每經記者 朱成祥    每經編輯 董興生    

“大家好，我是劉強東，今天是不是看起來有些不同？很久沒直播，還有些許緊張……話不多說，老劉的數字直播帶貨現在開始。”4月16日，京東創始人劉強東在京東平臺開啓數字人直播。

“東哥”數字人直播，迅速引起廣泛關注，數字人替代真人直播的時代來臨了嗎？

4月18日，數字人頭部廠商硅基智能創始人司馬華鵬接受了《每日經濟新聞》記者的專訪。司馬華鵬表示：“劉強東這次數字人直播，對我們行業是非常大的品牌宣傳。他使用（數字人直播），說明這個行業得到了一次非常重要的認可。”

對於AI的使用，司馬華鵬建議：“未來所有使用AI的人，應該專注到人類特有的東西，比如創意，比如有溫度的東西。”

拆解數字人技術

“數字人劉強東”是否有硅基智能技術的支持？司馬華鵬表示：“我們不太方便對外公開，但這些技術最早的開創者肯定是我們。我們在整個（數字人）直播上大概有40多項發明專利，在申請的也有幾十項。現在行業內有很多在使用我們的技術授權，也有很多在使用硅基智能的API（應用程序編程接口）。”

“東哥”數字人究竟是如何打造出來的？司馬華鵬介紹：“它（數字人）這些內容是用AI渲染出來的。如果現在想做東哥同款，你需要提供幾分鐘的視頻。然後我們會將其訓練成一個數字人模型。這個數字人模型背後，將由大模型驅動它。定時去上一些產品、定時回覆一些客戶需求、定時作一些記錄，這些都是事先做好的劇本，這些劇本實質由大模型驅動，比較接近於人類的行爲和反饋。”

那麼，除了上述AI渲染技術外，數字人直播還需要哪些技術支持？司馬華鵬稱：“我們的大模型是多模態的，是文本生成、聲音生成和數字人生成的結合。其實很多人在反饋，他（劉強東）聲音和節奏感與他原來講話不太一樣。這很可能克隆的是平時的語速，但是直播（過程中），一個用戶停留時長是比較短的，你必須在很短時間內把大量的信息披露出來，所以必須把聲音放得快一些。”

對於語音合成技術，司馬華鵬表示：“我們全部技術都是自己的。從目前端到端的生成來講，（語音合成）已經是一個非常成熟的技術。”

數字人形象、語音合成，都是外在展現形式，數字人直播內容仍舊離不開文本。對於文本，司馬華鵬稱：“文本大模型方面，我們基本上都是原創的技術，最近‘炎帝’大模型剛剛通過網信辦的備案。”

能否替代真人直播？

目前，大家看到的直播帶貨，很可能就是數字人。司馬華鵬介紹：“我們在2021年開創AIGC直播的大方向，（劉強東數字人）基本上是我們2023年產品能夠呈現出來的效果，這樣的直播間我們已經賣掉了上萬個，京東、淘寶、抖音、快手和視頻號平臺都有。”

真人直播會面臨各種複雜場景，特別是情感交流，數字人可以做到嗎？司馬華鵬表示：“我們在看東哥直播的時候，會不會把他（數字人）當作真正的東哥來看，這是決定數字人智能化程度的重要標誌。從開播到現在，行業有非常多的評價，大家覺得還是能看到一些機械的痕跡。”

“這個（數字人）行業發展的核心就是‘看不出來’。”司馬華鵬強調。

其認爲：“我們現在也有大量的直播間，效果比這個（劉強東數字人）要好很多。如果他這個直播不是在自家平臺，而是在其他平臺，很容易被機器識別出來，很快就會被限流。”

因此，在司馬華鵬看來，數字人行業的核心是讓整個直播間符合圖靈測試。對於數字人行業的發展，其認爲：“（該領域）圖靈測試1.0是分不清（是人類還是AI）；圖靈測試2.0則是雙向情感交互；圖靈測試3.0就是‘死生相契’，未來我們與AI之間，可能是Soul Mate（心靈伴侶）的關係，它是你非常重要的助手、朋友，也可能是你親密的合作伙伴。”

目前，很多問答式大模型主要給受衆提供專業類輔助，但若訴諸情感，是否兼具圖像、聲音和文本的多模態大模型更具優勢？對此，司馬華鵬表示認可。“人類大腦的設計中，90%以上是針對圖形，所以我們說有圖有真相。基於文本，產生的是想象力，（閱讀文本）的能力確實非常重要，但對大部分人而言，（自己的大腦）生成圖片，然後再想象出一個空間，還原出這個東西，是非常累的。因此，多模態或者視頻化交互能力，能夠大大降低我們之間信息溝通對應的腦力消耗。”

對於未來AI電商的形態，司馬華鵬認爲，未來更大的價值是專業性。比如說，假設我們在食品領域有一個很好的AI專家，它可以從數據、算法的角度給我們提供很多的專業內容。這樣的專家，它帶來的影響力會超過現有的人類專家，這會帶來真正的、更好的電商交易。

其進一步解釋稱：“人類在做很多行爲的時候，有一定的偏頗或者偏見，或者帶有一定的商業目的。而以數字和算法驅動的AI專家，會成爲我們的朋友、我們的夥伴，很有可能成爲AI電商未來的主流。現在這些成本還比較高，只是出現在奢侈品領域。我希望未來每一類小產品上，都有這樣一個專家顧問，來給我們提供非常好的溝通交流方式。這是AI電商未來非常重要的一部分。”