数字人

3 秒看懂

数字人是以计算机图形学、语音合成、自然语言处理、大语言模型与AI生成内容等技术为核心，构建的具备人类外观、行为特征与交互能力的虚拟实体。其核心价值在于以可编程、高保真、低边际成本的方式，在虚拟或现实中替代、辅助或延伸人类进行服务、交互与内容创造，成为AI与现实世界之间“最后一公里”的具身化接口。

3 分钟产业解释

数字人并非单一产品，而是一个技术栈深度融合的系统性工程。其产业链从底层到应用可解构为三个核心层：

1. 技术层（基础引擎与模型）：提供底层算力（GPU）、图形渲染引擎（Unreal Engine、Unity）、动作捕捉硬件、语音合成（TTS）与识别（ASR）SDK、自然语言处理（NLP）框架以及预训练大语言模型（LLM）与视频生成模型。该层决定数字人的智力上限与视觉效果极限。
2. 制作层（资产管理平台）：将技术能力转化为可交互的虚拟资产，包括3D建模、骨骼绑定、面部驱动、动画制作、声音克隆与多模态合成。制作层的核心矛盾在于品质、成本与生产周期的不可能三角；目前行业正从手动精修向AI辅助生成乃至全自动生成迁移。
3. 应用层（场景落地）：将数字人投入具体业务流，典型场景包括虚拟偶像与直播、企业数字员工（客服、营销、培训）、金融理财顾问、医疗导诊、文旅导览、教育虚拟讲师、个人数字分身等。该层检验数字人能否实现可量化的商业价值。

产业逻辑当前正处于关键转折期：从“手工作坊式摄影棚生产”转向“AI工业化流水线实时交互”。驱动力由传统美术与动捕团队，变为以大语言模型+多模态生成模型为核心的自主交互智能体，数字人正从“会动的皮囊”升级为“有灵魂的助手”。

技术原理

数字人的完整技术栈可以看作是“感知—认知—表达—呈现”的闭环系统，其模块协作关系如下：

[用户输入] → [感知层] → [认知层/AI大脑] → [表达决策]
 (语音/文本/图像)  (ASR/NLP/情感识别)   (LLM+RAG+记忆)    (文本/情绪/动作指令)
                                                         │
                                                         ▼
                                            [驱动与生成层] ← [模型资产库]
                                           (面部/肢体/语音)   (3D/2D资产)
                                                         │
                                                         ▼
                                                   [渲染呈现层]
                                                 (实时引擎/AI合成)

• 感知层：负责将多模态输入转化为结构化语义。语音识别（ASR）将语音转为文本，自然语言理解（NLU）提取意图与实体，情感识别模块则分析用户语气、表情与姿态。准确率与延迟是核心指标，微软、百度、阿里等云服务商的ASR准确率在标准环境下已达97%以上（2023年公开测试数据）。
• 认知层：以LLM为核心，结合检索增强生成（RAG）技术与领域知识库，实现有逻辑、有上下文记忆、符合角色设定的对话。长短期记忆管理、多轮对话一致性、拒绝不当请求的安全能力，直接决定了用户是否感觉“对面像个人”。
• 表达决策层：将认知层输出的文本和情绪标签，映射为具体的动作、表情与语音合成指令。传统方式依靠规则和动作库，现代方法则使用语音驱动的面部动画合成（如基于扩散模型的唇形同步）以及大语言模型直接生成行为序列。
• 驱动与生成层：根据表达指令，同步生成语音（TTS）和视觉表现。语音合成需要处理韵律、情感、停顿；视觉生成则要保证唇形匹配、表情细腻、动作自然。技术路线包括3D动画驱动和2D/3D神经辐射场（NeRF）/扩散模型视频生成。
• 渲染呈现层：将驱动信号实时渲染为画面。3D引擎（Unreal Engine 5, Unity）可提供可自由镜头、高交互性的三维场景；2D路线则依赖视频流合成，成本更低但交互维度受限。渲染质量可用帧率（≥30fps）、分辨率（至少1080P）和光线真实度衡量。

关键参数

评估数字人系统或产品，建议从四个维度建立定量与定性指标体系：

1. 形象与表现力

• 几何精度/面数：3D数字人超写实模型的面数通常在10万–100万面之间（2023年行业实践）。AI视频生成路线不适用此指标。
• 唇形同步误差（Lip-Sync Error）：以毫秒或帧数衡量。高质量系统要求音频与嘴唇运动时差在±40ms以内，否则用户会感知到脱节。
• 表情维度：基于面部动作编码系统（FACS），高品质数字人需支持至少30个以上的面部动作单元（AU），以实现细腻情感表达。
• 恐怖谷规避程度：通过用户主观评测，卡通/风格化设计可能比超写实更易被接受。企业通常用A/B测试留存率衡量。

2. 智能与交互

• 对话质量：可用任务完成率、对话轮次（CPS）、用户满意度（CSAT）衡量。接入GPT-4级别模型的数字人，在金融产品咨询测试中任务完成率可达85%以上（2024年行业案例引用）。
• 响应延迟：端到端交互延迟（语音输入到画面与声音反馈）应低于2秒，否则对话流畅感崩溃。各家公开的最优指标在800ms–1.5s之间（2023年实测数据）。
• 知识覆盖与幻觉率：RAG的准确率直接影响信任度。金融等严肃场景要求幻觉率低于2%，来源可追溯。

3. 生产效率与成本

• 创建成本：一个高品质3D超写实数字人的定制成本在2020年仍高达30万–100万元人民币，2023年已下降至5万–20万元（行业调研）。AI驱动口播数字人制作成本可低至数千元。
• 制作周期：从扫描建模到上线，传统路线需4–8周，AI化路线可压缩至24小时以内。
• 运行边际成本：云渲染与API调用成本，实时交互数字人每分钟成本在0.1–1元人民币区间（2024年公开定价信息估算）。

4. 商业效果

• 替代效率：如数字人直播场均GMV/观看-转化率，或数字人客服处理咨询量（提升比例%），必须对标真人基线。
• 用户接受度/留存率：7日/30日留存率是衡量数字人服务是否被持续使用的硬指标。部分虚拟陪伴类应用留存在10%–20%区间（2023年公开数据）。
• 资产复用率：3D数字人资产在多场景、多渠道的复用次数，是衡量资产回报的关键。

技术路线

数字人的视觉与交互呈现当前有三条主要技术路线，其2024年态势对比如下：

趋势判断：3D路线不会消亡，而是走向AI自动化辅助建模与动画生成，大幅降低门槛。视频生成路线将在非实时、高真实感内容领域占据优势。混合路线可能在未来2–3年内成为实时交互主战场，结合可微渲染与轻量级Transformer，实现可控、可信、可交互的“三可”数字人。

上游

数字人产业链上游由底层硬件、基础软件平台和预训练模型三大类构成，是整个产业的技术源头与成本瓶颈。

硬件层

• 计算芯片：GPU是训练大模型与实时渲染的核心。英伟达（NVIDIA）A100/H100在云端训练与推理中占据主导，2023年数据中心GPU收入达475亿美元（英伟达FY2024年报）。国产替代如华为昇腾、寒武纪等加速导入，但生态仍有差距。
• 动作捕捉设备：光学动捕（Vicon、OptiTrack）精度最高但成本高昂；惯性动捕（Xsens）与视觉动捕（基于RGB相机）性价比提升。2023年消费级面部捕捉（如iPhone ARKit）已成为轻量级方案首选。
• 摄像头与传感器：深度摄像头（如Intel RealSense、结构光）用于面部与体态重建，成本持续下降。

基础软件与工具

• 3D引擎：Epic Games的Unreal Engine与Unity占据市场双寡头地位。UE5的MetaHuman提供超写实数字人快速生成，降低门槛。全球游戏引擎市场规模2022年约26亿美元，预计2028年达62亿美元（MarketsandMarkets数据）。
• 建模与动画工具：Autodesk Maya/3ds Max、Blender、ZBrush等用于精细建模；Reallusion Character Creator、Daz 3D面向轻量级创作；Adobe Substance用于材质。AI生成建模工具（如NVIDIA Picasso）正在出现。
• 语音技术SDK：微软Azure Speech、百度语音、阿里云语音等提供TTS与ASR云服务，以及声音复刻能力。2023年自然度MOS评分（5分制）普遍超过4.2。
• NLP与大模型平台：OpenAI GPT系列、Anthropic Claude、Meta Llama开源生态，以及国内百度文心、阿里通义、智谱GLM、百川等。这些是数字人大脑的基座，直接决定对话智能水平。

预训练资产与数据

• 人物外观与动画数据库：高质量扫描的人类面部、身体运动捕捉数据（如RenderPeople、3D Scan Store），是训练生成模型和减轻恐怖谷的原料。
• 多模态对齐数据集：语音-嘴唇、文本-表情、手势的配对数据仍稀缺，是行业瓶颈。部分公司通过自建或采集积累。公开数据集如LRS3（唇读）被广泛采用。

下游

数字人下游应用覆盖文化娱乐、企业服务、个人消费三大领域，需求层次从“一次性吸睛”向“持续性替代人力”深化。

1. 文化娱乐与内容

• 虚拟偶像/主播：以洛天依、A-SOUL等为代表，主要通过直播打赏、商演和品牌代言变现。据艾媒咨询报告，2023年中国虚拟人带动产业市场规模和核心市场规模分别为3334.7亿元和205.2亿元（口径为泛虚拟人产业），直播电商是主要应用场景。
• 短视频与营销：品牌自建数字人形象用于短视频口播、社交账号运营，替代重复性真人拍摄，成本降低90%以上（行业案例估算）。
• 影视与游戏：数字替身用于高难度动作戏、群集模拟；游戏中NPC智能化。生成式AI让NPC拥有自主对话，如《逆水寒》手游中接入LLM的智能NPC，2023年上线后玩家互动量激增。

2. 企业服务与生产力

• 金融：数字理财经理、智能投顾，提供7×24视频咨询服务。某股份行试点数字人柜台，人力替代率约30%（2023年项目调研数据）。
• 电商直播：品牌自播采用数字人轮播，覆盖闲时流量，场次增加3–5倍，部分案例显示成本降至真人直播的1/10，但转化率差距仍存。
• 教育培训：数字人讲师用于标准化课程录制、企业培训，多语言输出，极大降低培训成本。
• 医疗健康：虚拟导诊、心理健康陪伴、康复训练指导。数字人界面在老年看护、心理咨询中具备无偏见交互优势。
• 文旅政务：虚拟导游、数字讲解员、政府服务大厅虚拟办事员。多地景区、博物馆已部署，增强互动体验。

3. 个人应用与元宇宙

• 数字分身与记忆：个人虚拟形象用于远程会议、社交平台，部分初创探索“数字永生”服务，但伦理争议大。
• AI伴侣与情感交互：以Character.AI、Replika和国内星野等为代表，通过数字人形象与用户建立长期陪伴关系。Character.AI月活用户已达千万级别（2023年数据），商业化通过订阅制，但留存与长期价值待考。

下游核心矛盾在于 “替代真人”与“辅助真人”的边界仍模糊。多数企业ROI模型尚未闭环，需关注具体场景的人效提升数值、留存率与边际成本。

受益公司

数字人产业链的价值分配呈现“上游工具平台拿确定性收益，下游应用公司博弹性回报”的特点。以下均基于2023–2024年公开信息，不构成任何投资建议。

上游基础设施受益方

• 英伟达（NVIDIA）：GPU核心供应商，通过CUDA生态、Omniverse数字孪生平台、ACE（Avatar Cloud Engine）提供端到端数字人微服务，2024年GTC大会展示AI NPC技术Demo。
• Unity/Epic Games：引擎双雄。Epic通过MetaHuman、RealityCapture等工具链拓展虚拟制作；Unity凭借庞大开发者生态渗透移动和轻量数字人。
• 微软/亚马逊/阿里云等云厂商：提供语音、视觉和大模型API服务，构成数字人大脑和神经系统的底层能力平台。

技术平台型与解决方案公司

• 小冰公司：从微软分拆，拥有X框架、Rinne和多名虚拟人IP，重点布局社交陪伴和数字员工，2023年完成B轮融资。
• 魔珐科技：3D虚拟人全栈方案，主打超写实企业大使和虚拟内容制作中台，已与金融、互联网大厂合作。
• 硅基智能：聚焦AIGC数字人，推出硅语等产品，主打带货直播和短视频，2022年完成C轮融资，号称克隆成本降至千元级别。
• 商汤科技：SenseMARS平台提供数字人生成与驱动，结合大装置算力，赋能空间计算与文旅场景。
• 世优科技：以实时动捕和虚拟直播技术见长，为央视、B站等提供技术服务。

垂直应用与IP运营

• 蓝色光标/天下秀等营销集团：布局虚拟人IP（如苏小妹、AYAYI）和数字人营销服务，推动品牌合作。
• 乐华娱乐等经纪公司：打造并运营A-SOUL等头部虚拟女团，探索粉丝经济。
• 国内银行科技子公司：如光大科技、平安科技等，自研或合作开发数字人金融助手，用于零售客服。

开源生态与新兴势力

• Stability AI/ Runway：开源视频生成模型生态降低了二创和短内容数字人门槛。
• Hugging Face/GitHub：Wonder Studio、SadTalker、MuseTalk、EMO等项目大幅加速数字人平民化进程。

（注：各公司财务数据如数字人业务收入占比多未单独披露，公开资料未见具体份额数字，故不作罗列。）

市场规模

数字人市场处于早期高速膨胀期，不同研究机构因界定口径（核心/带动/泛虚拟人）不同，数据存在差异。以下汇总可得的2023–2024年公开发布数据，仅供参考：

• 中国虚拟数字人核心市场规模：据艾媒咨询，2023年约205.2亿元人民币，带动产业市场规模3334.7亿元（口径较宽，包含所有虚拟形象相关消费），预计2025年核心市场达480.6亿元。该数值包含虚拟偶像、虚拟主播、数字员工等，统一采用其广义定义。
• 全球数字人相关市场：根据Grand View Research报告，2023年全球虚拟人和数字人市场规模约175亿美元，复合年增长率（CAGR）约31.5%，预计2030年将超过1300亿美元。口径包含虚拟现实社交形象、数字助理等。
• 细分领域：MarketsandMarkets在2023年发布的数字人市场预测中，将交互式数字人分为客户服务和营销两大类，2023年估值为31.2亿美元，2028年有望达到113.3亿美元（CAGR 29.5%）。
• 中国AIGC数字人：量子位《2023年中国AIGC产业全景报告》估算，AIGC数字人作为生成式AI关键应用，当年市场规模约10亿–20亿元人民币量级，但增速极快，未来5年CAGR或超100%。

需注意，以上数据均基于机构预测，口径存在差异，且市场结构中大量投入为“试点”性质，真正带来营收和利润的项目比例有限。投资者需关注付费客户数量和客户生命周期价值等先行指标。部分海外高增长预测基于元宇宙预期，实际落地节奏可能受宏观和监管影响。

玩家对比

下面从技术路线、应用场景和商业化阶段，对比几类代表性公司（基于2023–2024年公开信息整理）：

关键观察：当前没有公司完全跑通“低成本高品质实时智能交互”的整个闭环。大厂平台有资源但缺乏灵活性，专业3D公司品质高但难以大规模铺开，视频流派效率高但交互浅。未来竞争力的焦点在于“技术栈一体化深度”与“场景知识飞轮”的双重构建。份额公开数据不足，均为定性比较。

风险

1. 技术路线颠覆风险 AI视频生成模型发展极快（如Sora），可能越过传统的3D建模与动捕管线，直接生成逼真交互画面，导致重资产投入3D资产的公司优势被瓦解。同时，实时3D高斯泼溅等新表示技术可能带来新的成本和交互范式。技术预测期内（3–5年）不确定性高。

2. 商业变现证伪风险 多数数字人项目仍处于POC或市场声量阶段，ROI不清晰。直播电商场景下数字人转化率通常低于真人头部主播；数字人客服NPS（净推荐值）可能低于人工。若持续无法证明可量化的降本增效或增收，企业IT支出将收缩。2023年部分厂商已出现BD放缓、项目裁撤迹象（行业观察）。

3. 监管与伦理风险

• 深度伪造（Deepfake）与诈骗：利用数字人进行身份仿冒、金融欺诈的风险加剧。2023年全球已出现多起利用AI换脸视频实施诈骗的案件。中国《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》等法律法规要求标识和备案，不合规将面临下架和处罚。
• 数字人“身份”与权益：数字人模仿已故名人的权益纠纷（肖像权、名誉权），以及虚拟员工劳动权益的灰色地带，可能引发诉讼。
• 对就业的冲击：数字人大规模替代基础客服、直播场控、基础培训等岗位，可能引发社会争议和行业抵触，需关注舆论和政策导向。

4. 用户接受度与体验瓶颈 长时间交互中，数字人的“非人感”仍然明显，重复对话逻辑单一、微表情呆板等问题导致用户新鲜感后流失快。AI伴侣类产品面临情感操控指责，留存曲线陡峭。在需要共情和复杂推理的场景中，数字人表现远不及人类。

5. 成本控制与规模效应的矛盾 实时智能交互的数字人需要消耗大量GPU推理资源，随着并发用户增加，云成本线性甚至超线性增长，可能侵蚀本已微薄的商业利润。将模型精简、端侧推理优化是解决路径，但技术尚不成熟。

误读纠偏

误读一：“数字人就是一定要长得像真人的超写实虚拟偶像” 纠偏：超写实只是表象的一种。大量成功的数字人产品采用二次元、低多边形、艺术风格化甚至纯抽象符号形态。风格化形象更容易规避恐怖谷，制作成本仅为超写实的10%–30%（行业经验），且更适配年轻化、国际化的品牌调性。数字人成败关键在“人设”、“智能”与“持续输出价值的能力”，而非皮肤质感。

误读二：“接入大模型后，数字人就可以完全自主对话，哪里都能用” 纠偏：LLM赋予了流利对话能力，但通用大模型缺乏领域知识、安全边界和事实核查。企业级数字人必须经过RAG知识增强、Prompt工程、权限管控和多层安全围栏，否则极易产生“幻觉”——编造产品参数、承诺不可能的服务，甚至违反合规要求。技术上，这需要大量工程投入和持续调优。

误读三：“数字人是独立产品，买来即用” 纠偏：数字人是一种“界面”，必须嵌入具体工作流才能发挥价值。真正考验的是系统集成能力：与CRM、知识库、业务系统的对接，与直播流、会议系统的打通。部署一个企业数字员工，IT咨询和流程改造的投入可能远大于数字人形象采购本身。

误读四：“数字人普及后，人就退场了” 纠偏：当前阶段，数字人最佳定位是“人机协同”助手——解决重复、标准化、跨时区的需求，将人类解放到需要创造性、情感和复杂决策的环节。银行数字人分流80%的常见问题，复杂理财方案仍需人工顾问；数字人老师可以讲授知识，但辅导作业、启发思考仍需真人教师。完全替代人既无技术可能，也非商业最优。

误读五：“开源一个SadTalker就能做数字人生意” 纠偏：开源模型大大降低了入门门槛，但从Demo到可用商业产品之间存在巨大鸿沟。稳定性、并发性能、安全合规、UE体验、持续迭代、企业级服务支持，每个环节都需巨大资源投入。开源项目更多是产业催化器，而不是完整的业务闭环。

最新事件

以下梳理2024年至2025年初行业关键动态（截至2025年3月）：

• 2024年2月，OpenAI Sora发布：展示了文生视频的惊人能力，可生成高度逼真且连贯的人物视频，引发对传统3D数字人制作路线的广泛冲击讨论。行业普遍认为长视频创作、短视频营销等领域将优先受影响。
• 2024年6月，苹果Vision Pro在中国上市：空间计算设备对高保真3D虚拟形象提出需求，相关数字人制作与实时驱动公司获得新关注，3D高斯泼溅类技术加速适配。
• 2024年8月，腾讯发布智影数字人3.0：升级AI驱动能力，支持少样本声音克隆与实时文本驱动表情，重点拓展视频号生态。数家电商SaaS公司公布数字人直播方案，2024年双11期间品牌自播使用数字人比例显著上升（行业观察数据，未出官方统计）。
• 2024年9月，中国出台《人工智能生成合成内容标识办法》征求意见稿：进一步明确深度合成内容需显著标识，对数字人视频、直播应用提出合规红线。部分数字人直播间因而加上了“AI生成”标识。
• 2024年12月，Meta展示Codec Avatars 2.0：基于深度传感器的逼真面部重建技术，延迟极低，但离消费级产品仍有距离。
• 2025年1月，英伟达GTC预告发布Audio2Face等组件更新：让数字人面部表情与语音更同步，并推出小模型适配边缘设备。
• 2025年2月，多款开源2D数字人实时驱动项目（如MuseTalkPlus、SadTalker-v3）发布：大幅提升实时唇形同步与表情自然度，进一步压低中小团队使用门槛。
• 2025年3月，字节跳动Dreamina平台开放文本生成数字人视频：面向抖音创作者生态，内测AI口播视频创作，引发内容赛道竞争加剧。

（注：各项动态的具体财务影响及市场份额数据公开资料未见，仅列事件。）

跟踪指标

为持续评估数字人产业景气度和公司竞争力，建议跟踪以下指标：

产业层面

• 一级市场融资事件与金额：关注AIGC数字人、虚拟人方向早期项目融资节奏，判断资本热度。可用IT桔子、烯牛数据。
• 用户渗透指标：TikTok/抖音/快手等平台上带“虚拟人”标签的视频播放量、直播场次和观看人次变化。
• 政策与标准出台：网信办、工信部、人工智能产业联盟等发布的深度合成管理规定细则、数字人标准白皮书等。
• 算力与芯片供给：云端GPU租赁价格走势、英伟达消费级与数据中心GPU供应情况，影响实时渲染成本。
• 开源社区活跃度：GitHub上Star数增长快的数字人相关项目，以及论文数目（如CVPR/ICCV/SIGGRAPH相关专题）。

公司/产品层面

• 付费客户数（B端）或付费用户数（C端）：是检验产品市场匹配的核心先行指标。
• 客户平均交互时长、活跃天数、留存率：对于AI伴侣、虚拟陪伴类产品尤其关键。
• 单次交互成本（元/次）与ARPU：衡量单位经济模型健康度。
• 渲染与推理时延（P50/P99）：技术成熟度直接指标。
• 客户成功案例数及续约率：验证商业模式的可持续性。

信源

以下为主要参考信息源，可在专业数据库和媒体中获取原始数据与深度分析：

• 行业研究报告：
  • 艾媒咨询《中国虚拟偶像/数字人行业发展研究报告》（年度更新）
  • 量子位《中国AIGC产业全景报告》及系列细分报告
  • Grand View Research, “Digital Human (Virtual Human) Market Size, Share & Trends Analysis Report”
  • MarketsandMarkets, “Digital Human Market by Component, Application, and Region”
• 学术与会议：
  • ACM SIGGRAPH / SIGGRAPH Asia（计算机图形学顶级会议，数字人形生成与动捕）
  • CVPR, ICCV, ECCV（3D视觉、面部重建、生成模型）
  • NeurIPS, ICML, ICLR（生成模型、扩散模型、语音合成）
  • 关键词：“Talking Head Generation”,“Audio-Driven Facial Animation”,“3D Gaussian Splatting”等。
• 监管与标准：
  • 国家互联网信息办公室《深度合成管理规定》《生成式人工智能服务管理暂行办法》及相关征求意见稿
  • 中国人工智能产业发展联盟《数字人评估指标与测试方法》等白皮书
• 企业公开信息：
  • 上市公司年报/季报（如NVIDIA, Unity, 百度, 腾讯等）中有关AI/虚拟人章节
  • 创投平台（Crunchbase, 烯牛数据, IT桔子）融资披露
• 科技与产业媒体：
  • 机器之心、36氪、量子位、新智元、TechCrunch对数字人企业及产品的深度报道
  • 各证券公司研究部发布的虚拟人/元宇宙行业研究报告（需注意利益声明与时效性）

（注：文中出现的所有市场数据均已注明来源机构及年份，未详之处为“公开资料未见”。所有公司信息基于公开事实，不含任何投资建议。）