺基于AI數(shù)字人視頻生成算法、語言大模型、AI文生圖、AIGC等能力，僅需一段5分鐘的真人視頻素材，就可以生成出來聲音及動作自然、口型準(zhǔn)確、多語種精通的數(shù)字人分身。
值得注意的是，“如影”這個名字寓意為“如影隨形”，是兩個人密不可分，因此很符合數(shù)字人的寓意。目前，已經(jīng)可以開始面向醫(yī)療、教育、文旅、商務(wù)等行業(yè)客戶提供服務(wù)，幫助企業(yè)和商戶實現(xiàn)高質(zhì)量、高效率的數(shù)字人形象個性化定制和視頻內(nèi)容創(chuàng)作。
而在6月20日舉行的2023中國（蘇州）獨角獸企業(yè)大會上，與會的深蘭科技創(chuàng)始人陳海波正式宣布推出大語言模型SaaS平臺“深蘭硅基大腦SaaS平臺”，并指出“大語言模型+SaaS平臺”的模式可以為AI數(shù)字人商業(yè)化落地提供可行的路徑。
現(xiàn)在市場上可落地的數(shù)字人，從生成方式上來看，大致可以分為視頻合成和AI生成兩種。其中，商湯如影APP采用的就是視頻合成方式，即用戶無需復(fù)雜的拍攝剪輯以及文案創(chuàng)作等繁瑣工作，只要打開如影APP，利用APP提供的豐富視頻創(chuàng)作素材庫和AI文案編寫功能，選擇喜歡的視頻模板，根據(jù)腳本錄制幾分鐘視頻，并輸入粗略的文案想法，系統(tǒng)就可一鍵生成知識分享、品牌宣傳、短視頻帶貨、培訓(xùn)宣講、熱點資訊等各類數(shù)字人視頻，并將快速生成的播報文案合成進視頻。目前市場上大多數(shù)的數(shù)字人生成平臺，采用的都是這種方式。
與最初的虛擬人相比，視頻合成數(shù)字人在外觀、表情、動作等方面，制作更逼真，在語音、語意、語態(tài)以及文案理解方面，能力也有了很大升級，不過在實現(xiàn)人機高效交互方面，能力還比較欠缺。因此，從某種程度上來說，視頻合成數(shù)字人還只能算是虛擬人的技術(shù)升級版。
而與商湯如影不同，深蘭科技最新宣布開始招募合伙人的深蘭硅基大腦SaaS平臺，是基于深蘭硅基知識大模型而開發(fā)，集AI數(shù)字人設(shè)計、構(gòu)建、應(yīng)用、管理于一身的自助式運營平臺，具有零代碼、一鍵生成、低成本等特點。
尤其有別于如影的是，SaaS平臺不僅有“人情味”，而且還“走心”。它為企業(yè)提供了一套自主創(chuàng)建企業(yè)級“超級智能助理”的快捷方法，并形成標(biāo)準(zhǔn)化平臺服務(wù)。企業(yè)只需將說明書、操作手冊、常見問題等文檔和數(shù)據(jù)導(dǎo)入該平臺，系統(tǒng)會自動生成有針對性的知識圖譜，并基于圖譜進行知識、個性化人設(shè)等高維數(shù)據(jù)的定制化訓(xùn)練，實現(xiàn)數(shù)字人形象、性格、知識體系等特征的自主定義，并將其應(yīng)用于客戶服務(wù)、銷售咨詢等人機交互領(lǐng)域，以滿足企業(yè)在智能客服、數(shù)字員工和行業(yè)專家等多個場景的需求。
也就是說，“硅基大腦SaaS平臺”既可以像傳統(tǒng)數(shù)字人平臺那樣，能夠讓數(shù)字人生成變得更加便捷化、個性化、多元化，以適用于更加豐富的應(yīng)用場景，還可以賦予數(shù)字人“靈魂和人設(shè)”，變單項輸出的說教為雙向互動的人機對話，讓數(shù)字人服務(wù)不僅有科技感，還充滿濃濃的“人氣”。
隨著生成式AI技術(shù)、大語言模型技術(shù)、知識圖譜技術(shù)等與計算機深度學(xué)習(xí)模型相關(guān)的技術(shù)領(lǐng)域快速發(fā)展，數(shù)字人正在從與原形的外表、語音、動作相仿的形似，逐漸向具備強交互能力、學(xué)習(xí)能力甚至情緒感知能力的神似過渡，數(shù)字人產(chǎn)業(yè)正在進入一個全新擬人化時代。
