“數字人超真人”：百度不是池中物，AI應用見功夫
文 | 佘宗明
“在25年內，每個人都可以以自己為模板創(chuàng)造出逼真的數字虛擬人。”在新著《2049》中，凱文·凱利做出了這番預言。他斷言：數字人將在未來迎來大爆發(fā)。
端倪早已顯現(xiàn)：過去幾年，涌入直播間的數字人主播越來越多，數字人直播也被視作AI的下個規(guī)模化落地場景。
只不過，之前的很多數字人表情呆板、反應機械、互動匱乏，連仿真都談不上，遑論逼真。因而，以往如果有人說“數字人可以超越真人主播”，大概率會被回上一句“呵呵”。
但羅永浩數字人在今年618期間的首秀，改變了不少人的既有看法：原來數字人還能突破照本宣科桎梏、打破隨機應變困局，解鎖根據場景做出反應、雙數字人默契互動、超長時間穩(wěn)定輸出等技能包。單從神情看，羅永浩數字人跟羅永浩不能說毫無關系，只能說一模一樣。
目前看，凱文·凱利說的“逼真”二字正愈發(fā)具象化：7月26日，在2025年世界智能會（WAIC 2025）上，作為業(yè)界個AI全棧式數字直播解決案的百度慧播星又發(fā)布了新一代數字技術NOVA，該技術曾支撐羅永浩數字人直播間創(chuàng)下5500萬GMV，預計將于10月向全行業(yè)開放。
到那時，普通用戶也可獲得媲美頭部主播的專業(yè)帶貨能力，這標志著超頭主播能力復刻進入規(guī)�；慨a時代。
想讓數字人直播時隨性秀花活，跟網友靈活玩梗？沒問題。想讓其舉杯時手腕微顫，調侃時眉梢輕挑？也OK。當數字人帶來的不是出戲而是入戲，隨之而來的便是數字人從“仿真”邁入“超真”時代。
值得注意的是，此次大會上，蘿快跑、飛槳深度學習平臺、百度智算集群共同入選中國人工智能產業(yè)創(chuàng)新成果展，再加上NOVA數字技術，百度無疑是用AI全棧布局的代表性成果秀出了AI實力的“肌肉密度”。
從底層設施搭建到上層應用落地的完整生態(tài)閉環(huán)，托起了百度在AI能力值上的六邊形戰(zhàn)士形象，也注解了“百度不是池中物，AI應用見功夫”。
01
說是數字人，其實是數字播報員、文字復讀機，這是許多人對數字人的固有印象�？粗鴶底秩酥辈r那唱獨角戲的尷尬情景、“幀漂移”的卡頓畫面、臺詞跟表情錯位的游離畫風，很多人會忍不住將數字人跟“五毛特效”畫等號。
數字人“一眼假”，不是廠商不想避免，而是他們無可避免：傳統(tǒng)的數字人技術就是語言、語音、視覺三條線各自生成內容后再拼接，出現(xiàn)音畫不同步、表情僵硬、言語乏味等問題在所難免。
技術瓶頸，使得數字人的作用始終停留在“基礎講解工具”層面。你想要他在預設腳本外，來些即興發(fā)揮？想要他在機械播報外，多些實時互動？不好意思，超綱了。
這很難激發(fā)用戶信任感、激起用戶購買欲。用戶想要看到的，是“主播”聲音上能抑揚頓挫、表情上能靈活變化、動作上能精準表達，是聽得懂包袱、開得了玩笑、答得了問題，誰想看那些沒有靈魂的2D紙片人在那念稿呢？
但要讓數字人體現(xiàn)出活人感、避免假人感，并非易事。它涉及跨模態(tài)融合和協(xié)同、自然語言理解跟應用、動作捕捉與生成、實時交互和延遲優(yōu)化等，整個技術鏈路十分復雜。
就拿互動來說，網友在直播間評論區(qū)的提問可能多元無序，真人主播互動時不會簡單地“一問一答”和“即問即答”，而要對評論內容進行意圖分析、提煉歸并，根據講解節(jié)奏選擇合適時機、給出合宜回答。這就很考驗數字人的智能化分析能力。
而NOVA不只是讓數字人看起來像人，更讓數字人擁有會思考和能協(xié)同的能力。利用劇本驅動的數字人多模協(xié)同、融合多模規(guī)劃與深度思考的劇本生成、動態(tài)決策的實時交互、文本自控的語音合成、高一致性超擬真數字人長視頻生成等創(chuàng)新技術，它實現(xiàn)了數字人“神、形、音、容、話”的全模態(tài)高度統(tǒng)一。
數字人表情呆板？NOVA數字人技術支持多模協(xié)同，根據劇本要素實時調整語調、表情和動作，手指該指向產品細節(jié)時就指過去，語氣該強調某個功能時就強化突出。
數字人反應機械？NOVA數字人技術具備高表現(xiàn)力特點，能自動完成眼神交流后遞話筒、討論產品時親身演示、二人搭檔時表情配合等操作。
數字人互動匱乏？NOVA數字人技術接受復雜交互，當觀眾在直播間提問“這款手機續(xù)航怎樣”時，他會迅速完成調用產品數據庫提取續(xù)航參數、生成“可出差三天不插電”的口語化回答、同步調出電量測試視頻佐證；當直播熱度下降時，他還能自動調度場控數字人發(fā)起抽獎，助播數字人補充產品細節(jié)，形成“主播講解+專家答疑+福利刺激”的立體互動鏈。
既能理解商品賣點，又能生成自然語言，還能匹配肢體動作，很明顯，NOVA跳出了面相復刻的層次，拓展了數字人能力的邊界。隨之而來的，是“數字可以超越真，可以專業(yè)主播更會播”的數字直播前景的近在眼前。
02
某種程度上，數字人就是大模型多模整合能力的觀察切口。NOVA能變成數字人維度的“全能ACE”，就是百度多模態(tài)模型能（語、視覺、語深度融合）的展示——NOVA數字人具備的多模協(xié)同、表現(xiàn)、復雜交互等特點，本就是對模型的“集成使”。
數字人直播的本質是“長視頻生成”任務，需要同時處理文本（腳本）、語音（解說）、視覺（動作）、情緒（情感）、知識（產品信息）等多維度數據。
NOVA數字人技術就是讓懂商品、懂用戶、懂人設的“劇本”模型充當總導演，統(tǒng)籌文本、語音、視覺等各個“演員”配合，協(xié)力完成以“數”亂真的演出。
在此過程中，大模型會將文本、語音等轉化為多維度向量，通過MoE（混合專家）架構分配給不同“AI專家”處理：語言專家負責文案生成，視覺專家處理動作協(xié)同，知識專家管理產品數據庫，最終由中樞系統(tǒng)整合輸出。如此一來，數字人既能“像作家一樣組織語言”，又能“像演員一樣控制表情”，還能“像操盤手一樣進行控場”。
IDC今年上半年發(fā)布的行業(yè)首份電商直播數字人報告顯示，百度慧播星綜合實排名業(yè)第，五項測評指標中，它在技術能、產品表現(xiàn)、平臺合規(guī)與穩(wěn)定性、客戶服務四項上均居首位。接下來，NOVA可以繼續(xù)強化其既有優(yōu)勢。
NOVA數字人技術可同時驅動“語言腦”“運動腦”“邏輯腦”高效協(xié)作，離不開百度大模型全棧布局的支撐。
如果沒有文心大模型4.5Turbo賦予的內容創(chuàng)作能力，NOVA數字人就沒法根據商品賣點自動生成有梗有料”的文案；如果沒有飛槳提供的多模態(tài)訓練能力，NOVA數字人也就沒法實現(xiàn)神、形、音、容、話同步；如果沒有百度打造的“全息聲場系統(tǒng)”和聲紋克隆技術，NOVA的“形似聲更似”也就無從談起。
長視頻生成終究是高耗時任務，伴生的延遲卡點問題必然會影響實時生成效果。百度就在昆侖芯三萬卡集群的加持下，通過“流式生成”工程化設計（語言、語音、視覺三個模態(tài)不是串行等待，而是并行工作）和“離在線統(tǒng)一”辦法（可預見交互內容提前處理，需即時反應部分則在線動態(tài)生成），讓體驗變得絲滑。
羅永浩數字人首播創(chuàng)下5500萬GMV的背后，就是直播調用了1.3萬次知識庫，生成9.7萬字講解內容，雙數字人做出8300個動作，卻沒有出現(xiàn)一次表情崩壞或邏輯斷層，6小時直播的視頻生成零卡頓。擱以前，這幾乎不可想象。
03
數字人技術突破，是百度AI全棧自研能力在應用上的輻射。在此次WAIC上亮相的另一個百度標桿級AI應用——蘿卜快跑，同樣彰顯了這點。
如果說NOVA數字人展現(xiàn)了百度AI在數字空間的“柔性滲透”，那蘿卜快跑就體現(xiàn)了它在物理世界的“硬核落地”。
跟蘿卜快跑這次亮相世界級展會舞臺相對應的，是它作為中國領先科技出海的代表在海外已遍地開花：繼獲得中國香港首個自動駕駛車輛先導牌照、打造阿布扎比最大規(guī)模無人車隊后，蘿卜快跑又跟全球最大移動出行服務平臺Uber開啟了全球戰(zhàn)略合作——這意味著，數千輛百度無人駕駛車將接入全球最大出行網絡。
跟蘿卜快跑入選WAIC2025“國家展”相對應的，還是它作為高階自動駕駛領域的頭部玩家率先實現(xiàn)規(guī)�；涞兀荷罡麩o人駕駛12年來，蘿卜快跑級別動駕駛專利數全球第 ， 截至今年7月，它已在全球提供超1100萬次出行服務，L4級動駕駛安全測試程累計已超1.7億公，出險率僅為人類駕駛員的1/14。
成為本屆WAIC會的接駁車，就是蘿卜快跑跑得最“快”的直觀印證。
就像運動員的爆發(fā)力有賴于肌肉力量，更離不開神經反應、心肺功能、骨骼強度的協(xié)同支撐那樣，NOVA數字人跟蘿卜快跑的底部支撐都是百度的全棧自研體系。
蘿卜快跑能實現(xiàn)城市級全域復雜場景覆蓋，在全球多地千差萬別的路況中快速落地，背靠的就是百度大模型的“感知-決策-控制”全鏈路能力——這是基于大模型重構自動駕駛的結果。
搭載了全球首個支持L4級大模型Apollo ADFM的蘿卜快跑第六代無人車，就實現(xiàn)了技術安全性與適應性的大幅提升：3D環(huán)境模型，能幫著車輛在雨天、夜間精準避障；雙計算中樞，能憑著“雙腦協(xié)同”讓車輛0.01秒內完成異常接管；多模態(tài)融合技術，則能讓智能座艙理解方言指令、識別手勢動作……
這些依托的，正是百度“算法-框架-模型-應用”四層一體的全棧布局。
作為《時代》周刊口中“全球少有的在AI上實現(xiàn)全棧布局的公司”，百度的AI四層架構每一層都像“肌肉纖維”般緊密配合，所以才有NOVA數字人的突圍，才有蘿卜快跑的突破——全棧自研能力的肌肉足夠健碩，最上層才能長出覆蓋C端、B端的豐富應用。
04
無論是NOVA數字人，還是蘿卜快跑，都是百度用全棧式技術能力解決不同場景核心問題的系統(tǒng)性方案。
直以來，百度的AI戰(zhàn)略都是“向應發(fā)展”。百度創(chuàng)始人李彥宏也多次強調，應才是模型的真正價值所在。這跟數字化時代的“價值鏈金字塔”結構契合。由此順推出的結論就是：AI，有用才是硬道理。
就AI數字人而言，衡量其價值的關鍵標尺就在于產業(yè)側應用效果，簡單說就是能不能順應直播電商領域對低成本高效率運營的需求。
多年來，直播中的兩大痛點困擾著不少企業(yè)：一是真人主播用人成本高昂，還有塌房風險；二是運營效率低下，搭建團隊、反復彩排、實時場控等環(huán)節(jié)耗時耗力。
數字人直播就為此而生。但跟之前的數字人技術只解決了“有沒有”的問題相比，NOVA著力解決的是“好不好”的問題。
今年4月，百度方面透露，慧播星數字人主播累計已超10萬，涉及電商、教育、醫(yī)生、法律等幾十個行業(yè)。從大盤平均值看，數字人直播轉化率提升了31%，還降低了商家80%的開播成本。
當NOVA的腳本生成系統(tǒng)可實現(xiàn)“千人千面”的精準適配，會針對食品品類自動加入“會爆汁”“有回甘”的場景化描述，推廣3C產品時會側重“參數對比+使用場景”的專業(yè)分析；當NOVA的AI大腦可通過實時監(jiān)測彈幕關鍵詞、商品點擊量、停留時長等數據動態(tài)調整直播策略，發(fā)現(xiàn)用戶關注價格就主動發(fā)起“扣1了解專屬優(yōu)惠”的互動……對商家的賦能可想而知。
而讓店播“輕資產化”的無代碼生成功能——商家上傳產品參數、優(yōu)惠幅度等基礎信息，就能自動生成直播腳本、匹配虛擬場景、定制數字人形象，更是能推動商家在直播維度的平權。
對蘿卜快跑來講，評判其價值的核心依據，就在于能否給們出帶來安全、便捷、舒適的出行體驗。
蘿卜快跑的自動感應尋車、自動開關車門、語音安全播報等功能得到視障人群好評，全無人空間的靜謐感頗顯“i人友好”……就成了其加分項。
為產業(yè)側和用戶端提供實用價值，成了百度對AI“超級好用”的注解。
05
凱文·凱利說：讓更通人性的AI成為人類的朋友，這是我們的終極目標。言下之意是，AI非但要更聰明，還要更好用。
去年11月，李彥宏在百度世界2024大會上說，百度不是要推出個“超級應”，是要打造數百萬級“超級有”的應，就與之呼應。
WAIC 2025上，百度展臺Show出了秒噠、快碼、庫、盤等AI應，就體現(xiàn)出了鮮明的“有用至上”導向。如秒噠，就在用“句話做應+多智能體協(xié)作+多具調”的技術組合，帶來“3分鐘成+1時迭代”的極致開發(fā)體驗，加速“人人都是程序員”的愿景落地。
NOVA數字人跟蘿卜快跑，更是百度將AI從炫技手段變成生產力工具與普惠方式的典型注腳：NOVA數字人提供“腳本-直播-復盤”全鏈路服務，可幫企業(yè)24小時不間斷帶貨，蘿卜快跑將把L4級自動駕駛規(guī)�；涞�，都是百度將AI全棧式能力用于反哺現(xiàn)實場景的投射。
這反映了百度在AI上的鮮明價值主張：執(zhí)著于“超級有用”的路徑，而不追逐“超級應用”的概念。比起追求單點爆款，它更希望用全棧自研能力打造數百萬個“超級有用”的應用矩陣，將大模型技術真正轉化為生產力。
可以看到，從搜索、網盤、文庫等存量業(yè)務的AI重構，到蘿卜快跑、NOVA數字人等增量賽道的積極開拓，百度都在將“超級有用”烙進AI應用掌心；從研發(fā)模型，到打造云平臺，百度也是立足需求、著眼應用，讓模型使用成本更低、底座端到端性能更強。這些都是用行動表明：大模型不是用來“炫”的玩具，而是用來驅動產業(yè)革命的引擎。
隨著AI競爭進入拼落地階段，時間也在證明：AI的價值錨點確實是“超級有用”。誰能把AI技術轉化為真切可感的價值，誰就能走得更遠。
原文標題 : “數字人超真人”：百度不是池中物，AI應用見功夫
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
