在元宇宙熱潮的影響下，2022年，數(shù)字人領(lǐng)域出現(xiàn)井噴。大到互聯(lián)網(wǎng)巨頭，小到創(chuàng)業(yè)公司，紛紛入局?jǐn)?shù)字人領(lǐng)域。

不過，在相對高調(diào)的數(shù)字人領(lǐng)域，有一家公司，技術(shù)實力與曝光度遠(yuǎn)未成正比，那就是小冰公司。

相比國內(nèi)數(shù)字人公司，小冰公司是為數(shù)不多的愿意在“海平面”以下做數(shù)字人基礎(chǔ)設(shè)施的公司。

(相關(guān)資料圖)

小冰公司CEO 李笛

用小冰公司CEO李笛的話說，小冰想做的AI Beings是有靈魂的數(shù)字人，而不是只能簡單交互的數(shù)字人外形。

根據(jù)小冰官方數(shù)據(jù)，小冰框架是全球?qū)嶋H落地及完備度最高的AI Being基礎(chǔ)框架，覆蓋中國、日本、印度尼西亞等國6.6億在線用戶、10億臺第三方智能設(shè)備和9億內(nèi)容觀眾，商業(yè)客戶覆蓋全球。目前框架內(nèi)運行著數(shù)千萬AI Beings，其中數(shù)字員工約有30萬名。

數(shù)字員工、虛擬陪伴、游戲NPC是小冰數(shù)字人開發(fā)的主要場景和應(yīng)用。尤其趁著企業(yè)數(shù)字化轉(zhuǎn)型的浪潮，小冰框架在數(shù)字員工領(lǐng)域大殺四方。

在過去的一兩年中，在小冰框架的基礎(chǔ)上，不斷為客戶開發(fā)出觀君、招小影、崔筱盼、N小黑等一系列專業(yè)領(lǐng)域數(shù)字員工。在李笛看來，數(shù)字員工遠(yuǎn)遠(yuǎn)不止是一張超寫實的面孔，更重要的是可以完美勝任財務(wù)、教練、客服等一系列工作，且比真人做得更好。

（崔筱盼）

從2014年誕生到現(xiàn)在，小冰已經(jīng)經(jīng)歷了9代。在“海平面”以下，她究竟打下了怎么樣的基礎(chǔ)，與市面上的數(shù)字人究竟有什么不同？我們跟小冰公司的CEO李笛聊了聊。

“數(shù)字人行業(yè)在2022年迅速進(jìn)入了一個紅海市場”

娛樂資本論：你怎么看我們這次年度大會的主題——咬定青山？

李笛：人工智能領(lǐng)域需要充足的耐心，沉下心深入研究，也許短期內(nèi)看不出什么，但在未來回看，卻發(fā)現(xiàn)這些“海平面”以下的事非常重要。就像竹子“咬定青山”地扎下去，把根基打牢，才有可能勃發(fā)。

娛樂資本論：2022年，數(shù)字人的制作成本快速降低。你如何看待行業(yè)的發(fā)展趨勢？

李笛：首先明確，數(shù)字人的概念，到底是什么？現(xiàn)在很明確的一件事是，不同的人對數(shù)字人概念的理解大相徑庭。比如，大家在總結(jié)數(shù)字人技術(shù)的時候，會強(qiáng)調(diào)他的建模和動捕。這里面隱含的意思就是，他對數(shù)字人的意思是還是基于外觀的理解。

而當(dāng)我們說數(shù)字人的時候，說的是自驅(qū)，交互和內(nèi)容生成。

這是一個比較大的分野。如果只強(qiáng)調(diào)外觀，那么過去一年的時間，這個領(lǐng)域，不是成本在大幅度降低，而是利潤在大幅度降低。這個領(lǐng)域迅速進(jìn)入了一個紅海的狀態(tài)，互相之間殺價殺到利潤非常低。因為這個領(lǐng)域的技術(shù)同質(zhì)化很嚴(yán)重。

第二，這些企業(yè)的付費客戶一般是各大品牌的市場部門，因為，數(shù)字人通常被企業(yè)當(dāng)成營銷手段的。但小冰旗下的數(shù)字人，是幫助企業(yè)做一些真正的事情的，比如財務(wù)催款、體育教練、財經(jīng)新聞撰寫等等。

所以，數(shù)字人行業(yè)出現(xiàn)一個非常奇特的狀態(tài)——如果放在人工智能領(lǐng)域，它有非常大的未來。但如果它的定義還是一個外形，那么，他的上限不會很高，是因為，他的市場需求量沒那么大。

娛樂資本論：很多數(shù)字人的公司都在做“海平面”以上的事情，比如打造一個更好看的外表，為什么你有勇氣從“海平面”往下做？

李笛：目前市面上很多數(shù)字人的嘗試，我們當(dāng)初在微軟的時候就都嘗試過了，比如智能客服系統(tǒng)、智能操作系統(tǒng)、智能音箱等等，我們平行趟了各種坑。所以在做小冰時候，就已經(jīng)有了一個完備的技術(shù)框架。

我們對小冰的一個基本理念是，完備框架。就是說，小冰不是一個基于問答，或者不是基于單輪交互，而是基于一個交互全場的產(chǎn)品，它要求人工智能程序能夠引導(dǎo)這個交互項目去發(fā)展。為此，她需要有內(nèi)容生成能力，需要有情感，或者說情商。

小冰當(dāng)時其實是微軟做的第一個人工智能助理Cortana的Plan B。我們在當(dāng)年并不是那么明確的知道，哪個方向才是未來趨勢。但是在我們做Cortana的時候發(fā)現(xiàn)，這種基于問題，或者是從人工智能那里獲得知識這種模型，可能并不是唯一的答案，于是我們做了小冰。

經(jīng)過很多年之后，我們發(fā)現(xiàn)小冰是符合未來發(fā)展趨勢的，她的出現(xiàn)更加符合人工智能的發(fā)展上限。

我們認(rèn)為這個世界上，不會只有幾個人工智能助理，或者幾個回答你問題的數(shù)字人，而是有各種各樣的AI Being。

我們要做的事情是，讓這些AI Being跟人的交互，就像人與人一樣。為了這些，我們會去讓她擁有“情商”，掌握唱歌、畫畫等內(nèi)容生成能力。

“我們不做‘替代’人的虛擬人，我們做‘補(bǔ)位’”

娛樂資本論：為什么你們每次都從數(shù)字員工這個領(lǐng)域切入？而不是虛擬偶像？

李笛：我們會判斷什么是AI Being需求最大的地方，從而優(yōu)先篩選具體的賽道。

很遺憾，AI Being需求量最大的地方不是回答問題的知識專家，而主要是三類。一類是企業(yè)數(shù)字員工，一類是人類周圍的陪伴者，還有一類是游戲里面的NPC。這幾類需求很大，所以這些也是我們的主要布局。

娛樂資本論：聽說小冰框架在金融資訊領(lǐng)域已經(jīng)有了廣泛地應(yīng)用，是否可以介紹一下？

李笛：比如每日經(jīng)濟(jì)新聞的虛擬人主播N小黑，已經(jīng)穩(wěn)定運行了一年多了，365乘以24小時不間斷播報財經(jīng)新聞。他的聲音、肢體、面容，以及播報的內(nèi)容，都是人工智能小冰框架來生成、運行的。因為如果不是全程都是人工智能的話，就不能保證24小時的連續(xù)直播。

像金融摘要，是所有文本里面最難的，因為它得容錯性非常小。比如上市公司的公告100多頁，你要把它壓縮成一個200多字的資訊。

讓AI Being把幾百頁的招股書寫成新聞稿這件事不是我們今天才開始做的。從5年前開始到目前為止，國內(nèi)90%的機(jī)構(gòu)投資人每天看到的財經(jīng)資訊，都是小冰生成的。我們專門為這個功能搭建了一個金融知識圖譜，這個圖譜里包含1000多個影響因子。

娛樂資本論：“觀君”也是小冰框架驅(qū)動的數(shù)字人，并且是一個人工智能的教練，它真的比真人教練更好么？怎么實現(xiàn)?

李笛：在某些方面，他不光是比真人教練要好，更是真人教練沒辦法比的。我們有一個理念，就是我們不做“替代”人的虛擬人，而是要做“補(bǔ)位”，完成真人無法承擔(dān)的工作。

先拿金融摘要舉例。我們在推出這個金融摘要之前，絕大多數(shù)上市公司公告是沒有摘要的。因為每天早上有100多個上市公司發(fā)公告，每個公告可能都有100多頁，你需要配多少人也來不及做摘要。但是，作為一個投資者，我需要知道這些信息，卻不可能看完這么多頁，過去只能挑著看。所以，我們的方案并不是為了替代人，而是做那些真人他做不到的事情。

同理，體育的訓(xùn)練系統(tǒng)也一樣，AI可以通過捕捉準(zhǔn)確的運動軌跡，對比過往的數(shù)據(jù)，以及其他運動員的數(shù)據(jù)，快速做出分析。這一系統(tǒng)的穩(wěn)定性和準(zhǔn)確性會遠(yuǎn)遠(yuǎn)高于真人教練。

娛樂資本論：做出這樣的一個數(shù)字人，貴么？

李笛：研發(fā)成本不一樣。如果做一個垂直領(lǐng)域的專業(yè)系統(tǒng)，確實也需要花比較長的時間，但它不難。更難的其實是通用性的開放域問題，開放域的問題解決了，再去解決一些垂直領(lǐng)域的問題就比較容易。

小冰從2020年開始進(jìn)入汽車的智能座艙領(lǐng)域，到現(xiàn)在兩年時間，滲透率已超過60%。所以，從海平面以下開始做，你會越做越順手。

娛樂資本論：小冰不久前為招商集團(tuán)做了一個數(shù)字員工叫“招小影”，為什么招商集團(tuán)愿意跟小冰合作？

李笛：有幾方面原因，國內(nèi)不同的人在提到數(shù)字人的時候，概念都不一樣，很浮躁。但絕大多數(shù)人提到數(shù)字人的時候指的都是3D建模，就是創(chuàng)造一個外形，可以念一段文字，或者有動捕的方案做虛擬IP形象。

但我們更關(guān)心，如果是一個企業(yè)員工的話，他是否能真的能做事情。所以，招小影不光要有外形，她還需要真的出現(xiàn)在招商銀行的ERP系統(tǒng)，真的在做招商集團(tuán)員工的工作。同時，她的外觀、語言交互等都不輸于3D建模的同行業(yè)者。

比如，如果你想做一個數(shù)字人，基于神經(jīng)網(wǎng)絡(luò)渲染這樣的方式，能夠做交互的話，那么，至少讓他的延遲要做到毫秒級。就是你說一句話，數(shù)字人能在毫秒內(nèi)回復(fù)你。但目前行業(yè)的水準(zhǔn)是在分鐘以內(nèi)。

“我們不做系統(tǒng)集成和硬件”

娛樂資本論：目前小冰主要的收入來源是哪些？

李笛：我們有幾個要求。第一，我們不做系統(tǒng)集成，第二，我們不做硬件，只做純軟件的收入。我們目前的收入來源是B端。

小冰認(rèn)為，未來人類會被AI Being所環(huán)繞，形成人與虛擬人共處的社交網(wǎng)絡(luò)。這意味著，只要有人的地方，就能有AI Being，它需要是一個“跨空間”的存在。比如，你的家里、你的車上、你的社交網(wǎng)絡(luò)平臺……只有軟件可以實現(xiàn)。而一旦把AI Being實體化（硬件化），它就只能存在于那個實體中。

娛樂資本論：B端的收入是什么樣的收費模式？

李笛：我們是按照不斷疊加累計的月服務(wù)費和年服務(wù)費來收入。行業(yè)里面主要是按照AI系統(tǒng)的調(diào)用來收費，我們不是。

在某些情況下，我們會按照實現(xiàn)的效果進(jìn)行分成。我們是按照整個給你包裝出來的AI Being賣，你可以理解為我們在“買賣人口”，賣出去的是一個服務(wù)包的價錢。小冰不賣技術(shù)。

娛樂資本論：你說，小冰要做的就是“販賣人口”。這個“人口”的數(shù)量，有上限么？

李笛：數(shù)字員工正在跑的已經(jīng)超過30萬個了。如果再加上to C的虛擬陪伴，那就是幾千萬了。

娛樂資本論：怎么會有30萬個這么多？

李笛：在日本大阪試點的老年人家庭，有政府給他們派的數(shù)字員工，每個家庭里數(shù)字員工都不一樣。因為老年人可以通過訓(xùn)練，使人工智能變成他想要的“樣子”。數(shù)字員工承擔(dān)的是政府的公共服務(wù)。

娛樂資本論：我聽說小冰現(xiàn)在一次對話能達(dá)到32次？正常人類一場對話平均下來也只有38次左右。

李笛：目前小冰一次對話最高可以達(dá)到39次交互。這個交互技術(shù)和對話模型，很多公司都在做。但小冰的對話跟實驗室的研究相比，其實曾踩過很多坑。比如，線上的一些交互特別復(fù)雜，2016年的時候，當(dāng)時美國版小冰上線推特剛滿24小時，就被網(wǎng)友的對話數(shù)據(jù)教成了種族主義者，然后讓CEO出來道歉。

現(xiàn)在的小冰也是一樣的。你會看到，實驗室中的數(shù)字人單就對話質(zhì)量，以及對話輪次，有很多比小冰更好的，但是大多數(shù)都很難落地。因為落地涉及到兩個問題，一個是成本，一個是安全性。尤其是對話安全性方面，一旦出問題，很難解決。

所以，歸根到底，安全性一定是小冰公司的第一原則，我們寧愿犧牲一些文本上的豐富性，也不希望小冰框架在安全性上出問題。

關(guān)鍵詞： 人工智能 上市公司 系統(tǒng)集成