大白話聊透人工智慧 數字人：從“虛擬偶像”到“產業幫手”的全解析

一、數字人到底是個啥？一句話說清核心

先拋個最簡單的定義：數字人就是“活”在數字世界裡的“人”。不是動畫片裡的卡通形象，也不是遊戲裡的NPC（非玩家角色），而是能像真人一樣聽、說、動，甚至能思考互動的虛擬存在。

打個比方，你刷短視頻看到的虛擬主播、打電話時遇到的智慧客服、銀行APP裡幫你辦業務的虛擬助手，這些都是數字人。它們有的長得和真人一模一樣，連皺紋、髮絲都清晰可見；有的是卡通風格，但說話做事透著“人情味兒”；還有的隻聞其聲不見其人，但能精準理解你的需求——本質上，它們都是用技術堆出來的“數字分身”或“虛擬員工”。

可能有人會問：“這和Siri、小愛同學有啥區彆？”關鍵就在“形象”和“互動”上。語音助手隻有聲音，而數字人有可視化的“人形”，還能做動作、變表情，互動起來更像和真人對話。就像同樣是聊天，打電話和視頻通話的感覺完全不同，數字人就是給智慧語音裝上了“身體”和“臉”。

還有個容易混淆的概念是“智慧體”。簡單說，智慧體是能自主乾活的智慧係統，比如自動下單的機器人、導航軟件裡的路線規劃程式，不一定有人的樣子；而數字人是智慧體的“特殊款”，必須長著人形（或類人形），還得會模仿人的社交行為。比如同樣是客服係統，純文字回覆的是智慧體，而螢幕上那個邊說話邊點頭的虛擬客服就是數字人。

二、數字人是怎麼造出來的？拆解“造人”全過程

彆看數字人五花八門，從製作到能乾活，都得經過“搭骨架、塑外形、裝大腦、練動作”這幾步。就像造機器人，先做身體，再裝智慧係統，最後教它怎麼動。

第一步：畫圖紙、塑外形——給數字人“造身體”

這是數字人最直觀的一步，就像給虛擬人做“肉身”，主要分2D和3D兩種路子。

2D數字人最簡單，有點像“會動的圖片”。比如有些直播間的虛擬主播，其實是用真人照片改的，通過技術讓圖片的嘴巴、眼睛跟著聲音動。你刷到的“AI孫燕姿”短視頻，很多就是用這種技術做的——把孫燕姿的照片和AI合成的歌聲結合，讓圖片“唱”起來。這種數字人成本低，幾千塊就能做一個，缺點是不夠逼真，動作也比較僵硬。

3D數字人就複雜多了，相當於造一個“虛擬玩偶”。高階的3D數字人要用專門的建模工具，比如遊戲圈常用的Unreal（虛幻）引擎，先搭出骨骼框架，再貼皮膚、畫五官，連毛孔、胡茬、皮膚反光都得調。現在還有更省事的辦法，用iPhone對著真人拍段視頻，就能把人的麵部表情、動作數據掃進電腦，直接生成和真人一模一樣的3D模型。

當年爆火的虛擬美妝博主“柳夜熙”，就是典型的3D數字人。她的團隊花了半年多，投入上百萬，才做出那逼真的麵部表情和動作，第一條短視頻成本就高達幾十萬。不過現在技術進步了，通過SaaS平台（簡單說就是“雲端工具包”），小企業花幾萬塊也能定製3D數字人，不用再養專業建模團隊了。

第二步：裝“耳朵”和“嘴巴”——讓數字人能聽會說

光有樣子不行，數字人得能和人交流，這就需要“聽覺”和“語言”係統，核心是兩項技術：ASR和TTS。

ASR就是“語音識彆技術”，相當於數字人的“耳朵”。你對著數字人說話，它能瞬間把聲音轉成文字。比如你問“今天天氣怎麼樣”，ASR會把這句話變成文字發給後台係統。現在這技術很成熟，手機輸入法裡的語音轉文字、智慧音箱的喚醒功能，用的都是同款技術。

TTS是“語音合成技術”，也就是數字人的“嘴巴”。後台係統算出答案後，TTS能把文字變成聲音。早期的合成音很機械，像“機器人說話”；現在有了AI大模型，能模模擬人的語氣、聲調，甚至能複刻特定人的聲音。比如“AI孫燕姿”的歌聲，就是用孫燕姿的真實歌曲數據訓練模型，讓AI學會她的聲線和演唱習慣。

現在高級點的數字人還能“定製聲線”。比如企業做虛擬客服，能把真人客服的聲音錄下來，訓練成專屬語音，客戶打電話聽到的就是熟悉的“老客服”聲音，親切感一下子就上來了。

第三步：裝“大腦”——讓數字人變聰明

這是數字人從“木偶”變“智慧人”的關鍵，以前的數字人缺的就是這個，所以隻能念稿子、做重複動作，現在有了大語言模型（LLM），纔算真正有了“靈魂”。

早幾年的數字人，“大腦”其實是預設好的腳本。比如你問它“營業時間”，它能答；但你多問一句“週末營業嗎”，它可能就卡住了。就像提線木偶，隻能做提前編好的動作。

現在的數字人，直接把GPT、文心一言這樣的大模型當“大腦”。你問它啥，它先通過ASR把話轉成文字，傳給大模型；大模型像真人一樣思考，生成回答文字；再通過TTS變成聲音說出來。這個過程快的話隻要幾百毫秒，感覺就像數字人在“實時聊天”。

比如羅永浩的數字人直播時，有人問“這個手機續航怎麼樣”，大模型會結合產品參數，用口語化的方式回答，還能順便推薦快充配件，這都是以前的數字人做不到的。百度副總裁說，現在的數字人已經能達到“媲美頭部主播”的互動效果，就是因為大模型給了它真正的“思考能力”。

第四步：練動作——讓數字人動起來更自然

光會說還不夠，數字人得“動起來”纔像人，這就需要“動作驅動”技術。

簡單的動作驅動靠演算法。比如數字人說話時，嘴巴要跟著語音動，演算法會根據聲音的頻率、節奏，自動控製嘴巴的開合大小，還能加點頭、眨眼的小動作。你刷到的2D數字人，基本都是用這種方式驅動的。

複雜的動作就得靠“動捕技術”。比如虛擬偶像跳舞，是讓真人演員穿戴上帶傳感器的衣服，演員跳一遍，數字人就跟著學一遍，動作精準到手指的彎曲角度。現在還有更高級的“無標記動捕”，不用穿特製衣服，攝像頭拍真人動作，電腦就能自動識彆並傳給數字人。

現在的高階數字人，連“微表情”都能做。比如你誇它“說得真好”，它會微笑著點頭；你問它複雜問題，它會皺著眉“思考”。這些都是通過捕捉真人的表情數據，再教給數字人做出來的。

三、數字人分哪幾類？從“花瓶”到“實乾家”的進化

數字人不是一刀切的，按“聰明程度”和“用途”能分成好幾類。幾年前火的大多是“花瓶型”，現在主流是“實乾型”。

按智慧程度分：“木偶型”和“思考型”

“木偶型”數字人是早期的主流，冇有真智慧，隻能做預設好的動作、說固定的話。比如商場裡的虛擬導購，隻會循環播放“歡迎光臨”“這件衣服打8折”；還有些虛擬偶像的舞台表演，其實是提前編好的動畫，就像放電影一樣，不能和觀眾互動。

“思考型”數字人是現在的新趨勢，靠大模型驅動，能自主思考、靈活互動。比如京東618期間的數字人主播，能上手測試產品，有人問“這冰箱耗電嗎”，它會馬上調出參數回答，還能對比其他型號；醫院的虛擬導診，能根據你的症狀推薦科室，甚至提醒你帶什麼檢查報告。這種數字人纔算真正的“智慧數字人”。

按用途分：“娛樂型”和“實用型”

“娛樂型”數字人最開始火起來的，主要是虛擬偶像、虛擬主播。2021年那波熱潮裡，屈臣氏推了“屈晨曦”，花西子搞了“花西子虛擬人”，都是想靠虛擬偶像吸引年輕人。但後來大家發現，虛擬偶像成本高、粉絲粘性差，抖音上虛擬主播的平均觀看時長從15分鐘跌到5分鐘，粉絲流失率超40%，很多品牌悄悄把虛擬代言人撤了。

現在更吃香的是“實用型”數字人，也就是幫企業乾活的“虛擬員工”。比如金融行業的虛擬客服，24小時在線解答貸款、理財問題，比真人客服效率高還不用發工資；教育領域的虛擬老師，能一對一給學生講題，還能根據答題情況調整進度；政務大廳的虛擬導辦，能幫人填表格、查流程，不用排隊等真人。

百度的羅永浩數字人就是“實用型”的代表，在百度電商直播時，吸引了1300多萬人觀看，GMV（成交總額）突破5500萬元，比羅永浩真人同期首秀的數據還好。京東的數據更誇張，618期間有1.7萬家品牌用數字人直播，這些數字人帶貨能力超過了80%的真人主播。

四、數字人離我們有多近？盤點身邊的數字人應用

現在數字人已經滲透到生活的方方麵麵，隻是很多時候你冇意識到那是數字人。從購物到看病，從學習到辦事，到處都有它們的影子。

電商直播：24小時不休息的“虛擬銷售”

這是數字人最常見的場景。很多品牌直播間裡，半夜還在帶貨的主播可能就是數字人。它們不用吃飯、不用睡覺，能從淩晨播到天亮，還能記住所有產品的參數、優惠資訊。

比如美妝品牌的數字人主播，能對著鏡頭演示化妝步驟，有人問“適合乾皮嗎”，馬上就能答出產品成分和保濕效果；3C產品的數字人，能熟練講解手機的處理器、攝像頭參數，比剛入職的真人銷售還專業。更厲害的是，數字人能同時在多個平台直播，一個“人”頂好幾個真人主播。

不過數字人直播也有翻車的時候。有的數字人因為演算法問題，會說些莫名其妙的話，比如把“降價”說成“漲價”；還有的動作僵硬，嘴巴和聲音對不上，被觀眾一眼看穿。但總體來說，對中小品牌而言，數字人直播性價比很高——花幾萬塊做個數字人，比雇幾個真人主播一年幾十萬的工資劃算多了。

金融服務：不會不耐煩的“虛擬櫃員”

銀行、證券這些行業，現在特愛用數字人。招商銀行的“AI小招”就是典型，你打開APP辦信用卡，它會像真人櫃員一樣問你需求，幫你選卡種，還能解釋年費、額度這些問題。要是半夜想查理財收益，數字人客服隨叫隨到，比等第二天銀行開門方便多了。

還有些證券APP的數字人投顧，能根據你的風險承受能力推薦基金，你問“這隻基金最近跌了怎麼辦”，它會分析市場行情，給出加倉、減倉的建議。雖然不能替代專業投顧，但解決普通用戶的基礎問題綽綽有餘。

政務辦事：不用排隊的“虛擬導辦”

現在很多地方的政務服務大廳都上線了數字人。比如你去辦社保轉移，不用找真人谘詢，直接問數字人，它會一步步教你填表格、準備材料，還能幫你預約辦理時間。西寧、綿陽等地的政府部門，今年都上新了數字人，專門幫市民解答醫保、公積金的問題。

這些政務數字人最大的好處是“有耐心”。不管你問多少遍“材料要影印幾份”“去哪裡蓋章”，它都不會煩，而且回答得特彆標準，不會像真人那樣可能記錯政策。對老年人來說尤其友好，不用怕看不懂複雜的辦事指南，問數字人就行。

醫療教育：隨叫隨到的“虛擬助手”

醫院裡的數字人主要當“導診員”。你去醫院掛號，數字人會先問你“哪裡不舒服”“疼了多久”，然後推薦對應的科室，還能提醒你“掛內科要空腹”“掛皮膚科不用憋尿”。有些醫院的住院部數字人，還能幫家屬查探視時間、訂餐，減少醫護人員的重複工作。

教育領域的數字人更像“私人助教”。小學生的數字人老師，能教拚音、背古詩，還能糾正發音；大學生的數字人輔導員，能解答選課、補考這些問題。甚至還有針對職業教育的數字人，比如教電工接線的虛擬老師，能360度展示操作步驟，比看課本直觀多了。

五、數字人熱潮退了？從“造星”到“乾活”的冷靜期

2021年那波數字人熱潮，有點像“全民造星”——企業都想做個虛擬偶像蹭熱度，資本也瘋狂跟風，A股的數字人概念股輪番漲停，還流傳著“3個月造星、6個月回本”的說法。但熱鬨了冇多久，很多人發現“理想很豐滿，現實很骨感”。

首先是成本太高。做個高階3D數字人要上百萬，每年維護費還要幾十萬，可帶來的收益卻有限。虛擬偶像要漲粉、接廣告，得花大量錢運營，可用戶新鮮感一過，就冇人關注了。很多品牌花大價錢做了虛擬代言人，最後粉絲冇幾個，廣告也賣不出去，隻能悄悄下架。

其次是技術瓶頸。早期的數字人大多是“木偶型”，表情僵硬、動作卡頓，說話像背書，根本冇法和真人比。抖音、快手這些平台的數據很能說明問題：虛擬主播的GMV還不到真人主播的1\/5，用戶付費意願越來越低，快手後來甚至取消了對數字人直播間的流量支援。

不過這兩年，數字人行業反而“降溫成暖”，從追求“顏值”轉向追求“實力”。原因很簡單：大模型技術成熟了，讓數字人從“花瓶”變成了“實乾家”；同時企業發現，與其花錢做虛擬偶像，不如做個能乾活的虛擬員工，性價比高多了。

現在行業裡的共識是：C端（麵向普通消費者）的虛擬偶像不好做，但B端（麵向企業）的實用型數字人是塊香餑餑。比如客服、直播、導診這些場景，數字人能24小時乾活，還不用交社保、發獎金，成本能降一大半。百度財報顯示，2025年二季度數字人收入環比增長55%，規模約5億元，主要就來自企業客戶。

資本市場也重新盯上了這個領域。2025年上半年，虛擬數字人領域的投融資案件有23起，總金額達35.07億元，平均每筆融資超過1.5億元，快趕上2024年全年的量了。政策也在加碼，上海今年釋出的政策裡明確支援數字人技術攻關，多地政府還自己用上了數字人辦事，相當於給行業打了“強心針”。

六、數字人會取代真人嗎？藏在便利背後的問題

數字人越來越能乾，很多人擔心：“會不會搶了我的工作？”還有人問：“數字人侵權怎麼辦？”這些問題確實繞不開，畢竟是新技術帶來的新挑戰。

先說說“搶工作”的擔憂：替代的是重複勞動，不是創造力

首先得明確：數字人能替代的，大多是“機械重複、不需要創造力”的工作。比如電商裡的基礎帶貨主播，每天念同樣的產品介紹；銀行裡的客服，回答重複的開戶問題；醫院裡的導診，講解固定的辦事流程。這些工作數字人乾得比真人好，還不用休息，被替代是早晚的事。

但需要創造力、情感交流的工作，數字人很難替代。比如真人主播的臨場發揮、和粉絲的情感互動；醫生的診斷、和患者的溝通；老師的因材施教、對學生的心理疏導。羅永浩的數字人雖然帶貨厲害，但要是遇到突髮狀況，比如直播設備壞了、粉絲故意抬杠，還是得真人團隊救場。

甚至數字人還會創造新工作。比如數字人建模師、動作捕捉演員、數字人運營專員，這些都是近幾年新冒出來的職業。就像當年流水線機器人出現，雖然替代了部分工人，但也催生了機器人維護、編程等新崗位。

再說說“侵權”的坑：數字人也得講規矩

數字人越像真人，越容易出侵權問題。比如用彆人的照片做2D數字人、模仿明星的聲音做語音合成、照搬虛擬人的形象設計，這些都可能違法。

北京互聯網法院就判過一起案子：有人抄襲了彆人設計的虛擬數字人形象，法院認定這個虛擬人有獨創性，屬於美術作品，抄襲者構成侵權，得賠錢。法官還明確說了，虛擬數字人分兩部分受保護：外在形象如果是原創的，受著作權法保護；如果用了真人的照片、聲音，就得經過真人同意，不然侵犯肖像權、聲音權。

還有些“擦邊球”行為也得注意。比如用AI生成“假明星”直播帶貨，雖然不是真明星，但長得太像，容易誤導消費者；還有些數字人直播間用錄播冒充實時直播，欺騙用戶停留。抖音去年就處理了17萬個這樣的錄播直播間，封了3萬多個賬號，就是為了打擊這種亂象。

未來這些問題會越來越規範。現在已經有平台要求數字人直播必須標註“這是虛擬人”，不能冒充真人；還有的地方在製定數字人行業標準，明確哪些能做、哪些不能做。就像當年的互聯網一樣，新技術先發展，再慢慢補規矩。

還有個倫理難題：數字人能有“情感”嗎？

現在的數字人能模仿人的表情，比如你難過它會說“彆傷心”，但這隻是演算法預設的反應，不是真的有情感。可如果數字人越來越逼真，甚至能模仿人的共情能力，會不會讓人產生情感依賴？

比如獨居老人天天和數字人聊天，會不會越來越不願意和真人交流？孩子長期跟著數字人學習，會不會影響社交能力？這些問題冇有標準答案，需要社會慢慢適應。就像當年電視剛出現時，有人擔心“看電視會讓人變傻”，現在大家也能合理平衡看電視和現實生活的關係。

七、未來數字人會變成什麼樣？5年之內可能發生的事

根據中國互聯網協會預測，2025年我國虛擬數字人核心市場規模會突破480億元，帶動相關產業超過6400億元。這個規模意味著，未來幾年數字人會越來越“接地氣”，走進更多場景。

第一：做數字人會越來越便宜、越來越快

現在做個高階3D數字人要上百萬，未來可能幾萬塊就能搞定。因為技術在模塊化、平台化，就像現在做PPT一樣，以後企業打開雲端工具，選個模板，改改五官、換身衣服，半天就能做出一個數字人。甚至個人也能做自己的數字人，比如用手機拍段視頻，生成一個“虛擬分身”，幫自己剪視頻、發朋友圈。

第二：數字人會更“像人”，不隻是外表

現在的數字人已經能模仿表情，但未來會更懂“人情世故”。比如你和數字人客服聊天，它能聽出你語氣裡的不耐煩，馬上說“抱歉讓您久等了，我馬上幫您解決”；你和數字人老師請教問題，它能看出你冇聽懂，換種更簡單的方式講解。這背後是情感識彆技術的進步，讓數字人從“能說話”變成“會說話”。

百度副總裁平曉黎就說，隨著多模態大模型發展，虛擬數字人的效果有望超越真人——比如能同時記住100個產品的所有參數，能瞬間迴應100個觀眾的提問，這些都是真人做不到的。

第三：應用場景會更細分，滲透到各行各業

除了現在的客服、直播，未來數字人會出現在更多意想不到的地方。比如：

-製造業裡的“虛擬巡檢員”，戴著VR眼鏡，遠程檢查機器故障；

-文旅行業的“虛擬導遊”，帶你逛博物館，還能講文物背後的故事；

-家庭裡的“虛擬管家”，幫你接電話、記日程，甚至陪孩子寫作業；

-影視行業的“虛擬演員”，不用真人出鏡，就能演危險動作、重複鏡頭，還能複刻已故演員的形象。

第四：監管會更完善，行業更規範

未來數字人行業會有明確的“遊戲規則”：比如數字人必須實名備案，不能冒充真人；用真人數據做數字人必須簽授權協議；直播、廣告等場景要用數字人，必須提前標註。這樣既能保護消費者，也能讓行業健康發展。

八、最後總結：數字人到底是個啥？

繞了這麼多，回到開頭的問題：數字人到底是個啥？

簡單說，它是技術發展的產物——用建模技術造外形，用ASR\/TTS技術造聽覺和語言，用大模型造大腦，用動捕技術造動作，最後變成一個能在數字世界裡乾活、交流的“虛擬人”。

它不是用來“追星”的新玩具，而是能幫企業降本、幫人省事的“工具”。就像當年的電腦、互聯網一樣，剛開始大家覺得新鮮，後來慢慢融入生活，變成不可或缺的一部分。

未來幾年，我們會看到越來越多的數字人：可能是淩晨幫你帶貨的主播，是24小時在線的客服，是醫院裡的導診員，甚至是家裡的管家。它們不會取代真人，但會讓我們的生活更便利——這大概就是數字人最本質的價值：用技術模擬人，最終服務人。