数字人“希加加”展示自己绘制的画作。
日常生活里，你不经意间会遇到这样一群“人”。他们出现在博物馆展厅、银行柜台，抑或教育机构。这些“人”专业能力极强，讲解展品的时候，能对你提出的疑问应答如流；办理金融业务时，你也会发现，他们非常高效，并且鲜有出错的时候；当他们成为你孩子的老师，这些“人”不但“传道授业解惑”，更能在言语之间给予孩子鼓励。
你不禁会好奇，这些“人”到底是谁？
如果在几年前跟你说出他们的名字，你可能会感到陌生。但现在，提及数字人，人们或多或少都对其有些了解。因为这些特殊的“人”，已然介入我们的世界之中，并给一些行业带来了实质性的改变。
数字人，指的是基于CG（Computer Graphics，计算机图形学）技术与人工智能（AI）技术打造出的数字化虚拟人物。最早的数字人形象可追溯到上世纪80年代，不过，受限于技术水平，早期的数字人形象主要由手绘完成，制作周期漫长，且应用成本极高。所以在很长一段时间内，数字人行业不温不火。
近些年，随着元宇宙概念的出现，以及CG、深度学习算法、自然语言处理（NLP）等技术的发展，数字人行业迎来了一个热潮。无论是实体经济，还是传媒相关的内容生产领域，都开始频繁地使用数字人形象。虚拟偶像、虚拟主播、金融业务员……数字人变换着不同的身份，给人们的生活提供着便利。
在百度与央视新闻共同举办的“2022百度世界大会”上，多个AI数字人在会场亮相。数字人“希加加”不但担任着大会的主持人，还在现场献上了自己绘制的画作。作为国内首个可交互的虚拟偶像，数字人“度晓晓”还与撒贝宁同台互动，展现着与真实人类相似的风趣。
尽管人们和数字人建立了一定的联系，但关于它们背后的故事，人们却知之甚少。制作一个数字人，要经过哪些工序？它们有个性吗？如果有，个性从何而来？元宇宙发展至今，最先进的数字人技术是什么？这些技术又会对我们的世界带来怎样的改变？
带着这些问题，《新周刊》对百度数字人与机器人业务负责人李士岩进行了专访。以下为《新周刊》与李士岩的对谈。
数字人“希加加”展示自己绘制的画作。
想成为数字人工程师，技术与审美缺一不可
《新周刊》 ：数字人迅猛发展是近几年科技领域发生的比较重大的事件，什么样的契机促使你进入了这条赛道？
李士岩：从数字人产品的发展特点上看，这是一个与AI相关的技术和艺术结合得比较紧密的赛道。我的职业背景是和它比较契合的。我最早做设计师，之后又做了两年软硬一体化的产品孵化。除此之外，我也做过一些人因工程（研究人和机器及环境的相互作用的学科）的研究工作。在这些进程中，我发现自己对这种交叉学科很感兴趣，于是，在2019年，数字人行业加速发展的时候，我开始做了相关的产品。
《新周刊》 ：很多人的刻板印象里，会觉得制造数字人的工作就是埋头钻研技术，你这份职业每天的真实状态是怎样的？
李士岩：数字人行业当前还是处于比较早期的阶段，为了推动它向前发展，最核心的手段还是市场化。所以我的一部分工作是研究市场，包括市场规模、动向和趋势。技术层面上，我会规划企业内部数字人相关核心技术的发展，并组织相应的技术攻关。此外，研究客户的需求，也是日常工作中的一部分。
《新周刊》 ：你觉得数字人的团队和其他技术团队有哪些区别？加入这个行业，需要具备什么特质？
李士岩：带领数字人的团队，既要考虑到技术的迭代路径，也要考虑到团队中成员的美学素养，以及对一些人体结构的了解程度。这些会直接决定我们产品做出来是不是足够生动和美观。
像我们团队中有很多人都在研究人体解剖学，研究人的三庭五眼。有些男生甚至已经把女生的各种化妆手法，比如眼线、眼影、腮红的色值，都研究得很透彻。
当然，在技术方面，它既要用到语音、语义相关的技术，也要用到CG、视觉相关的AI技术。百度是国内为数不多可以实现全链路AI能力的公司，我们在这方面有着非常丰厚的积累。所以，我们团队的人在全链路的技术上都会有一个整合。
《新周刊》 ：你提到了全链路的能力，现在如果想要造一个数字人出来，需要经过哪些环节？
李士岩：我们用通俗的语言来解释，就是首先要造出来一个“人”，但这还远远不够，你要能让这个“人”做事情。有的要去当业务员，比如我们给银行做的产品，它们可以帮助客户办理业务；有的要去当主持人——我们给央视新闻提供了手语数字人；还有的，要做虚拟偶像，诸如我们熟知的“希加加”“度晓晓”。
制造的流程一般是这样的：第一阶段，传统的操作是通过扫描真人或者手雕一个三维模型来建模，但百度智能云采用AI技术的方式，上传一张照片就能自动生成一个三维的超写实数字人。第二步需要做的事情，叫“数字人的驱动”，就是让它能说话，能动起来。
在这步的设置中，我们一般会用跨模态的转化技术，给它输入文本，通过AI就能够预测它说话时的口型和发音，我们运用的相关技术是NLP、ASR（语音识别）。这样数字人就学会了表达。第三步，就是让已经做好的数字人，通过我们百度智能云的数字人平台，去生产内容。
数字人捏脸系统。
前沿的AI技术，提升了内容制作效率，也降低了成本
《新周刊》：你进入这条赛道时，数字人的发展如何？到今天，它分别历经了哪些阶段？
李士岩：数字人的1.0特征是官方发布一个虚拟形象，再发布一个声音，各个粉丝通过这种声音软件来为这个虚拟形象创造声音作品，以此来实现虚拟人的孵化。2.0则是在此基础上，引入了影视所用的动图技术——光学动图技术，让官方发布的数字人在“中之人”（指操纵虚拟主播进行直播的人）的驱动下，通过直播这种一对多的形式，与粉丝、观众进行互动。
第三个阶段，也就是我进入行业时的2019年左右。它的显著特征是无论在数字人的生产端，还是在数字人的消费端，由于AI相关技术的加入，变得效率更高，载体更丰富，覆盖的用户面也更广。它已经成了一种在AI技术驱动下实现“7×24小时N人N面”、低成本生产的互动形式。
《新周刊》 ：现在数字人行业最前沿的技术有哪些？
李士岩：最前沿的技术，主要从三个方面看。
首先，在制作人像层面，目前最顶尖的技术是通过超写实人像来实现智能建模。用传统方式做一个人像的周期是1—2个月，但通过照片建模的技术，几分钟甚至几秒钟就能够完成。
在驱动和交互上，最前沿的技术有两个：AI相关的非注意力ASR模型和利用大模型相关的对话技术。前者让语音转换文本的能力变得更为精准，后者则是对数字人的理解和反馈能力有质的提升。
在内容生产赛道里，动画数据、通过3D换脸技术进行的虚拟偶像、内容的快速生产，都是比较尖端的技术。
《新周刊》 ：这些前沿技术在提升内容制作效率和降低成本方面有哪些影响？
李士岩：首先，人像生产是数字人成本的最主要构成，行业里超高精的人像成本往往要50万—100万元。原来的手工方式，需要花费大量的体力劳动，外加一部分主观的创作和审美。但通过AI的训练，我们能够实现人像的自动化生产。
在对话这个维度上，随着大模型技术的不断进步，数字人在语言交互上的训练成本也能进一步降低。最近，我们发布了百度智能云的对话平台UNIT7.0，平台化的产品使得数字人这种对话配置、多模交互的能力更加易用，使用成本也更低。
就内容生产维度来说，我们现在可以采集大量的数据训练集，这些捕捉的数据，可以完成自动修复。比如，我们在做央视新闻的手语项目时，每一个手语动作都是一条数据，我们采集了上万个手语动作，并予以修复，为我们的听障用户服务。
这个成本其实是非常高的，但正是因为有了大量的数据积累，我们才能将自动化修复的时间成本缩短至少80%，预算成本能节省60%—70%。
百度智能云·曦灵AI 手语平台。
未来的元宇宙里，数字人将占据核心位置
《新周刊》 ：目前数字人的市场需求如何？
李士岩：数字人的需求主要集中在两个方向，分别是多模交互方式和内容生产。在多模交互方式方向，数字人的工作主要是做业务员，也就是理财经理、教育培训领域的一对一交互教练等。在内容生产维度上，数字人做的主要是虚拟主持人、虚拟主播和虚拟偶像。
目前来看，这两个大赛道每年成长率都较高，每年可触达的市场规模几乎都是翻倍的。预测到2023年，这个市场规模接近300亿元。虚拟偶像大概占到60%，虚拟员工、虚拟主持人和带货主播，占到40%—50%的规模。
《新周刊》 ：数字人的客户群体和实际应用怎样？
李士岩：在运营商行业，我们已经做了大量的案例，比如我们给银行等机构都提供过虚拟员工类的服务。以银行App为例，百度智能云的数字人能为用户提供金融服务；到了线下场景，银行的网点里，也有数字人的智能屏帮助客户办理业务，从而解决线下排队等一些问题。
在内容生产方面，也就是我们内部所说的“演艺型数字人”赛道，我们给央视做了相应的虚拟主持人或手语主持人，这在冬奥会、冬残奥会、NBA等一些赛事上，已经服务了几千万名听障用户。
《新周刊》 ：你提到的用户群体，更多的是一些大企业，对于那些中小企业或机构，它们在数字人方面有哪些选择？
李士岩：现在数字人应用的行业瓶颈是应用节点较多，成本较高。针对目前这种情况，我们的做法是，通过一些标准化的SaaS产品（Software as a Service，即通过网络提供软件服务），让一些中小企业也能获得数字人服务。
现在，直播是不可或缺的运营手段，但一个小企业想要自己搭建专业的直播间，成本较高，场地、设备，外加主播，可能要花几十万元。针对类似问题，我们发布了百度智能云·曦灵数字人直播平台，它现在是市面上唯一能达到影视级的超写实数字人，也是可通过AI驱动实现24小时自动直播的产品。相较于定制化的数字人，这种平台级的SaaS软件的应用成本要低得多。
《新周刊》 ：数字人兴起和最开始的元宇宙风口有较大关系，作为从业者，你觉得数字人对于我们未来在元宇宙中的生活，会有哪些影响？目前还存在哪些挑战？
李士岩：无论平台怎么进化，用户在里面做的事情是相似的——社交、获取服务和消费内容。在这些领域，用户都必须拥有一个“二分身”。“二分身”就是典型的数字人应用。所以，根据我们的判断，无论是作为进入元宇宙的通行证，还是未来在元宇宙中提供服务，数字人都占据非常核心的位置。在生活方面，我们能发现，数字人已经提供了诸多便利，它可以让银行的服务变得更有温度，让教育变得更有效率，那些虚拟偶像也通过聊天，给予了我们更多陪伴。
至于挑战，从整个行业来看，还需建立一些专业标准，比如像自动驾驶汽车那样，划分出智能化的等级。此外，数字人的智能化构造和生产需要采集的数据，投入成本也非常高，如果有可能在行业内进行更广泛、更流畅的数据互通，工程师们的研发可能会变得更方便。
