數字人

3 秒看懂

數字人是以計算機圖形學、語音合成、自然語言處理、大語言模型與AI生成內容等技術為核心，建置的具備人類外觀、行為特徵與互動能力的虛擬實體。其核心價值在於以可程式設計、高保真、低邊際成本的方式，在虛擬或現實中替代、輔助或延伸人類進行服務、互動與內容創造，成為AI與現實世界之間“最後一公里”的具身化介面。

3 分鐘產業解釋

數字人並非單一產品，而是一個技術棧深度融合的系統性工程。其產業鏈從底層到應用可解構為三個核心層：

1. 技術層（基礎引擎與模型）：提供底層算力（GPU）、圖形渲染引擎（Unreal Engine、Unity）、動作捕捉硬體、語音合成（TTS）與識別（ASR）SDK、自然語言處理（NLP）架構以及預訓練大語言模型（LLM）與影片生成模型。該層決定數字人的智力上限與視覺效果極限。
2. 製作層（資產管理平台）：將技術能力轉化為可互動的虛擬資產，包括3D建模、骨骼繫結、面部驅動、動畫製作、聲音克隆與多模態合成。製作層的核心矛盾在於品質、成本與生產週期的不可能三角；目前行業正從手動精修向AI輔助生成乃至全自動生成遷移。
3. 應用層（場景落地）：將數字人投入具體業務流，典型場景包括虛擬偶像與直播、企業數字員工（客服、營銷、培訓）、金融理財顧問、醫療導診、文旅導覽、教育虛擬講師、個人數字分身等。該層檢驗數字人能否實現可量化的商業價值。

產業邏輯當前正處於關鍵轉折期：從“手工作坊式攝影棚生產”轉向“AI工業化流水線即時互動”。驅動力由傳統美術與動捕團隊，變為以大語言模型+多模態生成模型為核心的自主互動智慧代理，數字人正從“會動的皮囊”升級為“有靈魂的助手”。

技術原理

數字人的完整技術棧可以看作是“感知—認知—表達—呈現”的閉環系統，其模組協作關係如下：

[使用者輸入] → [感知層] → [認知層/AI大腦] → [表達決策]
 (語音/文本/影像)  (ASR/NLP/情感識別)   (LLM+RAG+記憶)    (文本/情緒/動作指令)
                                                         │
                                                         ▼
                                            [驅動與生成層] ← [模型資產庫]
                                           (面部/肢體/語音)   (3D/2D資產)
                                                         │
                                                         ▼
                                                   [渲染呈現層]
                                                 (即時引擎/AI合成)

• 感知層：負責將多模態輸入轉化為結構化語義。語音識別（ASR）將語音轉為文本，自然語言理解（NLU）提取意圖與實體，情感識別模組則分析使用者語氣、表情與姿態。準確率與延遲是核心指標，微軟、百度、阿里等雲端服務商的ASR準確率在標準環境下已達97%以上（2023年公開測試資料）。
• 認知層：以LLM為核心，結合檢索增強生成（RAG）技術與領域知識庫，實現有邏輯、有上下文記憶、符合角色設定的對話。長短期記憶管理、多輪對話一致性、拒絕不當請求的安全能力，直接決定了使用者是否感覺“對面像個人”。
• 表達決策層：將認知層輸出的文本和情緒標籤，對映為具體的動作、表情與語音合成指令。傳統方式依靠規則和動作庫，現代方法則使用語音驅動的面部動畫合成（如基於擴散模型的唇形同步）以及大語言模型直接生成行為序列。
• 驅動與生成層：根據表達指令，同步生成語音（TTS）和視覺表現。語音合成需要處理韻律、情感、停頓；視覺生成則要保證唇形匹配、表情細膩、動作自然。技術路線包括3D動畫驅動和2D/3D神經輻射場（NeRF）/擴散模型影片生成。
• 渲染呈現層：將驅動訊號即時渲染為畫面。3D引擎（Unreal Engine 5, Unity）可提供可自由鏡頭、高互動性的三維場景；2D路線則依賴影片流合成，成本更低但互動維度受限。渲染質量可用幀率（≥30fps）、解析度（至少1080P）和光線真實度衡量。

關鍵引數

評估數字人系統或產品，建議從四個維度建立定量與定性指標體系：

1. 形象與表現力

• 幾何精度/面數：3D數字人超寫實模型的面數通常在10萬–100萬面之間（2023年行業實踐）。AI影片生成路線不適用此指標。
• 唇形同步誤差（Lip-Sync Error）：以毫秒或幀數衡量。高質量系統要求音訊與嘴唇運動時差在±40ms以內，否則使用者會感知到脫節。
• 表情維度：基於面部動作編碼系統（FACS），高品質數字人需支援至少30個以上的面部動作單元（AU），以實現細膩情感表達。
• 恐怖谷規避程度：通過使用者主觀評測，卡通/風格化設計可能比超寫實更易被接受。企業通常用A/B測試留存率衡量。

2. 智慧與互動

• 對話質量：可用任務完成率、對話輪次（CPS）、使用者滿意度（CSAT）衡量。接入GPT-4級別模型的數字人，在金融產品諮詢測試中任務完成率可達85%以上（2024年行業案例引用）。
• 響應延遲：端到端互動延遲（語音輸入到畫面與聲音反饋）應低於2秒，否則對話流暢感崩潰。各家公開的最優指標在800ms–1.5s之間（2023年實測資料）。
• 知識覆蓋與幻覺率：RAG的準確率直接影響信任度。金融等嚴肅場景要求幻覺率低於2%，來源可追溯。

3. 生產效率與成本

• 建立成本：一個高品質3D超寫實數字人的定製成本在2020年仍高達30萬–100萬元人民幣，2023年已下降至5萬–20萬元（行業調研）。AI驅動口播數字人制作成本可低至數千元。
• 製作週期：從掃描建模到上線，傳統路線需4–8周，AI化路線可壓縮至24小時以內。
• 執行邊際成本：雲端渲染與API呼叫成本，即時互動數字人每分鐘成本在0.1–1元人民幣區間（2024年公開定價資訊估算）。

4. 商業效果

• 替代效率：如數字人直播場均GMV/觀看-轉化率，或數字人客服處理諮詢量（提升比例%），必須對標真人基線。
• 使用者接受度/留存率：7日/30日留存率是衡量數字人服務是否被持續使用的硬指標。部分虛擬陪伴類應用留存在10%–20%區間（2023年公開資料）。
• 資產複用率：3D數字人資產在多場景、多渠道的複用次數，是衡量資產回報的關鍵。

技術路線

數字人的視覺與互動呈現當前有三條主要技術路線，其2024年態勢對比如下：

維度	傳統3D建模驅動路線	AI影片生成路線（擴散/NeRF）	混合即時驅動路線（2.5D/3D GS）
核心資產	多邊形模型、骨骼繫結、PBR材質、動作捕捉庫	大規模影片擴散模型、LoRA權重、Prompt庫	3D高斯潑濺(3DGS)或可驅動NeRF表示+生成先驗
代表技術	MetaHuman, Character Creator, Maya+動捕	SadTalker, MuseTalk, EMO, Sora	NVIDIA Audio2Face, 阿里Talking Head GS, 即時2D人臉重演
優勢	多視角自由，資產高度可複用，物理互動豐富，嚴格人設可控	真實感上限極高，風格化靈活，生成成本低，無3D管線	即時互動可行，角度可調整，部分資產可編輯，生成質量較好
劣勢	創作成本高、週期長，對美術團隊依賴，LLM整合複雜	視角受限，資產難以編輯和拆分，即時驅動延遲高，幻覺運動	技術整合複雜，硬體要求高，訓練與推論效率待最佳化
主要場景	高價值虛擬偶像、3A遊戲NPC、影視特效、多平台複用企業大使	短影片口播、社交媒體廣告、有聲漫畫、快速原型	直播互動、全息客服、大小屏硬體助手
成熟度	成熟，有多年積累	快速迭代，尚不完美	開始落地，處於早期商用

趨勢判斷：3D路線不會消亡，而是走向AI自動化輔助建模與動畫生成，大幅降低門檻。影片生成路線將在非即時、高真實感內容領域佔據優勢。混合路線可能在未來2–3年內成為即時互動主戰場，結合可微渲染與輕量級Transformer，實現可控、可信、可互動的“三可”數字人。

上游

數字人產業鏈上游由底層硬體、基礎軟體平台和預訓練模型三大類構成，是整個產業的技術源頭與成本瓶頸。

硬體層

• 計算晶片：GPU是訓練大型模型與即時渲染的核心。輝達（NVIDIA）A100/H100在雲端端訓練與推論中佔據主導，2023年資料中心GPU營收達475億美元（輝達FY2024年報）。國產替代如華為昇騰、寒武紀等加速匯入，但生態仍有差距。
• 動作捕捉裝置：光學動捕（Vicon、OptiTrack）精度最高但成本高昂；慣性動捕（Xsens）與視覺動捕（基於RGB相機）價效比提升。2023年消費級面部捕捉（如iPhone ARKit）已成為輕量級方案首選。
• 攝像頭與感測器：深度攝像頭（如Intel RealSense、結構光）用於面部與體態重建，成本持續下降。

基礎軟體與工具

• 3D引擎：Epic Games的Unreal Engine與Unity佔據市場雙寡頭地位。UE5的MetaHuman提供超寫實數字人快速生成，降低門檻。全球遊戲引擎市場規模2022年約26億美元，預計2028年達62億美元（MarketsandMarkets資料）。
• 建模與動畫工具：Autodesk Maya/3ds Max、Blender、ZBrush等用於精細建模；Reallusion Character Creator、Daz 3D面向輕量級創作；Adobe Substance用於材質。AI生成建模工具（如NVIDIA Picasso）正在出現。
• 語音技術SDK：微軟Azure Speech、百度語音、阿里雲端語音等提供TTS與ASR雲端服務，以及聲音復刻能力。2023年自然度MOS評分（5分制）普遍超過4.2。
• NLP與大型模型平台：OpenAI GPT系列、Anthropic Claude、Meta Llama開源生態，以及國內百度文心、阿里通義、智譜GLM、百川等。這些是數字人大腦的基座，直接決定對話智慧水平。

預訓練資產與資料

• 人物外觀與動畫資料庫：高質量掃描的人類面部、身體運動捕捉資料（如RenderPeople、3D Scan Store），是訓練生成模型和減輕恐怖谷的原料。
• 多模態對齊資料集：語音-嘴唇、文本-表情、手勢的配對資料仍稀缺，是行業瓶頸。部分公司通過自建或採集積累。公開資料集如LRS3（唇讀）被廣泛採用。

下游

數字人下游應用覆蓋文化娛樂、企業服務、個人消費三大領域，需求層次從“一次性吸睛”向“持續性替代人力”深化。

1. 文化娛樂與內容

• 虛擬偶像/主播：以洛天依、A-SOUL等為代表，主要通過直播打賞、商演和品牌代言變現。據艾媒諮詢報告，2023年中國虛擬人帶動產業市場規模和核心市場規模分別為3334.7億元和205.2億元（口徑為泛虛擬人產業），直播電商是主要應用場景。
• 短影片與營銷：品牌自建數字人形象用於短影片口播、社交賬號運營，替代重複性真人拍攝，成本降低90%以上（行業案例估算）。
• 影視與遊戲：數字替身用於高難度動作戲、群集模擬；遊戲中NPC智慧化。生成式AI讓NPC擁有自主對話，如《逆水寒》手遊中接入LLM的智慧NPC，2023年上線後玩家互動量激增。

2. 企業服務與生產力

• 金融：數字理財經理、智慧投顧，提供7×24影片諮詢服務。某股份行試點數字人櫃檯，人力替代率約30%（2023年專案調研資料）。
• 電商直播：品牌自播採用數字人輪播，覆蓋閒時流量，場次增加3–5倍，部分案例顯示成本降至真人直播的1/10，但轉化率差距仍存。
• 教育培訓：數字人講師用於標準化課程錄製、企業培訓，多語言輸出，極大降低培訓成本。
• 醫療健康：虛擬導診、心理健康陪伴、康復訓練指導。數字人介面在老年看護、心理諮詢中具備無偏見互動優勢。
• 文旅政務：虛擬導遊、數字講解員、政府服務大廳虛擬辦事員。多地景區、博物館已部署，增強互動體驗。

3. 個人應用與元宇宙

• 數字分身與記憶：個人虛擬形象用於遠端會議、社交平台，部分初創探索“數字永生”服務，但倫理爭議大。
• AI伴侶與情感互動：以Character.AI、Replika和國內星野等為代表，通過數字人形象與使用者建立長期陪伴關係。Character.AI月活使用者已達千萬級別（2023年資料），商業化通過訂閱制，但留存與長期價值待考。

下游核心矛盾在於 “替代真人”與“輔助真人”的邊界仍模糊。多數企業ROI模型尚未閉環，需關注具體場景的人效提升數值、留存率與邊際成本。

受益公司

數字人產業鏈的價值分配呈現“上游工具平台拿確定性收益，下游應用公司博彈性回報”的特點。以下均基於2023–2024年公開資訊，不構成任何投資建議。

上游基礎設施受益方

• 輝達（NVIDIA）：GPU核心供應商，通過CUDA生態、Omniverse數字孿生平台、ACE（Avatar Cloud Engine）提供端到端數字人微服務，2024年GTC大會展示AI NPC技術Demo。
• Unity/Epic Games：引擎雙雄。Epic通過MetaHuman、RealityCapture等工具鏈拓展虛擬製作；Unity憑藉龐大開發者生態滲透移動和輕量數字人。
• 微軟/亞馬遜/阿里雲端等雲端廠商：提供語音、視覺和大型模型API服務，構成數字人大腦和神經系統的底層能力平台。

技術平台型與解決方案公司

• 小冰公司：從微軟分拆，擁有X架構、Rinne和多名虛擬人IP，重點版面配置社交陪伴和數字員工，2023年完成B輪融資。
• 魔琺科技：3D虛擬人全棧方案，主打超寫實企業大使和虛擬內容製作中臺，已與金融、網際網路大廠合作。
• 矽基智慧：聚焦AIGC數字人，推出矽語等產品，主打帶貨直播和短影片，2022年完成C輪融資，號稱克隆成本降至千元級別。
• 商湯科技：SenseMARS平台提供數字人生成與驅動，結合大裝置算力，賦能空間計算與文旅場景。
• 世優科技：以即時動捕和虛擬直播技術見長，為央視、B站等提供技術服務。

垂直應用與IP運營

• 藍色游標/天下秀等營銷集團：版面配置虛擬人IP（如蘇小妹、AYAYI）和數字人營銷服務，推動品牌合作。
• 樂華娛樂等經紀公司：打造並運營A-SOUL等頭部虛擬女團，探索粉絲經濟。
• 國內銀行科技子公司：如光大科技、平安科技等，自研或合作開發數字人金融助手，用於零售客服。

開源生態與新興勢力

• Stability AI/ Runway：開源影片生成模型生態降低了二創和短內容數字人門檻。
• Hugging Face/GitHub：Wonder Studio、SadTalker、MuseTalk、EMO等專案大幅加速數字人平民化程序。

（注：各公司財務資料如數字人業務營收佔比多未單獨揭露，公開資料未見具體份額數字，故不作羅列。）

市場規模

數字人市場處於早期高速膨脹期，不同研究機構因界定口徑（核心/帶動/泛虛擬人）不同，資料存在差異。以下彙總可得的2023–2024年公開發布資料，僅供參考：

• 中國虛擬數字人核心市場規模：據艾媒諮詢，2023年約205.2億元人民幣，帶動產業市場規模3334.7億元（口徑較寬，包含所有虛擬形象相關消費），預計2025年核心市場達480.6億元。該數值包含虛擬偶像、虛擬主播、數字員工等，統一採用其廣義定義。
• 全球數字人相關市場：根據Grand View Research報告，2023年全球虛擬人和數字人市場規模約175億美元，複合年增長率（CAGR）約31.5%，預計2030年將超過1300億美元。口徑包含虛擬現實社交形象、數字助理等。
• 細分領域：MarketsandMarkets在2023年釋出的數字人市場預測中，將互動式數字人分為客戶服務和營銷兩大類，2023年估值為31.2億美元，2028年有望達到113.3億美元（CAGR 29.5%）。
• 中國AIGC數字人：量子位《2023年中國AIGC產業全景報告》估算，AIGC數字人作為生成式AI關鍵應用，當年市場規模約10億–20億元人民幣量級，但增速極快，未來5年CAGR或超100%。

需注意，以上資料均基於機構預測，口徑存在差異，且市場結構中大量投入為“試點”性質，真正帶來營收和獲利的專案比例有限。投資者需關注付費客戶數量和客戶生命週期價值等先行指標。部分海外高增長預測基於元宇宙預期，實際落地節奏可能受宏觀和監管影響。

玩家對比

下面從技術路線、應用場景和商業化階段，對比幾類代表性公司（基於2023–2024年公開資訊整理）：

類別	代表公司/產品	核心路線	技術與產品特色	商業化情況	競爭壁壘
網際網路大廠平台	百度曦靈、阿里通義星塵、騰訊智影	雲端原生2D/3D混合+LLM	與自身雲端服務、大型模型深度繫結；提供一站式平台	多為解決方案輸出，部分內測，未拆分營收	算力+模型+生態協同
3D全棧方案	魔琺科技、網易伏羲	超寫實3D建模+動捕+即時渲染	品質頂尖，可多平台複用；大客戶定製化服務	服務大型企業，客單價高，專案製為主	美術資產積累，端到端管線
AIGC影片路線	矽基智慧、HeyGen、字節跳動火山引擎	影片擴散+語音克隆	建立快速、成本低，適合短影片與直播	訂閱制/SaaS，走量模式，已有出海嘗試	自動化程度、成本控制、效果逼真度
AI伴侶/使用者側	Character.AI、星野（Minimax）、小冰	LLM對話+虛擬形象	注重情感陪聊與角色扮演，社群驅動	使用者量大，訂閱和增值服務盈利逐步驗證	模型微調、資料飛輪、社群粘性
硬體與引擎平台	NVIDIA、Unity	技術基座賦能	提供SDK、中介軟體和參考設計	算力與許可證營收，高毛利率	技術標準、生態系統
垂直場景深耕	商湯、科大訊飛、海馬雲端等	行業定製化	結合行業知識庫，主攻金融、政務、醫療	專案交付，部分產品化	場景理解與資料閉環

關鍵觀察：當前沒有公司完全跑通“低成本高品質即時智慧互動”的整個閉環。大廠平台有資源但缺乏靈活性，專業3D公司品質高但難以大規模鋪開，影片流派效率高但互動淺。未來競爭力的焦點在於“技術棧一體化深度”與“場景知識飛輪”的雙重建置。份額公開資料不足，均為定性比較。

風險

1. 技術路線顛覆風險 AI影片生成模型發展極快（如Sora），可能越過傳統的3D建模與動捕管線，直接生成逼真互動畫面，導致重資產投入3D資產的公司優勢被瓦解。同時，即時3D高斯潑濺等新表示技術可能帶來新的成本和互動範式。技術預測期內（3–5年）不確定性高。

2. 商業變現證偽風險 多數數字人專案仍處於POC或市場聲量階段，ROI不清晰。直播電商場景下數字人轉化率通常低於真人頭部主播；數字人客服NPS（淨推薦值）可能低於人工。若持續無法證明可量化的降本增效或增收，企業IT支出將收縮。2023年部分廠商已出現BD放緩、專案裁撤跡象（行業觀察）。

3. 監管與倫理風險

• 深度偽造（Deepfake）與詐騙：利用數字人進行身份仿冒、金融欺詐的風險加劇。2023年全球已出現多起利用AI換臉影片實施詐騙的案件。中國《網際網路資訊服務深度合成管理規定》《生成式人工智慧服務管理暫行辦法》等法律法規要求標識和備案，不合規將面臨下架和處罰。
• 數字人“身份”與權益：數字人模仿已故名人的權益糾紛（肖像權、名譽權），以及虛擬員工勞動權益的灰色地帶，可能引發訴訟。
• 對就業的衝擊：數字人大規模替代基礎客服、直播場控、基礎培訓等崗位，可能引發社會爭議和行業牴觸，需關注輿論和政策導向。

4. 使用者接受度與體驗瓶頸 長時間互動中，數字人的“非人感”仍然明顯，重複對話邏輯單一、微表情呆板等問題導致使用者新鮮感後流失快。AI伴侶類產品面臨情感操控指責，留存曲線陡峭。在需要共情和複雜推論的場景中，數字人表現遠不及人類。

5. 成本控制與規模效應的矛盾 即時智慧互動的數字人需要消耗大量GPU推論資源，隨著併發使用者增加，雲端成本線性甚至超線性增長，可能侵蝕本已微薄的商業獲利。將模型精簡、端側推論最佳化是解決路徑，但技術尚不成熟。

誤讀糾偏

誤讀一：“數字人就是一定要長得像真人的超寫實虛擬偶像” 糾偏：超寫實只是表象的一種。大量成功的數字人產品採用二次元、低多邊形、藝術風格化甚至純抽象符號形態。風格化形象更容易規避恐怖谷，製作成本僅為超寫實的10%–30%（行業經驗），且更適配年輕化、國際化的品牌調性。數字人成敗關鍵在“人設”、“智慧”與“持續輸出價值的能力”，而非皮膚質感。

誤讀二：“接入大型模型後，數字人就可以完全自主對話，哪裡都能用” 糾偏：LLM賦予了流利對話能力，但通用大型模型缺乏領域知識、安全邊界和事實核查。企業級數字人必須經過RAG知識增強、Prompt工程、權限管控和多層安全圍欄，否則極易產生“幻覺”——編造產品引數、承諾不可能的服務，甚至違反合規要求。技術上，這需要大量工程投入和持續調優。

誤讀三：“數字人是獨立產品，買來即用” 糾偏：數字人是一種“介面”，必須嵌入具體工作流才能發揮價值。真正考驗的是系統整合能力：與CRM、知識庫、業務系統的對接，與直播流、會議系統的打通。部署一個企業數字員工，IT諮詢和流程改造的投入可能遠大於數字人形象採購本身。

誤讀四：“數字人普及後，人就退場了” 糾偏：當前階段，數字人最佳定位是“人機協同”助手——解決重複、標準化、跨時區的需求，將人類解放到需要創造性、情感和複雜決策的環節。銀行數字人分流80%的常見問題，複雜理財方案仍需人工顧問；數字人老師可以講授知識，但輔導作業、啟發思考仍需真人教師。完全替代人既無技術可能，也非商業最優。

誤讀五：“開源一個SadTalker就能做數字人生意” 糾偏：開源模型大大降低了入門門檻，但從Demo到可用商業產品之間存在巨大鴻溝。穩定性、併發效能、安全合規、UE體驗、持續迭代、企業級服務支援，每個環節都需巨大資源投入。開源專案更多是產業催化器，而不是完整的業務閉環。

最新事件

以下梳理2024年至2025年初行業關鍵動態（截至2025年3月）：

• 2024年2月，OpenAI Sora釋出：展示了文生影片的驚人能力，可生成高度逼真且連貫的人物影片，引發對傳統3D數字人制作路線的廣泛衝擊討論。行業普遍認為長影片創作、短影片營銷等領域將優先受影響。
• 2024年6月，AppleVision Pro在中國上市：空間計算裝置對高保真3D虛擬形象提出需求，相關數字人制作與即時驅動公司獲得新關注，3D高斯潑濺類技術加速適配。
• 2024年8月，騰訊釋出智影數字人3.0：升級AI驅動能力，支援少樣本聲音克隆與即時文本驅動表情，重點拓展影片號生態。數家電商SaaS公司公佈數字人直播方案，2024年雙11期間品牌自播使用數字人比例顯著上升（行業觀察資料，未出官方統計）。
• 2024年9月，中國出臺《人工智慧生成合成內容標識辦法》徵求意見稿：進一步明確深度合成內容需顯著標識，對數字人影片、直播應用提出合規紅線。部分數字人直播間因而加上了“AI生成”標識。
• 2024年12月，Meta展示Codec Avatars 2.0：基於深度感測器的逼真面部重建技術，延遲極低，但離消費級產品仍有距離。
• 2025年1月，輝達GTC預告發布Audio2Face等元件更新：讓數字人面部表情與語音更同步，並推出小模型適配邊緣裝置。
• 2025年2月，多款開源2D數字人即時驅動專案（如MuseTalkPlus、SadTalker-v3）釋出：大幅提升即時唇形同步與表情自然度，進一步壓低中小團隊使用門檻。
• 2025年3月，字節跳動Dreamina平台開放文本生成數字人影片：面向抖音創作者生態，內測AI口播影片創作，引發內容賽道競爭加劇。

（注：各項動態的具體財務影響及市場份額資料公開資料未見，僅列事件。）

追蹤指標

為持續評估數字人產業景氣度和公司競爭力，建議追蹤以下指標：

產業層面

• 一級市場融資事件與金額：關注AIGC數字人、虛擬人方向早期專案融資節奏，判斷資本熱度。可用IT桔子、烯牛資料。
• 使用者滲透指標：TikTok/抖音/快手等平台上帶“虛擬人”標籤的影片播放量、直播場次和觀看人次變化。
• 政策與標準出臺：網信辦、工信部、人工智慧產業聯盟等釋出的深度合成管理規定細則、數字人標準白皮書等。
• 算力與晶片供給：雲端端GPU租賃價格走勢、輝達消費級與資料中心GPU供應情況，影響即時渲染成本。
• 開源社群活躍度：GitHub上Star數增長快的數字人相關專案，以及論文數目（如CVPR/ICCV/SIGGRAPH相關專題）。

公司/產品層面

• 付費客戶數（B端）或付費使用者數（C端）：是檢驗產品市場匹配的核心先行指標。
• 客戶平均互動時長、活躍天數、留存率：對於AI伴侶、虛擬陪伴類產品尤其關鍵。
• 單次互動成本（元/次）與ARPU：衡量單位經濟模型健康度。
• 渲染與推論時延（P50/P99）：技術成熟度直接指標。
• 客戶成功案例數及續約率：驗證商業模式的可持續性。

信源

以下為主要參考資訊源，可在專業資料庫和媒體中獲取原始資料與深度分析：

• 行業研究報告：
  • 艾媒諮詢《中國虛擬偶像/數字人行業發展研究報告》（年度更新）
  • 量子位《中國AIGC產業全景報告》及系列細分報告
  • Grand View Research, “Digital Human (Virtual Human) Market Size, Share & Trends Analysis Report”
  • MarketsandMarkets, “Digital Human Market by Component, Application, and Region”
• 學術與會議：
  • ACM SIGGRAPH / SIGGRAPH Asia（計算機圖形學頂級會議，數字人形生成與動捕）
  • CVPR, ICCV, ECCV（3D視覺、面部重建、生成模型）
  • NeurIPS, ICML, ICLR（生成模型、擴散模型、語音合成）
  • 關鍵詞：“Talking Head Generation”,“Audio-Driven Facial Animation”,“3D Gaussian Splatting”等。
• 監管與標準：
  • 國家網際網路資訊辦公室《深度合成管理規定》《生成式人工智慧服務管理暫行辦法》及相關征求意見稿
  • 中國人工智慧產業發展聯盟《數字人評估指標與測試方法》等白皮書
• 企業公開資訊：
  • 上市公司年報/季報（如NVIDIA, Unity, 百度, 騰訊等）中有關AI/虛擬人章節
  • 創投平台（Crunchbase, 烯牛資料, IT桔子）融資揭露
• 科技與產業媒體：
  • 機器之心、36氪、量子位、新智元、TechCrunch對數字人企業及產品的深度報道
  • 各證券公司研究部發布的虛擬人/元宇宙行業研究報告（需注意利益宣告與時效性）

（注：文中出現的所有市場資料均已註明來源機構及年份，未詳之處為“公開資料未見”。所有公司資訊基於公開事實，不含任何投資建議。）