沸騰的數(shù)字人：打響大模型產(chǎn)品落地第一槍

大模型時代，真正顛覆性的產(chǎn)品是怎樣的？它應該具備大模型的自進化能力，還是能給產(chǎn)業(yè)貢獻新的生產(chǎn)力工具？抑或是重構企業(yè)的經(jīng)營管理模型？

數(shù)字人，正在給出一個答案。

作者|皮爺

出品|產(chǎn)業(yè)家

“大模型如何往下走？”

6月底，一個投資機構舉辦的以大模型為主題的閉門會上，這個話題被提出，并迅速引發(fā)了在座參與者們的廣泛討論，甚至，這種“討論”也可以稱為“探索”。

這種關注度也更在成為整個大模型市場的縮影。在長達12個月的技術參數(shù)競賽后，人們越來越真實地發(fā)現(xiàn)，盡管AI和其它技術不同，其具備廣泛的認知和重構產(chǎn)業(yè)的能力，但就當下而言，距離真正的產(chǎn)業(yè)AGI仍有不小的距離。

這種距離的具體表現(xiàn)則是——2024年的如今，大模型仍然很難在產(chǎn)業(yè)細分場景里成功落地。

根據(jù)一份不完全數(shù)據(jù)統(tǒng)計，在過去的一段時間里，盡管對AI進行嘗試的企業(yè)不計其數(shù)，但真正將AI在企業(yè)內(nèi)部落地的比例不超過10%。

大模型的下一步應該怎么走？或者對這個問題更細致的拆解是：如何讓大模型保持持續(xù)進步和落地？

在剛剛過去的WAIC大會上，一個被廣泛提及的點是壓降幻覺率和AI應用，這些在會上被展示出來的應用遍布各行各業(yè)，如工業(yè)、金融、教育、農(nóng)業(yè)等等，而具體到產(chǎn)業(yè)的環(huán)節(jié)，也更覆蓋如內(nèi)部管理、營銷、物流、數(shù)據(jù)運營等等。

而在其中，數(shù)字人是最受到關注的方向之一?！皵?shù)字人是現(xiàn)在為數(shù)不多能落地、被應用、且可以看得到效果的AI應用?！币晃淮髸膮⒂^者告訴產(chǎn)業(yè)家。

實際上，如果把視角聚焦到這個在大模型之前就出現(xiàn)的賽道身上，則是不難發(fā)現(xiàn)，伴隨著大模型的出現(xiàn)，數(shù)字人賽道正在迎來新的重構，這種重構不僅在產(chǎn)品形態(tài)、技術突破，也在其在產(chǎn)業(yè)場景里帶來的價值。

“我們認為數(shù)字人或?qū)⑹茿IGC時代代表性的顛覆性產(chǎn)品?！?/strong>京東科技人工智能業(yè)務負責人告訴產(chǎn)業(yè)家。一個足夠真實的數(shù)據(jù)是，京東云言犀數(shù)字人如今已經(jīng)累計服務品牌超5000家，帶動GMV超過百億，而如今伴隨著數(shù)字人被越來越多的企業(yè)使用，這個GMV還正在加速躍升。

“大模型落地應用先行，應用驅(qū)動大模型進化”。數(shù)字人，正在打響這個飛輪的第一槍。

一、 “數(shù)字人+大模型”，

跨過產(chǎn)業(yè)“恐怖谷”

恐怖谷效應，一直是數(shù)字人賽道的發(fā)展掣肘。即盡管在過去的幾年時間里，從事數(shù)字人的企業(yè)和服務商不在少數(shù)，但由于其一直存在“恐怖谷效應”，所以數(shù)字人的落地一直處于不慍不火的狀態(tài)。

而更拆解來看，這種恐怖谷則體現(xiàn)在數(shù)字人的動作靈活度、語言回復（交互）、自然姿勢展現(xiàn)等多個緯度。

一位數(shù)字人公司的CTO曾告訴產(chǎn)業(yè)家，“在學術界和工業(yè)界，做數(shù)字人一般會使用‘微妙’這個詞，因為一個微小的差別，都能被人們感覺到。”

“這個賽道的整個產(chǎn)業(yè)鏈仍然不完善，包括硬件這些，盡管直播和培訓有不少企業(yè)選擇采買，但核心技術還是不到位，很多企業(yè)甚至會自己用免費的技術搭建一個，效果都大差不差?！币晃坏胤轿穆秘撠熑吮硎?。

但這個掣肘在4月16日晚的京東采銷直播間被“動搖”。在當天晚上18點，“采銷東哥AI數(shù)字人”進行了其在京東直播的首秀，包括人物造型、口音貼合度、動作姿態(tài)都與真人差別度極小，甚至偶爾還能飆出幾句“宿遷話”，其首秀不到1小時，直播間觀看量就超過2000萬，帶貨GMV更超5000萬。

“數(shù)字人，已經(jīng)跨過了‘恐怖谷’。”該負責人告訴我們，根據(jù)他介紹，在京東內(nèi)部，一個被力爭達成的目標是“120s測試”，即如果在120s之內(nèi)觀眾沒有辨別出屏幕上的人為數(shù)字人，那么就可以稱之為跨過“恐怖谷”，而如今，這個挑戰(zhàn)已經(jīng)基本被完成。

這并不是一件容易的事。簡單的介紹是，目前行業(yè)內(nèi)對于數(shù)字人的構建流程環(huán)節(jié)往往采取的是“建?！?qū)動—渲染”的方式，但如果想要達成“自然無異”，甚至超過120s的真人效果，每個環(huán)節(jié)都需要做到完美，這還包括NLP、TTS的挑戰(zhàn)都必須攻克。

“京東云言犀數(shù)字人是端到端的視頻生成模式”該負責人告訴我們。Sora就是端到端的典型代表，但我們發(fā)現(xiàn)Sora生成的視頻仍經(jīng)常出現(xiàn)不合理的地方，比如扭曲的肢體動作?！罢嬲逃眠€要面對幻覺問題，我們在幻覺壓降這塊下了很多功夫，因為幻覺這類情況在商業(yè)上是不被允許的?！彼a充。

數(shù)據(jù)顯示，在“采銷東哥AI數(shù)字人”之外，在今年京東618期間，還有格力董明珠、海信胡劍涌、LG李東善、名創(chuàng)優(yōu)品葉國富、潔麗雅石展承等超18位總裁數(shù)字人，都已經(jīng)走向臺前，成為品牌新的直播法寶。

也可以說，伴隨著大模型的出現(xiàn)，AI數(shù)字人正在釋放出更強的實用價值和更看得到的商業(yè)模式，不論是采銷東哥AI數(shù)字人，還是在品牌直播間愈發(fā)高頻出現(xiàn)的數(shù)字人主播，都在昭示著AI數(shù)字人這個顛覆性大模型產(chǎn)品的成熟。

但在數(shù)字人本身之外，如果從AI的視角來看，“大模型+數(shù)字人”到底意味著什么？

二、真實的數(shù)據(jù)閉環(huán)，

和新“AI生產(chǎn)力”工具

關于大模型，行業(yè)內(nèi)有一個共識的說法，即不論如何“要先讓大模型跑起來”。在過去半年的大模型論壇或者圓桌會議上，這個說法已經(jīng)成為共識。

原因為何？

答案仍然是數(shù)據(jù)。眾所周知，對這波浪潮的主角之一OpenAI而言，在過去的近2年時間里，其最大的資金投入之一是算力成本，不論是A100、H800還是其它系列的GPU，對應的都是天價投入，這種大投入也更催生出了GPT到4.0版本的更新迭代。

但明眼人能看到的是，從GPT4.0到5.0，乃至后續(xù)的規(guī)劃上，OpenAI放緩了相應的產(chǎn)品更新節(jié)奏。

實際上，在算力之外，一個在如雪球般滾動的成本也更在成為OpenAI的資金大頭，甚至占比越來越高，它就是數(shù)據(jù)。如果說從小學到大學的通識教育，對應的是互聯(lián)網(wǎng)線上的基礎數(shù)據(jù)樣本，那么從大學到對應領域的深造學習，需要的則是更為真實且高質(zhì)量的數(shù)據(jù)，對模型進行訓練。

但這些數(shù)據(jù)，有盡頭。在不久前的一次科技論壇上，月之暗面創(chuàng)始人楊植麟也曾明確表示，大模型現(xiàn)階段的難點是如何找到更多更真實的數(shù)據(jù)，但這樣的數(shù)據(jù)現(xiàn)在很難找到，甚至是否真實存在，他的態(tài)度是“不確定”。

從行業(yè)視角來看，關于大模型訓練的進階數(shù)據(jù)有兩種方式最為主流。一是利用大模型生成數(shù)據(jù)，但需要在消除幻覺的基礎上；另一類是“創(chuàng)造真實的數(shù)據(jù)”，也就是尋找能跑起來的AI應用。

對前者而言，這仍然是個數(shù)據(jù)是否真實的偽命題。但對于后者，如今已經(jīng)有跑出來的答案，它就是數(shù)字人。

能清晰看到的是，在AI數(shù)字人被一次次使用的當下，它也更在通過一次次真實的交互生成出更為高質(zhì)量的數(shù)據(jù)，進而反饋大模型訓練，推動整個閉環(huán)乃至大模型飛輪效應的形成。

這種閉環(huán)的形成并非偶然，甚至也更可以成為一整個AI工程的長期落地。在京東內(nèi)部，早在2018年開始，多模態(tài)人機交互項目就已經(jīng)開始投入研發(fā)，而在如今生成式AI的催化下，它更是向前一步。

在大模型本身的幻覺層面，京東內(nèi)部團隊也更是下了很大功夫。“我們認為如果大模型不解決幻覺問題，不對其進行極致的壓降，AI大模型很難成為未來真正的產(chǎn)業(yè)大廈?！?/strong>京東科技人工智能負責人告訴我們。

據(jù)了解，目前京東壓降幻覺率的主要方式是向量數(shù)據(jù)庫+優(yōu)質(zhì)數(shù)據(jù)。

從2019年開始，京東就開始研發(fā)向量數(shù)據(jù)庫，歷經(jīng)電商大促場景磨練，如今其向量數(shù)據(jù)庫Vearch已經(jīng)能支撐百億級高性能檢索，延時降低到毫秒級。京東在垂直行業(yè)的知識沉淀更是豐富，言犀大模型訓練時就用了70%通用數(shù)據(jù)和30%的供應鏈原生數(shù)據(jù)。

而從大模型的角度來看，基于AI數(shù)字人構建起來的這種飛輪也更具其特殊之處。即不論是其產(chǎn)品背后對應的大模型能力，還是如今發(fā)揮作用和價值的場域——電商平臺，都對應的不僅是大模型某單項能力的鍛煉，或反饋，而更多是集合全部模態(tài)的實戰(zhàn)考校和磨練。

在這種豐富的實戰(zhàn)中，“大模型—應用—數(shù)據(jù)反饋—訓練”的飛輪在加速運轉。

三、數(shù)字人背后的「AI產(chǎn)品啟示錄」

其實，數(shù)字人的價值還不僅于此。電商直播之外，在金融、教育、員工培訓、企業(yè)數(shù)字員工等等越來越多的場景里，它都在成為新的AI生產(chǎn)力角色。

在大模型發(fā)展的如今，我們一直嘗試解答一個問題：大模型時代，真正顛覆性的產(chǎn)品是怎樣的？它應該具備大模型的自進化能力，還是能給產(chǎn)業(yè)貢獻新的生產(chǎn)力工具？抑或是重構企業(yè)的經(jīng)營管理模型？

數(shù)字人，正在給出一個答案。在大模型從技術漸進式到產(chǎn)業(yè)顛覆式發(fā)展的當下，作為已經(jīng)落地的大模型產(chǎn)品，數(shù)字人已經(jīng)跨越了“AI+”，正式進入AI重構的時期。

首先，從技術來看，作為大模型的集大成者，不論是生成數(shù)字人的方式和步驟，抑或是其如今展現(xiàn)出來的能力，都有足夠的技術支撐，跨過“恐怖谷”，達到真正商用的階段，而配上如今低成本的配置，企業(yè)可以低門檻嘗試。

其次，從具體的效果而言，作為使用數(shù)字人的企業(yè)，都可以基于數(shù)字人改變自身的企業(yè)經(jīng)營管理方式。以電商為例，在直播、數(shù)字人回復、AI外呼等等各方面，數(shù)字人都在構建一種新的交互方式，幫助企業(yè)更好地傳遞聲音，創(chuàng)造價值。

同樣，在商業(yè)化角度也更是如此，即作為一種SaaS形態(tài)，能清晰感知到的是AI數(shù)字人已然顛覆過去以往市場對SaaS產(chǎn)品低粘性、高流失、難定制的印象，其某種程度更等同于企業(yè)的“固定員工”。

可以說，作為如今唯一可落地、可大范圍時間的AI產(chǎn)品，數(shù)字人在將大模型技術的顛覆性在無數(shù)的產(chǎn)業(yè)場景中逐一展現(xiàn)，并且貢獻出AI原生的“顛覆式”增量。

實際上，這也正是京東的思考。即在如今的大模型時代中，京東一直以來的口號是向產(chǎn)業(yè)進發(fā)。

在過去的一年時間里，在強大的基座大模型之上，外界能看到的是京東似乎一直基于數(shù)字人發(fā)力，不論是東哥直播，還是幫助品牌伙伴的CEO做數(shù)字人，以及在金融、文旅等等方向進行的數(shù)字人的落地，外界也更在對這種“單一的聲音”提出質(zhì)疑。

但這背后對應的是京東一直定位的產(chǎn)業(yè)大模型思維。即相較于市面上大模型廠商在小參數(shù)、開源、閉源等越來越多概念上的爭論，京東所做的只有一點——尋找當下階段中大模型能力的最佳、最實用釋放點，兼?zhèn)銩I力、產(chǎn)品力、價值力、生產(chǎn)力，如今這個答案已經(jīng)給出，正是數(shù)字人。

肉眼可見的是，京東云言犀數(shù)字人已經(jīng)成為無數(shù)企業(yè)真實使用的大模型產(chǎn)品，不僅電商，也不僅直播。而在不經(jīng)意間，在數(shù)字人這個最具落地的AI大模型方向，不論是技術、落地、場景，還是商業(yè)化服務體系，京東都已然成為國內(nèi)最佳領跑者。

但還不止于此，在如今的京東內(nèi)部，類似數(shù)字人這種兼?zhèn)洚a(chǎn)品和生產(chǎn)力價值的顛覆式產(chǎn)品方向也在被加速尋找、研發(fā)。

“我們在大模型方向，更多追求的是一種雙贏的模式，最終希望數(shù)字人這些AI產(chǎn)品能夠給品牌商家?guī)韮r值，他們也愿意為之付費，建立一種良性的循環(huán)?！?/strong>上述負責人告訴我們。

以數(shù)字人為起點，在大模型時代，京東正在給出屬于自己的回答。