AI為方，產業為向：京東雲數字人的技術攀爬

今年11.11正如火如荼進行中，各大平臺的直播間，大家可能已經發現了一群新面孔——數字人主播。電商直播作為越來越強大的流量入口，幾乎已經成了零售品牌和商家們的必爭之地。而高昂的坑位費、主播參差不齊的業務能力、不確定的ROI、複雜的內容創作和監管機制……也都是直播經濟真實存在的另一面，讓商家們為之犯愁。

這時候，數字人就成了不錯的選擇。來看看下面兩位主播，你能分得清哪個是真人嗎？

這樣擬人化互動、24小時在崗、內容可控、可快速上線帶貨的數字主播，解決了許多商家備戰11.11的難題，也重新整理了大眾對數字人的新認知。

近兩年來，很多企業都推出了各自的數字人及平臺，有強調技術優勢和大模型的雲或AI公司，有佔據終端互動入口的手機IoT廠商，也有強調內容創作能力的虛擬偶像公司……

百花齊放的數字人，逐漸開始同質化競爭，這時候，企業往往會結合各自的核心能力，為數字人選擇不同的發展策略和市場動作。

在11月1日，2022京東雲城市峰會上海站正式舉行，京東雲宣佈數智供應鏈正加速落地十大產業場景，其中服務場景就是京東雲言犀的主場。可以看到，與數智供應鏈融合是AI走向產業的必經之路，也為言犀平臺的一百多個數字人員工，創造了在產業中發光發熱的機會。

大浪淘沙的競爭中，數字人正在命運的分岔路口，奔赴各自的前程。我們不妨藉著11.11的契機，來共同審視一下數字人產業，在消費之餘，收穫一些關於未來的重要線索。

走出恐怖谷，數字人才有可能

如果你認為大多數數字人都能應聘上崗、獲得產業客戶的認可，那絕對是太樂觀了。高度擬人化、互動性的數字人，需要同時具備語音語義、視覺、情感、自然語言處理、知識圖譜、對話互動等綜合能力，不能有短板，這是數字人能夠長期發展的前提和基礎，也是極少數數字人能夠達到的能力。

大家可能聽說過“恐怖谷效應”，就是一些形象上酷似真人的機器人或智慧體，但實際互動能力卻很差，經常出現答非所問等問題。對下當下的數字人產業的發展，大家肯定希望它們在外形上具有更高的擬真度，同時在互動體驗上也具備較強的宜人性，即能夠理解使用者、擁有人類一樣的情感和表達。

言犀數字人虛擬主播為什麼能夠做到真人主播的效果呢？就源自京東雲言犀團隊執著地解決著數字人的核心技術問題，從兩個方面取得突破：

惟妙惟肖之身——多模態智慧技術。也就是語音、文字、表情、手勢、肢體等多模態，能夠一體化協同，這樣能讓數字人的擬真度更高，避免一些明顯的違和感。面容上，言犀自研的3DNeuralRender神經渲染器，可以高保真地合成主播面部細節，達到以假亂真的效果；動作上，言犀研發的動作合成方案，基於RIFE插幀多插入點的快速動作過渡，可以讓數字人的動作更加流暢自然；互動中，2D及超寫實、高精度3D數字員工驅動方案，可以實現音唇精準同步，數字人說話時，牙齒甚至牙縫都要精準地對齊口型，這樣才不會看著彆扭。可以說，惟妙惟肖的數字人需要多模態的綜合性技術能力。

善解人意之心——實時人機互動技術。數字人也不能只是“花瓶”，還要能夠與使用者實時互動，做出合乎邏輯的反應，這種數字人則更加稀少了，因為難度也高了一個數量級。首先，實時互動需要快速的動作、表情渲染，對AI生成的速度和質量要求非常高；其次，實時互動意味著很多反應不能事先生成，而要真正理解使用者的想法和需求，給出精準的回答，這就要求數字人具備豐富且細粒度的知識突破、自然語言理解、情感計算等能力。比如使用者想了解A商品和B商品的異同，需要數字人主播精準地抓住顧客心理、比對資訊、找到賣點，生成有吸引力的文案。為此，基於京東雲言犀人工智慧應用平臺，在智慧多模態對話與互動領域提出了理解準確度、知識覆蓋度、互動流暢度、情感關懷度、任務完成度5維為標準的“新圖靈測試”體系，作為人機互動服務機器人的標準，也是數字人的核心能力。

走向產業，數字人才有價值

只有一個技術支點，能撬動起數字人的市場價值嗎？至少在京東雲言犀團隊看來，數字人與產業需求相結合，才能真正成為遊戲規則的改變者。京東集團副總裁、智慧產品與服務部總裁，IEEE Fellow何曉冬博士指出，數字人作為一種AIGC內容生產模式，目前成本還是比較高的，把數字人能力下放到每一個商家手中，這是AIGC的機會所在。

從實驗室到產業，需要邁過三個門檻。

第一重門檻：技術的可用性。

言犀數字人虛擬主播關鍵技術都達到國際的領先水平，包括多粒度韻律增強的語音合成、知識指導的多模態可控文字生成、可解釋的多輪對話決策推理，取得過多項AI學術比賽冠軍。但這只是數字人產業化的第一步。在現實業務場景中，會出現各種意想不到的情況。這時候，京東雲技術在京東內外部多種大規模業務中經受過考驗，就發揮了非常重要的試煉作用，讓數字人技術能夠真正為產業所用。

比如2021年12月，江南農商銀行與京東雲共同合作推出的VTM數字銀行櫃員，不僅形象要好，還要懂銀行基本業務，這就需要金融類知識計算；銀行作業環境噪音比較大，來辦理業務的當地使用者有的帶有方言口音。另外，銀行櫃員需要跟客戶實時互動，需要處理動態文字資料，依靠靜態資料庫訓練出來的演算法可能魯棒性不足……

言犀歷經數十年京東618、11.11等大規模互動場景考驗，沉澱了業界超大的場景知識圖譜，模型遷移速度快，穩定性高，這也使得該VTM數字銀行櫃員順利落地，具有極強的適配性，可以獨立閉環完成銀行業務交易場景的自助應答、業務辦理、主動服務、風控合規等全流程服務，幫助銀行解決櫃員接待能力不足的問題。

還有一些問題是落地之後發現的，數字人的自然語音語義互動需要綜合深度的技術突破才能解決。言犀為大同12345提供政務熱線解決方案的過程中，就發現實際互動是很複雜的，比如為了避免數字人搶話，一般會讓來電者說完，數字人再接著說，但停頓時間又不能太長，讓對方覺得互動不及時。但實際接聽市民熱線時發現，很多老年市民停頓很長，說著說著就停頓一下，數字人問“昨天有沒有打疫苗”，對方回答“昨天啊……（停頓一秒）好像沒有”，這個一秒的停頓對於數字人來說都是理解上的挑戰，言犀技術團隊就嘗試透過跨模態技術，在斷斷續續的情況下也能準確地理解使用者意圖，技術創新領先於國際一流的學術型AI機構。所以說，從產業中來、到產業中去的數字人，才能真正為產業所用。

第二重門檻：技術的可控性。

是不是各類比賽中分數越高的AI就越厲害，打造的數字人就更強呢？其實比起技術收益有多大，技術風險的可控反而是企業更在意的，尤其是直播、問答這樣實時性非常強的內容型互動，對於AIGC內容生成的可控性要求非常高，數字人主播如果說錯了資訊，導致丟單或直播中斷，都是企業不希望看到的。如何保證數字人的輸出是可控的？言犀從京東複雜業務場景中深度解耦而來，京東雲花了很多精力讓言犀數字人虛擬主播的各類AI模型真正可控、可解釋。目前，言犀已經累計生成了30億字的文字，人工稽核透過率95%。言犀平臺的言犀數字人虛擬主播就具備很好的可解釋性，能夠為商品生成長文案和直播劇本，除此之外，言犀多模態數字人平臺還有100多款虛擬數字人形象，在銀行業務辦理、政務服務等場景大規模落地，這些場景都對技術可控性要求很高。

可以說，比起實驗室裡神乎其神的屠龍術，可控可解釋的數字人，才是產業和企業更歡迎的務實型員工。

第三重門檻：技術的投入產出比。

數字人進入產業是要幫助企業降本增效、帶來正收益的，如果資源消耗巨大、開發成本高、維護費心費力，也會阻礙數字人走向產業的腳步。為了降低數字人規模化落地的成本，讓企業輕輕鬆鬆就能用上數字人，京東雲言犀做了兩件事：一是建立完善的形象庫，擁有包括2D真人、3D卡通、超寫實等多種數字人形象。基於基礎建模，就可以快速生成各類個性化數字人，帶貨各種各樣的商品，美妝、母嬰、電子3C等型別主播應有盡有，大大解決了優質主播數量不足、直播時間有限等限制。

二是堅實的人工智慧應用平臺。京東雲言犀人工智慧應用平臺，承載著語音與聲學、視覺感知、情感計算、語義理解與生成、知識圖譜、多輪對話等六個核心領域的技術能力，透過API和產品化等多種形式向外規模化輸出，就保障了技術的可用性和低成本。

走向雲宇宙，數字人的未來

元宇宙本質上是多種數字虛擬技術的集合體，作為一個略宏觀和遙遠的概念，何曉冬直言，我們在解決產業元宇宙的技術挑戰，還處於比較早期的階段。

對於產業元宇宙，京東雲的技術人員是篤定地，也是低調的。

篤定，可能來自兩方面的原因：一是數字人之於數智供應鏈的價值。作為更懂產業的雲，京東雲致力推動數智供應鏈服務於千行百業，推動實體經濟與數字經濟的融合與協同發展。數字人作為互動入口，可以應用在大量數實融合的業務場景，實現數字世界和物理世界的無縫融合，比如數字主播、智慧客服、工業人機互動、景區導遊、社群養老服務員等等，數智供應鏈為數字人提供了獨一無二的產業土壤。

二是數智供應鏈之於產業的價值。數智供應鏈是京東19年轉型實踐反覆驗證和凝練的一套完整的能力體系，本身涉及的產業環節足夠多，需要用到大量綜合性技術，比如京東的智慧雲倉，就需要AI、大資料、雲端計算來一起聯合運作。越來越多的企業藉由數智供應鏈開展數字化，自然也讓數字人有了更多用武之地，有機會孕育出更多顛覆性創新，進一步放大了言犀數字人的技術優勢和商業價值。

而低調，則源於京東雲對產業元宇宙的理性預期。目前，產業元宇宙尚處於早期階段，用何曉冬的話來說：我們在地平線上看到了元宇宙的曙光，但抵達的過程中還有很多技術鴻溝，有時候需要很大的技術突破才能解決。所以，京東雲更希望著重於底層能力和行業應用的建設，以供應鏈為主軸，積累和打磨產業元宇宙所需要的各類數字技術。顯然，數字人作為一個深度學習、多模態學習、人機互動等技術的綜合產物，將在京東雲技術研發戰略中佔據重要位置，成為產業元宇宙技術創新的策源地之一。

從這個角度看，產業元宇宙和言犀數字人，將在數智供應鏈的牽引下彼此靠攏、相互成就，最終融於一體、密不可分。攜帶著產業勢能與技術進化的言犀多模態數字人，自然有能力走得更遠、更久。

百花齊放的數字人，將在同質化競爭加劇的時刻走到分岔路口，沿著各自的選擇走出差異化的道路。接下來，大家可能會看到同為數字人，卻是截然不同的存在，有的作為網紅明星曇花一現，有的在產業世界裡靜水流深，成為數字生活不可或缺的一部分。

岔路口的差異化選擇，將決定不同數字人的終局。而京東雲言犀，正在向產業加速飛奔。