杨燕：AI数字人是数字经济发展“新动能”
当前，数字人概念非常火爆，大量的数字人在资本和市场的推动下竞相问世。很多数字人的形象已达到近乎超写实的状态，制作成本可达上百万。然而他们的交互能力却没有那么强，很多数字人是基于动作捕捉等技术，由真人完成驱动。 正因如此，市场上数字人的形象、特点和功能不一。若想将数字人真正地应用至企业，甚至规模化应用，赋能行业发展，那么我们不仅需要明确自身需求，还需要厘清数字人的能力及其未来的潜力和可能性。 对此，商汤科技智能产业研究院战略生态研究室主任杨燕介绍了他们对数字人级别的划分依据，以及不同等级数字人的特点，为整个数字人行业的发展提供了参考依据。 数字人等级划分 杨燕介绍：“我们根据‘拟人化’和‘（生产）自动化’两大维度，将市场上的各类数字人划分为L1到L5五级类别。 ”其中，形象逼真写实，但没有交互能力的数字人为L1级别。L2级别的数字人，背后有真人带着比较繁重，成本很高的专业的动捕设备，在内部的环境之下去进行制作完成的。比如传统的影视制作，动画制作等。 L3级别的数字人背后也有真人，他们不再需要佩戴繁重的专业级动捕设备，而是直接通过安装在电脑或手机端的摄像头，基于算法植入，就可以将真人的所有动作，包括表情、口型、肢体等动作细节捕捉，同步迁移到数字人身上，驱动数字人实时的互动起来。 L4级别的数字人将被赋予智慧的大脑。它们可以独立地与真人进行实时的智能化交互。比如商汤科技推出的宁波银行上海分行数字人“小宁”，它可以代替真人在线下网点大堂，解答来访客户的业务问题。L5级别的数字人可以完全实现智能化交互，不在依赖于真人的介入，是一个通用智能型的数字人，可以回答更通用化的问题，成为我们个人生活的助手。 杨燕表示：“因为L4级别以上的数字人涉及到大量的人工智能的算法和技术，我们也将其称之为AI数字人。只有达到L4等级的数字人，才能真正地进入到行业里，解决经济发展中普遍会面临的‘人效’问题。” AI数字人的技术特点 与一般数字人相比，AI数字人具备三大特征，分别是多模态交互能力、深度学习能力和AIGC能力。首先，杨燕介绍了多模态交互能力，它是指利用数字化的技术，模拟人与人之间的自然交互方式。你可以通过语言、文本、甚至是不同手势或表情，来与数字人进行交互和沟通。这里会涉及到视觉识别、语言识别、语义理解等技术，具有一定的门槛。据杨燕介绍，商汤的视觉相关的算法模型已累计超过30000个，研发建成了世界上最大的计算机视觉基模型，参数高达300亿，可以支持数字人在图像、视频等视觉信号处理的复杂长尾应用。在语音语义理解方面，商汤也自研并具备了包括语音识别(ASR)、语义理解（NLP/知识图谱）、语音合成（TTS）以及语音动画合成（STA）等多项技术能力。 正是基于以上技术支撑，商汤得以在“拟人化”和“自动化”两大维度，建立了AI数字人的生产力底座。 其次，杨燕还解释了深度学习能力，它是指基于计算机深度学习技术，让数字人不断地学习新的语料和数据。在经过训练及现实应用的反馈后，不断地迭代和延展它的能力和交互水平。通过深度学习，数字人不仅在专业度上有所加深，还可以学习跨业务的知识，支持跨业务服务和沟通。最后，杨燕介绍了AI数字人的最后一大特征，即AIGC。它是指在制作数字人过程中，引入AI生成内容的能力，辅助自动化的生成内容。从而大幅度提升数字人的制作效率，降低开发者使用门槛，缩短开发的周期，降低成本。 商汤通过人工智能技术的集成和应用，并与数字人生产流程进行融合优化，针对传统CG建模、动画制作环节，和数字人的多模态交互、深度学习能力构建，分别推出了智能化生成、智能化驱动和智能化交互三大引擎，并通过三大引擎间的流程打通和标准化处理，打造“一站式”AI数字人生产流水线。 如此，数字人才有可能推广至更广泛的产业或行业中。 数字人广泛落地应用的最后一公里 杨燕介绍：“我们建立运营管理平台，就是希望打通技术到应用的‘最后一公里’问题。”开发者通过三大智能引擎生产出一个数字人后，可以通过运营管理平台进行后台业务管理，包括对多终端的设备管理，数据管理和分析等。再结合人工智能技术对这些非结构化的数据进行分析，从而帮助业务发现规律跟逻辑，帮助业务更好地进行升级和迭代。同时，商汤致力于让数字人在任何交互终端或系统上无缝使用，不受终端系统限制，可以进行灵活的呈现和交互，包括手机、智慧大屏，甚至AR眼镜、汽车终端、小程序应用等。让数字人走进千行百业，打破数字人的使用边界，赋能泛娱乐、商业零售、金融服务、文博文旅、政务服务等行业发展。 截至目前，商汤在多个行业场景中的案例实践。比如商汤与宁波银行上海分行打造的数字人小宁，与广州永旺梦乐城购物中心联合打造的超写实型AI数字人“小糖”。杨燕认为：“线上线下的每一次交互带来新的数据，都是一个无形资产。”同时，数字人作为一个具象化IP形象，也将会与用户建立更深层次的情感构建，带来更好的服务。
