文/纪德编辑/子夜AI什么时候能真正“干活”今年的世界人工智能大会WAIC给出了最直观的答案。大会现场60台人形机器人第一次以“志愿者”的身份上岗在展馆里跑导览、答问询。而在去年它们还只是在展台上奔跑、跳舞和打拳。在数字人领域变化同样正在发生。虎牙发布的VAM 1.0实时多模态数字人用一张照片就能驱动一个7×24小时实时直播互动、唱歌跳舞、游戏陪玩与赛事解说的数字人。而科大讯飞、商汤、Soul等展台上的数字人产品也集体换代更多数字人走向各自的“岗位”了。机器人在展馆当志愿者数字人在直播间当主播。背后是整个行业的转向AI的竞争正在从拼模型能力变成拼工程化落地。1、模型差距在收窄工程差距在拉开这届WAIC传递出一个共识拿到AI时代门票的真正门槛不在模型而在把模型能力转化为生产力的工程化能力以及基于场景的交付能力。大会上腾讯副总裁林松涛说得直接“当前模型能力的差距在收窄但工程化的差距在拉开。”他认为真实场景是AI价值的第一现场终端是AI普及的最后一公里。商汤CEO徐立说的也是同一个意思“未来的核心计费维度应当是任务完成的价格”——AI的衡量单位要从Token转向Task从卖算力转向卖结果。无论工程化还是“卖结果”最终都要落到场景上。而场景恰恰是不能速成的。这届大会上跑在前面的产品几乎都是从自家场景里长出来的。虎牙的VAM 1.0背后是十几年的直播间弹幕、连麦、打赏构成的交互现场倒逼出了技术科大讯飞的AI主播“小百惠”从媒体播报场景里长出来今年已能与真人主持同台对话京东的言犀数字人则背靠多年的电商供应链。但把模型用进真实场景的每一步都要靠工程磨出来。例如虎牙给VAM设计了三段式训练先让它稳故意喂入模糊、抖动的劣化画面再让它真用偏好优化算法在唇形、表情、动作之间做平衡最后让它快把生成步骤从20步压到4步并自己给自己批改作业减少误差。百度一镜则靠编剧、导演、剪辑三个AI智能体和80多个技能组件把一条播客、带货视频的生产做成流水线。大模型时代手里只有技术的公司是“拿着技术找场景”有高频交互场景的公司则是“在场景里长技术”。这届WAIC给出的信号是下半场或许属于后者。2、稳、真、活数字人躲不开的三道工程题所谓“工程化”并非简单的API调用而是将模型能力与企业复杂的业务流程、私域数据、安全合规要求以及现有的IT架构进行深度融合。它要求技术团队不仅要懂算法更要懂业务能够将抽象的模型能力转化为具体的、可执行的、可量化的生产工具。这正是虎牙所强调的“真正将模型能力转化为企业生产力放大模型效能的技术核心”。以直播为例AI生成长时间视频会累积误差跑久了五官偏移、动作撕裂。一个随时会“脸崩”的主播品牌方不敢用观众留不住。虎牙基于DiT架构的VAM 1.0先解开的就是这道题。它生成的数字人在可以在24小时的实时直播中不崩、不走样还能在直播间长时间进行唱歌、跳舞换装也不会黑屏。通过DPO偏好优化算法做到了高质量的唇形同步声音各有辨识度听声就能认“人”生成的也不是一个漂浮的头而是会拂头发、带手势、丢硬币的完整身体。“拟人”之外还得会互动。在短视频赛道百度一镜正试图让数字人在访谈类节目里像人类一样自然插话与嘉宾进行深度对谈。在社交赛道Soul重点展示了基于自研交互大模型SoulX打造的实时数字人方案可实现自然对话、表情动作同步生成覆盖AI直播、内容创作等场景。图源Soul微信公众号而在虎牙的直播间里数字人的强互动会让娱乐性更高。用户说话时数字人会点头被夸奖时会露出愉快的表情。当每秒几十条弹幕、语音同时涌入时VAM 1.0创造的数字人能像真人主播一样决定先接哪句——这是全双工实时对话能力。稳、真、活构成了数字人行业的“不可能三角”要么稳而假要么真而慢大多数方案只能顾住一样这是行业的真实状态。但虎牙、百度、Soul等平台拿出来的方案至少证明这张“不可能”的考卷是有解的。3、以工程化为基让AI成为普惠生产力数字人上岗之后会发生什么对企业内部而言是成本结构的重写。以直播为例其本质上是“人力生意”。新增一个直播间、一段直播时长就要对应新增一位主播和一整套配套班组长时段运营意味着高追加成本。数字人改写的正是这个等式。这笔账还会算到虎牙的主业上。虎牙正在打造一个成规模、7×24小时运转的数字人直播间网络。矩阵聚起流量流量再喂给游戏发行发行业务的地基会越垫越大。但企业内部的账算通了需求侧的门槛还剩下最关键的一个账要算得平。降本的曲线已经跑了几年这两年模板化的2D数字人进一步下探到几百元档。现在交互型数字人也开始跟上按虎牙公布的路线图VAM 1.2版本的推理成本将再降50%以上。虎牙CEO黄俊洪表示“直播平台的内容供给会从线性走向指数内容的边际成本随规模持续下降成本结构随之改善利润空间自然打开”。对数字人行业来说这不是存量生意的改善而是增量空间的打开。过去只有大品牌用得起的超写实数字人正在沉向中小商家的直播间文旅、陪伴等那些“想要但算不过账”的长尾需求也会一批批被激活。可以看见数字人的下半场将是由工程落地能力带来的AI普惠生产力的释放。谁的数字人更稳、更真、更活谁的账算得更平谁就能多拿下一个岗位。这场大考没有终点但答卷已经开始计分。
