图源：世优科技官网
的热度仍在，人们的关注点已从它本身转移，开始关注它能带来哪些产业的突破性进展。虚拟人就是其中之一。
这是一个随着元宇宙概念火热而兴起的产业。《虚拟数字人深度产业报告》预计，到2030年我国虚拟数字人整体市场规模将达到2703亿元。
其中,“身份型虚拟人”市场规模预计达到1740亿元，占主导地位，而“服务型虚拟人”总规模将超过950亿元。更有机构预测，AI数字人市场规模在2026年将达到102.4亿元。
所展现出的“灵活机智”令人啧啧称奇，这种特质如果从虚拟人身上体现出来，无疑使得该产业向着终极愿景迈进一大步。在热点之下，众多虚拟人企业纷纷发布公告宣布接入，受此影响股价连涨，投资者期待产业的突破与变革。
然而需要注意的是，虽是一个令人惊艳的产品，但其背后的基础技术并无大突破，且AI虚拟人的复杂程度远高于聊天机器人，或需要多种大模型的组合。被神化的，无法凭借一己之力扛起行业变革的大旗。
对于站在风口中的虚拟人企业来说，在受到推动的同时，仍有众多挑战在前方等待着。
虚拟人接上“大脑”？
AI作为虚拟人驱动的大脑之一，既是虚拟人能够在元宇宙感知行为并做出反馈的核心要素，也是其掌握与学习技能的关键所在。据市场调研机构IDC数据，预计到2026年中国AI数字人市场规模将达到102.4亿元，市场将呈现高速增长态势，有观点表示，AI驱动的虚拟数字人将会是下一个技术风口。
而的出世则给了由AI驱动的虚拟人更多想象空间。
国内虚拟技术服务商世优科技2月1日正式宣布，该公司的数字人业务已经接入，正在通过数字人自身的人设背景等相关数据集，并基于对数字人专有大脑形成个性化模型训练。
据悉，由世优科技提供数字人技术支持的数字人「阿央」已经接入世优科技目前正在开发的微信小程序——世优数字人元宇宙。该程序可以展示排行靠前的热门问题，并通过接入后的世优科技数字人进行实时的内容解答。
世优科技数字人「阿央」
该公司表示，在内测完成后，公司将会将更多数字人与结合，并开发合适的应用场景。与结合的虚拟数字人未来计划重点尝试在智能客服、电商、虚拟主播等领域拓展业务。
无独有偶，2月3日，天娱数科在互动平台表示，公司下属子公司元境科技致力于用AIGC推动元宇宙进入智能时代，依托-元享智能云平台，元境科技虚拟数字人已经接入等模型，并已在Tik Tok跨境电商直播、虚拟主播直播互动等场景实现应用，并形成产品化解决方案。
2月7日，遥望科技在互动平台上回应投资者提问时表示，“公司规划在2023年发力虚拟人直播等业务，计划利用公司过往积淀的技术优势，实现高效率低成本的AIGC内容生成，使得直播时长更长，以长尾效应进一步扩大供应链竞争优势”。
2月10日，透明高清显示和AR显示领域的领军企业——深圳光子晶体科技宣布，基于光子透明芯片显示技术（™）开发的“光子迎宾虚拟人”已实现与的对接，光子迎宾虚拟人的“人工智能”程度得到越级进化。
2月14日，风雨筑在互动平台表示，公司已在部分交互体验中使用AIGC技术，目前正在尝试将公司打造的数字人接入以强化数字虚拟人的场景识别和更新能力。此外，公司参股公司星图比特发挥本土团队在中文强化学习和本土合规方面的优势，围绕 GPT模型在NLP自然语言处理领域进行研发和应用。
沾上大火的，公司股价节节升高，但对它们来说，这是“蹭热度”还是真有大突破呢？
多模态是虚拟人的未来
日前，世优科技创始人兼CEO纪智辉曾表示，虚拟数字人驱动的最终形态，是实现AI驱动，即用“AI”替换掉“中之人”所扮演的角色。
但他同时也承认，AI虚拟数字人在制作成本和技术门槛上仍然大大高于真人动捕员，同时局限于AI目前所表现出的智商水平，目前并不能被广泛使用。
但所展现出来的高灵活度让人们对AI有了新的认知，它比普通的人工智能机器人更加像“人”，相较以往的大模型，它对知识的挖掘要更充分。
头豹研究院高级分析师朱晓雯在接受21世纪经济报道记者采访时表示，与市面上普遍用于虚拟人的AI模型相比，具有更大、更通用、更灵活的特点，可以处理更加复杂和抽象的自然语言文本，并且不需要大量标记的训练数据。
具体来讲，是一个通用语言模型，它可以用于许多不同的自然语言处理任务，例如语言翻译、问答、文本生成等。相比之下，普通的虚拟人AI模型通常专注于特定的任务，例如聊天、客服、语音识别等。
同时，还是一种基于无监督学习的模型，这意味着它不需要标记的训练数据即可学习自然语言规律，而市面上大量虚拟人AI模型都需要大量的标记数据才能进行训练。
此外，是目前最大的通用语言模型之一，参数超千亿，比许多传统的虚拟人AI模型要大得多。这使得能够处理更加复杂和抽象的自然语言文本，并生成更加自然流畅的回复。
面对如此惊艳的聊天机器人，业界不禁产生一个设想：将类的大模型依附于虚拟人之上，或更能使虚拟人接近于理想中的形态。
但虚拟人需要做到的显然不仅仅是和人对话那样简单，它还需要表情和动作，针对不同领域的虚拟人还需有不同的专业能力，理解文本、完成对话仅仅只是第一步。
近日，中科深智创始人兼CEO成维忠在接受21世纪经济报道记者采访时表示，要解决虚拟人的问题，关键还是在于多模态训练。
多模态指的是不同形态的数据形式。目前只支持文本、代码等模态，相对多模态大模型而言，当前技术能力还是主要集中在自然语言处理领域。
成维忠举例称，写一句话就能画出很炫酷图片的Dall.E2，就是在多模态方面的探索，其运作过程大致分两个部分，前半段用的是GPT3，仍然是文本生成过程，后半段用的是，真正把文本变成图像，即把两个完全不同的算法被有机拼接到一起来完成了多模态。
“在其他垂直领域，也会存在类似情况，需要针对这个领域的特点构建像的专业领域大模型。”
以中科深智所专注的3D动作和表情生成为例，成维忠表示，前半段可以使用来赋能，提升文本生成能力，但重点还在后半段，即其生成动作和表情的大模型靠不靠谱。
“的出现对行业来说是好事，”成维忠向记者表示，“它只解决了部分问题，但没有做完全部的工作，对我们的发展有促进作用。”
成维忠认为，GPT4出世之后，垂直领域的多模态一定会越来越热。
技术成熟度仍有限
需要注意的是，本身并无革命性的技术突破，其背后的趋势和变革已持续多年。
从2018年起，背后的大模型思想已成为自然语言处理领域的主流技术趋势。随后四年，GPT模型逐步精进，参数从3亿增长到1750亿，训练数据规模达到45TB，不断用更多的数据找到对人类更通用的“语言模型”。
是基于GPT3.5的基础模型框架，核心变化是通过真实的调用数据以及人类反馈的强化学习进行训练，使其更会聊天、更“能言善辩”。
“大模型所对应的技术理念已逐渐被大家所掌握，国内外皆如此，市面上已有很多用这种方法训练出的大模型，只不过在fine-tune（微调）的过程中，研发者的专注度、投入度不一样。”小冰CEO李笛向21世纪经济报道记者表示，“我个人认为是真的用工匠精神去磨，取得了这个效果，所以有一定‘时间壁垒’，但这和‘技术壁垒’是两回事。”
不仅如此，目前绝大部分大模型都还没办法实现“端到端”的落地，即使是，也存在相当高比例的事实性错误。
IDC中国研究总监卢言霞表示，所提供的答案在准确性、广泛性方面仍存在局限，因此现阶段无法直接用于企业特定的场景中以替代之前的AI应用，不可能彻底颠覆搜索市场，也不可能改变人工智能市场格局。
“今天大模型的应用普遍还停留在demo阶段，距离真正大规模商用还有很多事情要调整。”李笛表示。
因此，从技术角度来看，大模型的本质还是通过海量的数据训练生成内容，且这部分还没有实现绝对的稳定，这和像人一样拥有智慧是两回事。所谓将接入虚拟人就意味着它拥有了“聪明的大脑”和“有趣的灵魂”，并不属实。
更现实的问题是，大模型的思想偏好“大力出奇迹”的打法，想要有好的性能需要极大数据和算力支持，这背后是巨量的成本支出，对于多数虚拟人创业公司来说，要承受不小的资金压力。
“首要因素必须要确保‘端到端’的生成质量。同时，优化模型降低参数规模。”李笛表示。
当然，如果放低些要求，AIGC在辅助虚拟人内容创作、文本生成等方面还是有着显著的作用。国泰君安研报指出，等AIGC应用程序将显著提升数字人的制造效率，内容成本低且可定制。
“从目前来看，在部分细分场景，例如绘画、翻译等内容生产领域，可能会有很快的落地化普及，但要实现大规模的商业化落地，保守估计需要3至5年的时间积累才有可能。”朱晓雯表示。
相关文章
