2023，可謂是數字人們的“當打之年”：

　　4月，騰訊云發布智能小樣本數智人生產平臺。該平臺基于通用多模態大模型技術，只需要3分鐘真人口播視頻、100句語音素材等小樣本，便可通過多模態數據輸入與實時建模，制作出與真人近似的“數智人”;

　　同月，商湯在發布的“日日新”大模型體系下，上線了如影數字人視頻生成平臺，用戶可通過一段5分鐘真人視頻素材生成數字人;

　　近日，在上海舉辦的第二十屆中國國際數碼互動娛樂展覽會(ChinaJoy)上，華為云宣布，與360、網易伏羲、斗魚、愛奇藝等7家互聯網企業發起“華為云盤古大模型互聯網聯創計劃”，并將推出盤古數字人大模型，探索AI在數字文娛的創新應用。

　　涌現的數字人背后，是大模型的傾囊相助：大模型解決了成本難題。在數字人的下半場，誰更有趣，誰更像人，成為大模型時代的競爭主題。

　　對于人，好看的皮囊與有趣的靈魂，有一項即可。而對于數字人這一產品，二者缺一不可。

　　那么，大模型如何解決了成本難題，好看的皮囊與有趣的靈魂代價如何？

　　PART-01

　　數字人“兵敗”元宇宙

　　人，總是想著如何替代人。

　　基于人們的貪婪與懶惰、對*的*渴求，盡管24小時工作且效率高的機器人落地遙遙無期，但熱度一直沒降過。更簡單的數字人(包括虛擬人、虛擬數字人)，更是火了十幾年：今年已是洛天依出道11周年，現仍居于2023年中國虛擬人*榜榜首。

　　11年間，各式各樣的虛擬人紛紛涌現：《中國虛擬數字人影響力指數報告》課題組副組長張麗錦表示，虛擬偶像、虛擬員工、虛擬主播這三類是當前虛擬數字人商業化價值最高、企業及資本參與度最強的類型。

　　(2023年中國虛擬人*榜 圖源：華泰研究)

　　目前市面上的身份型虛擬偶像扎堆，但只有極少數接代言接到手軟。虛擬人偶像鼻祖洛天依，重金打造的柳葉熙、AYAYI，除了接代言，辦演唱會這類稍縱即逝的福利，并沒有長期“飯碗”存在。

　　“巨星”背后，是難以估量的巨款。七牛云AIGC事業部負責人許斐在接受媒體采訪時指出，早期制作一個純3D數字人，總成本大約為幾十萬，要做到柳葉熙同等級別，成本甚至會高達百萬，小規模B端客戶很難去負擔。

　　瑞銀發布的數字人研究報告指出，高級虛擬人物的先期投入成本平均為3000萬元，后期又需要真人團隊完成拍攝、配音、剪輯。以樂華娛樂的虛擬女團A-SOUL為例，其一支單曲制作成本約200萬元，一場線下演唱會成本約2000萬元。

　　關于虛擬偶像，最致命問題是，真人偶像尚且沉浮，缺乏人格魅力的虛擬人如何一直活下去？

　　職能型虛擬員工小“X”們也出過幾次新聞。例如浦發銀行的“小浦”，提高了營業廳業務效率;湖南衛視“小漾”和何炅一起主持，增添了節目熱度。

　　而經《銀行科技研究社》測試體驗，工行、建行新推出的數字人智能程度并不高，表現為面對稍微復雜的問題便無法回答或答非所問，不能準確聯系上下文進行理解并給出答案等。

　　就如百家云總裁馬義所說，虛擬人算一個不錯的點，但是想要提供擬人的服務與體驗，還有很長的路要走，目前還沒到產生巨大應用價值的時候。雖然有很多新穎的玩法，但往往一出來很快被同質化。

　　想要玩好虛擬人，必須要讓大家看到長遠的價值。相比于“曇花一現”的藝人、“形式大于內容”的虛擬員工，虛擬主播所在的電商，無疑成為*價值量的賽道。

　　目前直播間存在主播水平參差不齊，背景混亂，產品展示失焦等問題。而虛擬交互技術，能夠重塑“人貨場”：用AR豐富場景，用3D技術全方位展示貨品，用動作捕捉和LIVE 2D及3D技術打造中之人，或用AI語料庫鍛煉出能夠實時對話的虛擬人，并將三者結合，做一場高科技感，高互動性，全新體驗的直播。

　　然而，想要打造現象級的中之人制作成本高，時間成本也不容小覷。

　　去年7月，在抖音擁有42.7萬粉絲的虛擬主播“許安一”迎來了自己的直播百天紀念日，直播期間在線人數超過了1萬人。據自媒體有趣動漫社報道，許安一這一百天的直播中收到970多萬的打賞，相關知情人士只表示“確實很強，但他們成本也挺高”。據了解，許安一制作團隊花了將近7個月的時間進行“人設”的打造。

　　在先前的元宇宙時代，無論是虛擬偶像、員工還是主播都面臨著同質化嚴重，成本關難過等難題，所以新人難進，僅有頭部idol，長久地瓜分虛擬人的蛋糕。

　　PART-02

　　從元宇宙到大模型

　　大模型到來之后，數字人“容光煥發”，如雨后春筍般冒出。

　　我們都知道的是，GPT-4等大模型提高了AI的智力。基于此，虛擬員工、虛擬主播(AI驅動型)能夠提升自己的業務能力。

　　例如，在直播電商場景中，當你告訴數字人帶貨產品的主要特點、價格以及產品優勢，并且讓他以爆笑喜劇風設計三種直播講稿，數字人平臺將會直接提供幾種不同風格的稿件。

　　百度數字人業務負責人李士巖表示，現階段虛擬數字人的人格化和內容運營往往受限于前期的創意效率問題，如果能和一些大模型結合起來，那么就可以通過AIGC拓展創意邊界、提升內容生產效率。

　　創意邊界，毋庸置疑將會依靠大模型的語料庫、算力儲備，以及其所迸發的涌現能力來提升，效果仁者見仁智者見智;而內容生產效率的提升，已有廠商和客戶給出確切答案：大模型來臨之后，數字人突然變“便宜”了。

　　2023年，廠商們搶著給出自己的低成本數字人：

　　360透露，目前正重點將數字人營銷作為大模型落地的商業化業務，從年初至今已經產生了千萬級收入。按照會員用戶每月付費的標準估算，一款數字人的價格*幾十元，最高在一、二百元上下。

　　一家數字人解決方案的公司風平智能表示，原本一家客戶需要請專業人才完成醫療咨詢，每年花費超過1億，使用大模型驅動的AI數字人方案之后，費用預計降低至少80%。

　　與此同時，客戶也給出了五星好評：確實省錢。

　　據太火梁一親身體驗，數字人直播平時日銷5-10萬，618大促數字人直播15小時GMV30萬。

　　(數字人直播數據 圖源：太火梁一)

　　以下是其在上海用真人直播18小時和用數字人直播18小時的每月成本對比(此成本預估根據具體人員安排和所在地市，有些許差異)。

　　綜合市場目前的觀點來看，成本的節省來源于單個視頻生成成本，二是多個行業遷移成本。

　　商湯數字人相關產品負責人表示，基于大模型的AI數字人視頻生成平臺，可打通從上傳視頻、處理數據、訓練模型、轉換模型到模型部署的自動化閉環，將傳統視頻制作流程中的人工處理時間大幅減少90%，模型訓練時間減少60%，只需1天即能完成各類定制數字人訓練。

　　風平智能CEO林洪祥，給出了新階段數字人的生成流程與耗時：只需要對人物進行一段5分鐘時間的視頻拍攝，人物形象就可以有效地建立起來;同樣是幾分鐘的聲音錄制，便可完成聲音采集;接下來視頻、聲音分別進行建模，常規建模周期只需2-5天。

　　同時，依靠大模型的底座能力，通過輸入多個小樣本，能夠適應多個場景的業務需求。先前的數字人需要一個一個分別培養，現階段每個數字人皆有通識知識，“分配”崗位之時，輸入多個行業的小樣本之后，便能快速上崗。

　　大模型過后，數字人的歷史包袱正一個一個被卸下：成本已然得到解決，智力提升“有，但可能不多”，而同質化有待考察，亟需精細化運營。

　　PART-03

　　魅力，取決于算力

　　當能夠飛入尋常百姓家之時，數字人需要對自己“高要求”。

　　業內人士，給了些tips：英偉達副總裁沈威認為，多模態交互和深度學習是數字人真正的靈魂。上海科技大學虞晶怡教授給出了更具體的說法：通過建模、渲染、動作捕捉和AI驅動等關鍵技術構成底層架構，能夠讓數字人的外貌更加精致、形象更加逼真，動作更加自然。

　　(數字人技術匯總 圖源：騰訊)

　　而無論是好看的皮囊還是有趣的靈魂，都需算力的傾囊相助。

　　好看的皮囊，對于算力加碼的變化是肉眼可見的。據科技最前線報道，以阿凡達為例，《阿凡達2》所有存儲數據總量為18.5PB，而《阿凡達1》只有1PB。

　　好看的背后是數據量的爆炸倍增，而數據量背后的支撐則是澎湃的算力。

　　在《阿凡達1》的視覺效果制作中，制作工作室為了渲染其中 美輪美奐的*場景，動用了占地10000平方英尺的服務器群，其中有4,000臺物理服務器，共有35,000個處理器核心。《阿凡達2》的超級渲染更是夸張，為了完成部分畫面的渲染任務，制作工作室調用了六千個處理器渲染了一年之久。

　　而有趣的靈魂層面，大模型對算力的奪取能力更不用說了。據偲睿洞察測算，現階段 ChatGPT 日活一億，若每日有5%的人每秒同時提問，將會吞噬三峽大壩近一年的發電量。

　　假設有1億人同時在線，每日有5%的人每秒同時提問，每個prompt占30個token，便需要1530萬顆***芯片來提供其推理算力;而每顆***的功耗在750W左右，若每天運行10個小時，這些***芯片所在的數據中心一年的耗電量將達到840億kW*h，而三峽大壩一年的發電量是882億kW*h。

　　這，還只是ChatGPT一個大模型在推理階段的耗電量，百家大模型全階段、全部運作的耗電量，難以估量。此時，大廠的優勢便顯現出來：有多項業務去瓜分大模型訓練的好處，分擔其成本。這也就意味著，落實到數字人這一項目的成本，較為可觀。

　　在算力消耗居高不下之時，廠商還要給出一套低功耗的數字人解決方案，中科深智創始人成維忠表示：客戶的要求首先則是算力消耗要低，國內用戶對這點很敏感，按照現在各家的報價來推理，我們的用戶是用不起的。

　　而算力之外，大模型與數字人的接洽，也并非十分“愉快”：據雷鋒網報道，有用戶反饋，目前市面上的大模型無法滿足他們的要求。

　　中科深智對國內外主流的大模型進行測試，發現幾個問題：*是調用的速度不能滿足虛擬人的實時交互要求，其實響應速度的問題從原理上來說是解決不了的;第二是國外的模型對于中文的支持度很差，國內的模型雖然調用的速度快，但是在開放性方面存在問題。

　　作為現階段大模型為數不多商業化落地的數字人，若要做出差異，好看的皮囊，有趣的靈魂都不可缺少，供應商們必然要給足算力與語料庫的“養分”，去建模、渲染、仿真、AI驅動，去幽默、帶貨、搬磚······

　　數字人的表里，如一地需要算力的支持。