作者：趙滿滿

編輯：益韓

編審：楊小天

頭圖來源：Ibtnews

近年來，人工智能相關(guān)技術(shù)持續(xù)演進，與云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、5G等技術(shù)不斷融合，成為引領(lǐng)未來的新興戰(zhàn)略性技術(shù)，是驅(qū)動新一輪科技革命和產(chǎn)業(yè)變革的重要力量。

在新科技革命和產(chǎn)業(yè)變革的大背景下，人工智能產(chǎn)業(yè)化和商業(yè)化進程不斷提速，正在加快與千行百業(yè)深度融合，正在促進新興產(chǎn)業(yè)之間、新興產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)之間以及技術(shù)與社會的跨界融合發(fā)展。

中國軟件網(wǎng)、海比研究院認為，人工智能與產(chǎn)業(yè)深度融合，將成為企業(yè)釋放數(shù)字化疊加倍增效應(yīng)、加快戰(zhàn)略新興產(chǎn)業(yè)發(fā)展、構(gòu)筑綜合競爭優(yōu)勢的必然選擇，全面梳理人工智能技術(shù)、應(yīng)用的發(fā)展態(tài)勢，對推動人工智能持續(xù)健康發(fā)展至關(guān)重要。

為此，中國軟件網(wǎng)、海比研究院特別推出了“人工智能行業(yè)洞察”系列報道，通過對人工智能技術(shù)、應(yīng)用、企業(yè)等深度報道，助力企業(yè)數(shù)字化、智能化。

在阿爾伯特·愛因斯坦（AlbertEinstein）獲得諾貝爾物理學獎100周年之際，作為現(xiàn)代歷史上最聰明的頭腦和最知名的人物之一，“數(shù)字愛因斯坦”重返“人間”。

國外一家公司推出了“數(shù)字愛因斯坦”，是同名人物的現(xiàn)實再現(xiàn)，借助對話式AI的力量，普通人可以與他實時互動，參加他的日常測驗，或詢問有關(guān)他生活和工作的任何事情。

“客自長安來，還歸長安去，就在這地方，夢開始穿越……”國內(nèi)首位秦腔領(lǐng)域虛擬人——第九屆中國秦腔藝術(shù)節(jié)虛擬推薦官秦筱雅亮相，蘊含著秦腔承古開新的精神密碼，可以說就是人格化的秦腔藝術(shù)，是秦腔藝術(shù)的數(shù)字化代言人。

除此之外，像清華虛擬女學霸華智冰，抖音美妝達人柳夜熙，以及抖音名人“Axi”、虛擬女團“A-SOUL”，江蘇衛(wèi)視2022跨年演唱會的虛擬人“鄧麗君”，湖南衛(wèi)視全新綜藝《你好，星期六》啟用的數(shù)字主持人“小漾”，等等，越來越多的虛擬數(shù)字人席卷而來。

“元宇宙”熱度持續(xù)抬升，而“虛擬數(shù)字人”卻乘機進入了大眾視野。不過，現(xiàn)在市場上越來越多的虛擬數(shù)字人不是醫(yī)學上使用的有生命體征的人，也不是半機械人和超人類。當然這些虛擬數(shù)字人已經(jīng)在除了元宇宙以外的領(lǐng)域開始大行其道。

哈佛商業(yè)評論認為，虛擬數(shù)字人通過情感聯(lián)系的客戶對品牌的忠誠度提高了4倍，品牌銷售額會提高2倍。

虛擬人處于爆發(fā)點，行業(yè)迎來機遇期

伴隨著元宇宙的興起，虛擬數(shù)字人正越來越頻繁地出現(xiàn)在公共視野，而且借機野蠻生產(chǎn)，大有遍地開花之勢。

從英偉達發(fā)布會上虛擬CEO黃仁勛，到美的旗下品牌華凌分別擔任美的數(shù)智體驗主理人和潮流設(shè)計主理人虛擬偶像凌魂少女·涼然、凌魂少女·暖沁•••

在抖音平臺，一個名叫“Axi”的小女孩沒有臺詞，沒有與用戶互動，反而贏得了50多萬抖音粉絲。能夠互動的女性團體“A-SOUL”獲得了更多的人氣。

在新華社APP上，一個AI復(fù)合主播以零錯誤播出了1萬多條新聞，可以實現(xiàn)對日常和突發(fā)事件的實時響應(yīng)，并且看起來越來越像真人了。

騰訊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”、故宮博物館導游“福大人”等。

阿里巴巴的虛擬數(shù)字人也是為自身業(yè)務(wù)需求服務(wù)。借著北京冬奧會的契機大火了一把的數(shù)字人“冬冬”，仍是以直播帶貨為主，契合其老本行——電商業(yè)務(wù)的需求。

光大銀行虛擬人小智  圖片來源：http://airlpb.com/

目前，虛擬數(shù)字人出現(xiàn)在各種服務(wù)場合，數(shù)字員工、虛擬偶像、虛擬代言人、虛擬主播……虛擬數(shù)字人在社交、媒體傳播、營銷、傳統(tǒng)產(chǎn)業(yè)等領(lǐng)域的價值正在逐漸顯現(xiàn)。

如果將元宇宙比作一艘駛向未來的宇宙飛船，那么虛擬人就是未來的門票。對于用戶來說，虛擬人是任何進入虛擬世界的人的化身。

可能你聽說過虛擬人、數(shù)字人和虛擬數(shù)字人，甚至數(shù)字替身等概念，不過現(xiàn)在統(tǒng)統(tǒng)被人們成為虛擬數(shù)字人，與醫(yī)療上的虛擬人等截然不同。

中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟總體組和中關(guān)村數(shù)智人工智能產(chǎn)業(yè)聯(lián)盟的報告認為，與醫(yī)療領(lǐng)域的數(shù)字化人體不同，虛擬數(shù)字人是指具有數(shù)字化外形的虛擬人物。與具備實體的機器人不同，虛擬數(shù)字人依賴顯示設(shè)備存在。

因此，報告認為，虛擬數(shù)字人具備三方面特征：

一是擁有人的外觀，具有特定的相貌、性別和性格等人物特征；

二是擁有人的行為，具有用語言、面部表情和肢體動作表達的能力；

三是擁有人的思想，具有識別外界環(huán)境、并能與人交流互動的能力。

更直接一點，虛擬數(shù)字人都是計算機圖形學技術(shù)（CG）創(chuàng)造出的與人類形象接近的數(shù)字化形象，并賦予其特定的人物身份設(shè)定。

從這個概念可以發(fā)現(xiàn)，要實現(xiàn)虛擬數(shù)字人和別人順暢交流，對背后企業(yè)的技術(shù)要求極高，特別是AI技術(shù)。

虛擬數(shù)字人系統(tǒng)一般情況下由人物形象、語音生成、動畫生成、音視頻合成顯示、交互等5個模塊構(gòu)成。

人物形象可分為2D和3D兩大類，又可分為卡通、擬人、寫實、超寫實等不同的風格；語音生成模塊和動畫生成模塊，可分別基于文本生成對應(yīng)的人物語音，以及與之相匹配的人物動畫；音視頻合成顯示模塊將語音和動畫合成視頻，再顯示給用戶；交互模塊使數(shù)字人具備交互功能，即通過語音語義識別等智能技術(shù)識別用戶的意圖，并根據(jù)用戶當前意圖決定數(shù)字人后續(xù)的語音和動作，驅(qū)動人物開啟下一輪交互。

虛擬人優(yōu)勢逐漸顯現(xiàn)，逐步滲透各細分賽道。

在金融、醫(yī)療等APP的客服界面中，虛擬數(shù)字人與真人等需要解答問題的用戶互動，7×24小時持續(xù)提供服務(wù)······

在企業(yè)內(nèi)部的虛擬數(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。

“虛擬人”的普及，可使目前依賴于高IP價值現(xiàn)實人物（如明星）的商業(yè)模式中的成本大幅降低，內(nèi)容產(chǎn)出效率大幅提升。

同時，“虛擬人”也大幅提升了虛擬角色與用戶的交互真實性。技術(shù)走向成熟或已經(jīng)為虛擬人的應(yīng)用提供了前提條件，而虛擬人自身亦有顯著優(yōu)勢，使得其應(yīng)用場景逐步拓寬。

虛擬人并非真人，天然擁有工作不出錯、全天候在線、無負面新聞、可低成本運營等優(yōu)勢。

虛擬人有更強的用戶交互性，UGC屬性為其內(nèi)容用戶生產(chǎn)提供可能。

憑借降本增效優(yōu)勢，虛擬人或?qū)㈩嵏残袠I(yè)運營模式。

技術(shù)突破成為核心驅(qū)動力，虛擬人行業(yè)煥發(fā)生機

技術(shù)加速實現(xiàn)升級迭代，顯著的提升了虛擬人賽道的熱度。

虛擬人的發(fā)展早期受到技術(shù)的制約，后期隨著計算機動畫（CG）和人工智能（AI）等技術(shù)的發(fā)展，制作過程得到簡化，虛擬人迎來爆發(fā)性增長。

受訪的國內(nèi)頭部人工智能獨角獸企業(yè)——云知聲的一位專家認為，技術(shù)突破為虛擬人行業(yè)發(fā)展提供核心驅(qū)動力。

計算機圖形學技術(shù)CG和AI是虛擬數(shù)字人的核心技術(shù)，目前都取得比較大的突破。

以AI為例，基于計算機視覺（CV）、自動語音識別技術(shù)（ASR）、自然語言理解（NLU）、語音合成技術(shù)（TTS）的多模態(tài)的人機交互、高逼真的聲音和圖像的合成，都讓虛擬數(shù)字人不再是簡單的卡通形象，而是可以感知用戶輸入，比如通過人臉感知用戶靠近，通過語音識別、手勢識別等感知用戶輸入；處理特定領(lǐng)域的任務(wù)，如數(shù)字人RPA，對于大規(guī)模數(shù)據(jù)進行處理的數(shù)字員工；以及以用戶喜歡的方式輸出相應(yīng)的結(jié)果，如采用用戶定制的聲音輸出，甚至可以有“捏臉”方式塑造用戶喜愛的形象。

虛擬人相關(guān)技術(shù)公司也受資本熱捧，虛擬人賽道熱度提升顯著。進入2021 年下半年以來，虛擬人相關(guān)公司融資進程加快，互聯(lián)網(wǎng)大廠紛紛入局，為行業(yè)帶來資本和技術(shù)支持，行業(yè)景氣度持續(xù)上升。

創(chuàng)建數(shù)字人類身份的過程由3個關(guān)鍵要素組成：模型創(chuàng)建、動作捕捉和實時圖形。

演員必須佩戴特殊的標記，才能創(chuàng)建其面部的3D模型。他們的面部和身體運動需要由多個攝像機不斷拍攝，這些攝像機將這些動作的每個幀和角度傳輸?shù)截撠熶秩緮?shù)字角色的系統(tǒng)。

第一步模型創(chuàng)建。從技術(shù)上講，有兩種方法可以創(chuàng)建全新的虛擬身份。如果你想使用動畫卡通人物，你應(yīng)該從頭開始繪制你的新角色。但是，當涉及到數(shù)字人類身份時，您需要從動作捕捉設(shè)置開始。

通常它必須是一個高度受控的舞臺，具有多個高分辨率攝像機和受控照明。有可用的軟件可以幫助您僅使用移動設(shè)備或筆記本電腦即可獲得類似的結(jié)果。當然，使用網(wǎng)絡(luò)攝像頭或手機制作的模型無法與在專業(yè)工作室中創(chuàng)建的模型相提并論。

當人類面部和身體的數(shù)字模型被編譯后，是時候啟動動畫了。

第二步，動作捕捉。對于虛擬化身，模特將由演員的面部動作實時“驅(qū)動”。由于3D頭像不依賴于任何特定的人，因此任何演員都可以為數(shù)字角色模型的工作奠定基礎(chǔ)。

無論演員是誰，角色將永遠保持自我。要捕捉演員的動作，你需要一件帶有運動傳感器的特殊套裝。

第三步，實時渲染。最后一個要素是實時圖形處理。由于數(shù)字素材和逼真的圖形必須實時動畫化，因此您將需要一臺功能強大的計算機和一個特殊的軟件引擎，將演員的動作與頭像的3D模型相結(jié)合。

通常可以使用游戲開發(fā)人員用于視頻游戲的引擎來完成。唯一的區(qū)別是在視頻游戲中，所有角色動作都是預(yù)先編寫的，但是對于數(shù)字人類，鏡頭必須實時渲染。

目前，市場上的建模工具逐漸增多。

2021年，EpicGames、英偉達分別推出了自己的虛擬人制作工具MetaHuman Creator 和OmniverseAvatar，在保證人像質(zhì)量的同時提高了虛擬人的制作效率。

Epic的建模工具MetaHumanCreator是一款基于云的應(yīng)用，可以幫助開發(fā)者快速地構(gòu)建出高保真的虛擬人物形象，極大地加速建模效率，并同時降低了建模成本。

MetaHuman還允許開發(fā)者便捷地導出、下載虛擬人文件，以進行后續(xù)的開發(fā)。使用MetaHuman塑造的人物更加寫實，開發(fā)門檻較低，幾乎所有人都可以快速上手。

相比于之前制作虛擬人像所需要的高成本，MetaHuman工具目前對開發(fā)者免費開放。

英偉達的實時仿真模擬和協(xié)作平臺Omniverse被稱為“工程師的元宇宙”，包括寶馬、愛立信、沃爾沃和Adobe等眾多公司都有采用Omniverse。

OmniverseAvatar旨在幫助開發(fā)者通過英偉達的Omniverse平臺創(chuàng)建可以理解真人自然說話意圖的交互式虛擬角色。OminiverseReplicator則是一種用于訓練深度神經(jīng)網(wǎng)絡(luò)的合成數(shù)據(jù)生成引擎，從而提供創(chuàng)建訓練AI所需的大量數(shù)據(jù)。

OmniverseAvatar整合了英偉達在語音AI、計算機視覺、自然語言理解、推薦引擎和模擬方面的技術(shù)。利用所述平臺創(chuàng)建的虛擬形象是具有光線追蹤3D圖像效果的交互式角色，并能夠看見、說話、談?wù)摳鞣N主題，以及合理地理解表達意圖。

值得一提的是，Omniverse同時新增了英偉達早前發(fā)布的一系列AR/VR功能。

智能語音技術(shù)賦能，虛擬人擁有更強交互能力

伴隨 AI 技術(shù)的加速突破和數(shù)據(jù)積累，虛擬數(shù)字人是繼語音助手之后智能語音技術(shù)新的應(yīng)用領(lǐng)域。

虛擬人語音交互的核心在于AI，包括語音識別、語義理解、自然語言處理、語音交互等，強大的AI交互能力是智能語音產(chǎn)品的核心競爭力；而大量數(shù)據(jù)的積累能有效提升模型表現(xiàn)高度，提升虛擬人的交互體驗。

接受記者采訪的云知聲專家認為，智能語音技術(shù)主要是用于虛擬人的交互。智能語音技術(shù)主要包括：

第一，前端降噪和定向，主要確保在噪聲環(huán)境下也可以取得比較好的識別效果，或者指向特定方向收音，從而確保交互的效果。

第二，喚醒，利用這一技術(shù)，用戶可以為虛擬數(shù)字人自定義自己傾向的名字，增加喚醒數(shù)字人時的親切感和趣味性。

第三，聲紋技術(shù)，可以讓數(shù)字人傾聽特定人員的聲音，或者區(qū)分不同人員的年齡和性別的生物特征，從而更加有專屬感。

第四，語音識別+自然語言理解技術(shù)，主要將用戶的聲音轉(zhuǎn)換成文字，并對文字進行處理，從而理解用戶的意圖，做出正確的應(yīng)答。

第五，語音合成。用戶可以給出部分樣音，從而讓虛擬人給出的反饋聲音是自己的朋友、戀人、親人等，更加舒適。

面對虛擬數(shù)字人的新行業(yè)機遇，互聯(lián)網(wǎng)公司、AI企業(yè)和硬件廠商均入局智能語音賽道。

騰訊、百度、阿里、字節(jié)等互聯(lián)網(wǎng)巨頭紛紛布局AI技術(shù)，入局智能語音領(lǐng)域，并在虛擬人賽道中擁有“To C”的傳統(tǒng)優(yōu)勢。

憑借在人工智能領(lǐng)域深厚的技術(shù)積淀，云知聲、科大訊飛等AI企業(yè)在虛擬人領(lǐng)域亦有極強的市場競爭力。

而華為、小米手機等硬件廠商早期在智能語音助手、智能音箱等家居生活場景產(chǎn)品的布局，使得硬件廠商有資本搶灘虛擬人賽道，完善其智能家居場景的搭建。

目前我國AI智能語音行業(yè)進入到了技術(shù)落地期。國內(nèi)外的相關(guān)企業(yè)都紛紛開放語音生態(tài)系統(tǒng)，以產(chǎn)業(yè)內(nèi)合作的方式，將語音技術(shù)植入產(chǎn)品和或應(yīng)用于相關(guān)業(yè)務(wù)場景，構(gòu)建全產(chǎn)業(yè)生態(tài)鏈廠。

不管人工智能的發(fā)展進程如何，國內(nèi)外的各個廠家均開始從不同維度布局相關(guān)的產(chǎn)業(yè)鏈。如谷歌打造開發(fā)者生態(tài)鏈，推出Google Home，試圖建立物聯(lián)網(wǎng)時代安卓系統(tǒng)。而蘋果基于智能硬件定標準，定制平臺、積累數(shù)據(jù)，重視物聯(lián)網(wǎng)時代生態(tài)控制權(quán)。

國內(nèi)的科技巨頭如百度則是通過開放語音生態(tài)系統(tǒng)，以產(chǎn)業(yè)合作的方式，將語音技術(shù)植入產(chǎn)品和或應(yīng)用于相關(guān)業(yè)務(wù)場景，構(gòu)建全產(chǎn)業(yè)生態(tài)鏈廠。

虛擬數(shù)字人開疆拓土，商業(yè)化拉開帷幕

虛擬數(shù)字人逐漸實現(xiàn)在多場景、多領(lǐng)域的融合、應(yīng)用、落地。

盡管目前數(shù)字人的發(fā)展環(huán)境、整體情況還處于起步階段，但隨著虛擬數(shù)字人技術(shù)的精進、市場價值的釋放，將更全面、更深入地融入影視、金融、文旅等各個領(lǐng)域，充分發(fā)揮應(yīng)用價值，迸發(fā)巨大的潛力。

從難易程度上看，新聞播報是虛擬人最容易實現(xiàn)應(yīng)用的業(yè)務(wù)形式。相對于新聞播報，節(jié)目主持需要較強的專業(yè)能力和互動效果，且對運營能力要求更高。

同樣簡單易行的是直播帶貨。相對于真人主播，虛擬人主播具備一系列優(yōu)勢，有望為直播帶貨等帶來新的活力。外表靚麗、風格突出的虛擬人博主AYAYI已經(jīng)在小紅書上開始帶貨。

依靠背后專業(yè)的團隊運作，虛擬人偶像開始活躍在各大平臺，并開始取得良好的“明星”效應(yīng)。

廣告營銷在業(yè)務(wù)形態(tài)上天然和虛擬人有良好的結(jié)合，虛擬人的應(yīng)用有望提升廣告營銷業(yè)務(wù)的增長潛力，整體板塊估值有望提升，重點關(guān)注處于估值低位且有相關(guān)業(yè)務(wù)布局的公司。

在金融領(lǐng)域，UneeQ為瑞銀設(shè)計開發(fā)了很多創(chuàng)新解決方案，不僅可以讓專家可以同時在多個地方，而且可以使其看起來很容易。

瑞銀首席經(jīng)濟學家丹尼爾·卡爾特的數(shù)字人類替身可以與客戶會面，以提供獨一無二的數(shù)字體驗。也能夠利用瑞銀的財務(wù)預(yù)測數(shù)據(jù)，并“面對面”向高財富客戶提供見解。他也可以全天候進行個性化的對話，這是真正的丹尼爾根本做不到。

在影視和傳媒，云知聲主要提供特定人員的聲音復(fù)刻服務(wù)，針對一些故去的知名人士、用戶指定的聲優(yōu)，通過他們的影像留聲，提取樣音，訓練語音合成引擎，從而實現(xiàn)聲音復(fù)刻。

在金融、文旅方面，云知聲主要是提供完整虛擬數(shù)字人解決方案，完成具備企業(yè)或者城市形象的虛擬數(shù)字人的整體輸出，并提供虛擬數(shù)字人背后一整套的多模態(tài)交互技術(shù)。

IBM最近發(fā)布的WatsonAssistant，是IBMCloud上的一項服務(wù)，可以幫助任何人構(gòu)建和部署虛擬助手。IBM的人工智能技術(shù)允許用戶對虛擬助手進行編程，遠遠超出一般的聊天機器人。

像起亞這樣的公司已經(jīng)開始在汽車商店中使用IBM的技術(shù)和數(shù)字人類。ANZ、Sony、P&G、蘇格蘭皇家銀行和梅賽德奔馳等品牌已經(jīng)將AI數(shù)字人類作為其客戶服務(wù)的一部分。

市場普遍認為，虛擬數(shù)字人行業(yè)正處在爆發(fā)期，虛擬人正受到越來越多人的歡迎。

受益于技術(shù)進步帶來的應(yīng)用場景開拓和虛擬人的多維度優(yōu)勢，虛擬人行業(yè)開始步入成長階段，目前市場仍處于前期培育階段。根據(jù)量子位報告的測算，中國虛擬人行業(yè)有望在2030年超過2700億元的整體市場規(guī)模。

根據(jù)Statista2022年1月進行的一項關(guān)于虛擬人類普及的調(diào)查，大約68.5%的中國互聯(lián)網(wǎng)用戶認為，虛擬人的外表或聲音是吸引他們注意虛擬角色的關(guān)鍵，被創(chuàng)意作品所吸引的用戶也達到了47.8%。廣告在提高虛擬人的受歡迎程度方面也發(fā)揮了作用，占比大約16.5%。

中國互聯(lián)網(wǎng)用戶對虛擬人類感興趣的原因 資料來源：Statista

接受記者采訪的云知聲的專家認為，從技術(shù)和需求兩個方面都讓虛擬數(shù)字人行業(yè)處于成長期。

一方面，隨著終端和云端計算能力的快速增長，以及AI技術(shù)自身的不斷完善，在之前無法實現(xiàn)流暢和逼真效果的虛擬數(shù)字人變得可行了。

另一方面，用戶也希望有更多具象化的虛擬形象，從而讓體驗得到提升。

虛擬數(shù)字人是元宇宙一個比較重要的分支方向，甚至有可能成為主要的方向之一。

目前虛擬數(shù)字人面臨的主要挑戰(zhàn)是單個數(shù)字人定制成本比較高，周期也比較長，快速大規(guī)模應(yīng)用還有一定的成本門檻。

未來，隨著CG和AI技術(shù)發(fā)展，特別是智能語音技術(shù)的發(fā)展，大規(guī)模降低成本，提升效率，從而讓虛擬數(shù)字人快速走向ToB和ToC的市場。

科技媒體·企業(yè)演化科學·戰(zhàn)略托管綜合體

本文作者系趙滿滿