文|第一新声  夏雨 

编辑|也行 

校对/Tina、Rita 

策划/Eason 

据IDC预测，中国数字人市场规模预计到2026年达102.4亿元。这其中不仅包括正在快速发展中的B端市场，还有被视为潜力股的C端市场。尤其是在AIGC大模型高速发展的当下节点，数字人的渗透率将会增强。 

目前，诸多厂商已经入局。今年8月，华为宣布推出盘古数字人大模型，可帮助用户 12 小时完成数字人生成。此前腾讯推出了一些基于特定场景的虚拟数字人，如平安普惠数字员工、新华社主播“新小微”、航天员“小诤”、3D手语翻译官“聆语”、故宫博物馆导游“福大人”等。阿里巴巴的虚拟数字人为自身业务需求服务，仍是以直播带货为主...... 

那么，在AIGC大模型浪潮下的数字人发展情况究竟如何？数字人将会应用到哪些场景？面临哪些技术挑战？成本多少？本篇内容采访了心识宇宙产品VP陈阳、世优科技创始人&CEO 纪智辉、行业从业者李元（化名）等，试图解答上述问题。 

01、AIGC加持下，数字人开始狂飙？ 

腾讯发布《数字人产业报告》中，将数字人界定为“以数字形式存在于数字空间中，具有拟人或真人的外貌、行为和特点的虚拟人物。” 

2023年，随着AIGC的强势崛起和类ChatGPT语言大模型的问世，数字人赛道变得越发热闹起来。开始频繁出现在各大应用场景，以及文旅、电商、金融等多个行业，形形色色的虚拟数字人正代替真人，充当着代言人、主播、播报员、客服和智能助理的角色。 

市场的参与者也肉眼可见变多。互联网大厂、创业公司、老牌AI公司和一些此前做智能客服营销的数字服务商和资方都躬身入局。 

锐观网数据显示，截至2022年12月，中国数字人行业投融资事件超过140件。据IDC发布的《中国AI数字人市场现状与机会分析2022》报告中，预计到2026年中国AI数字人市场规模将达到102.4亿元。

对于数字人产业越来越热的现象，多位受访人总结出三个原因。 

一是从技术上来看，AIGC的出现解决了数字人“只会念稿、不能交互”等诸多痛点。 生成算法提高了内容创作的效率和便捷性，降低了成本和门槛，同时还丰富了内容创作的多样性和个性化，满足了用户的不同需求和喜好。自然语言处理大模型有助于提升数字人交互体验，让数字人从过去的“没有大脑没有灵魂”找到了一个比较好的出口。

与此同时，建模渲染、 AI生成动作捕捉等技术也在不断的进步，让整个数字人的表现比普通的 AI机器人更加像自然人，对信息、知识的挖掘和梳理更充分，对语句的处理更加贴近人类的日常交流表达习惯。 

二是90后、00后为代表的“网络原住民”，对虚拟角色的接受程度逐渐深入，很容易对虚拟角色投入情感。

三是国内数字经济的进一步发展趋势下，让企业降本增效的经营需求起到了助推作用。

行业从业者李元（化名）同意该观点，并以直播场景为例解释，真人直播需要花费一定成本来搭建直播场景，而且随着抖音、美团等平台开启本地生活直播，人才缺口也是一个问题，数字人恰好能填补这个缺口，而且能够做到7×24小时无休。 

“公司通过AI技术在数字人‘造人、养人、用人’三个不同阶段均实现成本控制、规模化生产能力。在AI产品方面，今年世优科技推出了世优BOTA、世优AI数字人直播系统AI数字人产品体系。通过AI与数字人的结合应用，实现批量化打造虚拟人，为行业降本增效。”世优科技创始人&CEO 纪智辉说道。 

当前，数字人的应用越来越广泛，无论是B端还是C端都出现了数字人的身影。清华大学发布的《虚拟数字人研究报告2.0版》显示，数字人已经渗透到各行各业，成为新一代的生产力和创造力。从头部企业的布局来看，数字人产品服务在B端占有79%的市场，而在C端占比36%。

在数字人的B端应用场景方面，心识宇宙产品VP陈阳坦言：“主要是做客服、营销、文旅导游以及AI直播等， 因为AI直播本质上也是在与观看直播的用户互动、回答用户提出的问题。难点在于数字人客服如何快速的为交流对象提供正确的答案？基于ChatGPT大语言模型，数字人可以得到很多信息，但同时也会出现无法准确回答交流对象、甚至是编造答案的现象。这对客服场景会带来致命的伤害。” 

在数字人的行业应用落地方面，IDC的相关报告介绍，金融行业是当下数字人应用相对更成熟的领域，到2025年，超过80%的银行都将部署数字人，承担90%的客服和理财咨询服务。 例如浦发银行是国内最早“聘用”数字员工的银行，目前3D数字人“小浦”已经在20多个岗位任职，包括财富规划师、文档审核员、大堂经理、电话客服等。 

此外，企业的数字人可以与内部系统绑定，员工可以跟它交流了解公司的规章制度，查询各种信息等。 

未来，数字人将在医疗、教育、制造等多个领域发挥作用，例如在医疗领域，数字人可以作为认知智能大模型，辅助医生进行诊断和治疗；在教育领域，数字人可以作为个性化教学助手，帮助学生提高学习效果。 

接受采访的几位业内人士都表示，未来C端也是一个比较有潜力的市场，未来可能人人都会有一个属于自己的数字人，但从成本、技术、设备来看，还需要经历一段时间的发展。 

02、难以逾越的成本高墙，3D数字人成本达100万 

想要躬身入局的企业，需要懂得计算投入产出比。 

目前，数字人分为两类，一类是由人驱动的“中之人”， 是指依靠人力驱动虚拟主播进行直播，这种驱动方式需要进行大量的拍摄及后期工作，成本较高，众多3D虚拟人采用的便是中之人驱动。

另一类是AI驱动数字人， 指通过使用机器学习，喂养数据等方式训练数字人完成特定的任务。这类数字人通常应用于工作重复量高的服务型场景，目前在直播间带货的2D真人数字人大都属于该类。

3D数字人往往以动画人物形象出现，适用于虚拟IP的打造。对于该类型数字人来说，从面部轮廓到服饰场景都需要自定义打造，成本通常会更高，制作周期也会更长，报价超过20万元。 

例如英伟达曾在官方博客中称，黄仁勋虚拟人在发布会上出镜的14秒视频，共有34位3D美术师和15位软件工程师协同参与，总计近千工时。 

这样高昂的成本得到了李元的证实，“在传统的3D建模技术下，一个能看得过去的定制数字人，需要几十万的成本，这还只是冰山一角。” 

据世优科技CEO纪智辉介绍称，市场一般将数字人成本分为3部分，即造人、养人、用人。第一部分是造人，通过角色创意、原画、建模、绑定、表情、实时渲染等环节，可按照风格生产出卡通Q版，迪士尼人形、二次元、次世代、美型写实、超写实等不同风格。价格从几万到上百万不等。

第二部分是养人 ，当数字人被造出之后，还需要低成本、高频不断的输出内容，用数字人生成内容，养出IP认知度。例如数字人需要出一条短视频或者一条TVC广告片，其成本则是根据内容的精度、效果以及脚本内容不同等因素来决定，一分钟成本从几千、几万到几十万不等，主要取决于脚本的难易程度。 

第三部分是用人 ，主要是指数字人生产内容后所应用的场景。“ 目前，世优科技在用人方面涉及十大应用场景，包括广电媒体、品牌营销、电商直播、短视频、政府文旅、教育娱乐、影视剧、 AR/VR/AI 、NFT、元宇宙等各类线上线下场景。比如数字人做虚拟主播、媒体记者、活动主持人、线下展厅接待员等等。根据客户的项目需求，涉及相关执行的成本。”纪智辉说道。 

不同类型的数字人所产生的成本差异较大，应用AI生成技术研发的2D数字人相比之下，成本便宜很多。“整体来说，2D数字人的成本只有3D的1/10或者1/20，这是目前相对接地气、市场上容易接受的水平。”纪智辉说道。 

世优科技拥有2D数字人相关产品线。2D不需要建模，生产过程也相对简单，主要是通过拍摄一段真人视频后通过AI技术训练而成，造人成本只需要几千块钱。在养人生成内容方面也只需要输入脚本，数字人就能讲话做到对外输出，养人成本只需要几块钱/分钟，之后会接近于0。 

当然，2D数字人并不能适用于所有场景，在游戏场景和虚拟偶像这样的赛道中，企业只能使用高价的3D数字人，成本负担可想而知。而且无论2D数字人还是3D数字人，都面临着内容劣势。

今年5月抖音发布AI标识令，开始监管数字人这一新物种。在内容上没有竞争力，只会重复口播的大量2D数字人被封禁。纪智辉提到，因为抖音、快手、微信是内容与电商平台，所以主播必须提供高质量的内容。而AI生成的部分内容质量不高，平台就不给流量，最终导致了东西卖不出去。所以数字人实现高销量的带货，是需要配备运营团队、好的货盘等好几个因素叠加才能把带货ROI做好。 

至于大众对于AI所引发的“换脸”、“永生”等风险的担忧，李元表示：“任何新技术的出现和应用都需要一些相应的规范，监管也在做出反应。今年1月份，有关部门就出台了AI生成内容的一些监管政策。市场内的正规厂商对此也很重视，这些厂商都有自我规范和要求。” 

03、三个技术难题，数字人无法像人“生动灵活” 

值得注意的是，当下大模型驱动的数字人产品仍处于应用落地的早期阶段。除了上述提到的成本制约因素以外外，业界普遍认为现阶段，技术成熟度和效率也仍然是数字人的难题之一。 

有研究报告将数字人的特征总结为3点，但技术在这些特征上的呈现均有许多不足之处。 

一是数字人拥有人的外观，具有特定的相貌、性别和性格等人物特征。

“如果客户不选择超写实数字人，即完全复刻一个真人的状态，那么数字人的外观技术已经较为成熟了，只是数字人的表情、动作仍有卡点。但是在没有真人动捕而是完全通过自我驱动的情况下，数字人很难呈现出自然的表情和动作。”陈阳说道。 

二是数字人拥有人的行为，具有用语言、面部表情和肢体动作表达的能力。但不少数字人产品在语音、表情、互动表现上目前还比较生硬。

李元认为，由于数字人缺乏情绪、情感的表达能力，例如在感到生气或委屈时，无法用更丰富面部表情和更大的肢体动作来呈现，导致数字人虽然拥有了人的外貌、声音，却无法像人一样生动灵活的原因。 

三是拥有人的思想，具有识别外界环境、并能与人交流互动的能力。

“虽然ChatGPT的出现赋予了数字人大脑，但如果市场希望刻画一个有特定个性，甚至有自己成长经历、世界观的一个角色，单纯使用ChatGPT很难实现，目前整个技术还不能很好的支持这个事情。”李元说道。 

据悉，目前AI还不够智能，这导致智能驱动型（TTSA人物模型）的交互型数字人只能作为补充型的角色存在（游戏场景除外），市面上仍以真人驱动的为主，比如在视频直播和展台上的充当主播的数字人。 

陈阳观察称，展台会用全息技术投诉一个角色与访客互动。AI驱动的数字人则主要是充当文旅导游，同时在一些淘宝直播间也会出现，在真人主播无法覆盖的时间段，会使用这样的数字人，应用场景比较有限。 

不过纪智辉认为，随着AI技术发展，未来AI驱动型的交互型数字人市场可能会比较广阔。真人驱动型数字人会更适合进3D空间实时互动，比如3D数字人实时互动直播、元宇宙这样的应用场景。 

从年初热闹至今，从业者与客户们也观察到，市场已经在呈现理性回归状态。一些喧嚣和割韭菜类的厂商与代理商等角色在加速出清，希望未来数字人真正为企业实现降本增效。