文 | 佘宗明

“在25年內(nèi)，每個人都可以以自己為模板創(chuàng)造出逼真的數(shù)字虛擬人。”在新著《2049》中，凱文·凱利做出了這番預(yù)言。他斷言：數(shù)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(shù)字人主播越來越多，數(shù)字人直播也被視作AI的下個規(guī)�；�落地場景。

只不過，之前的很多數(shù)字人表情呆板、反應(yīng)機(jī)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(shù)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(shù)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(shù)字人還能突破照本宣科桎梏、打破隨機(jī)應(yīng)變困局，解鎖根據(jù)場景做出反應(yīng)、雙數(shù)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(shù)字人跟羅永浩不能說毫無關(guān)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(shù)字直播解決案的百度慧播星又發(fā)布了新一代數(shù)字技術(shù)NOVA，該技術(shù)曾支撐羅永浩數(shù)字人直播間創(chuàng)下5500萬GMV，預(yù)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(biāo)志著超頭主播能力復(fù)刻進(jìn)入規(guī)模化量產(chǎn)時代。

想讓數(shù)字人直播時隨性秀花活，跟網(wǎng)友靈活玩梗？沒問題。想讓其舉杯時手腕微顫，調(diào)侃時眉梢輕挑？也OK。當(dāng)數(shù)字人帶來的不是出戲而是入戲，隨之而來的便是數(shù)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(xué)習(xí)平臺、百度智算集群共同入選中國人工智能產(chǎn)業(yè)創(chuàng)新成果展，再加上NOVA數(shù)字技術(shù)，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(shè)施搭建到上層應(yīng)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(yīng)用見功夫”。

01

說是數(shù)字人，其實是數(shù)字播報員、文字復(fù)讀機(jī)，這是許多人對數(shù)字人的固有印象�？粗鴶�(shù)字人直播時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(fēng)，很多人會忍不住將數(shù)字人跟“五毛特效”畫等號。

數(shù)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(shù)字人技術(shù)就是語言、語音、視覺三條線各自生成內(nèi)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(shù)瓶頸，使得數(shù)字人的作用始終停留在“基礎(chǔ)講解工具”層面。你想要他在預(yù)設(shè)腳本外，來些即興發(fā)揮？想要他在機(jī)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(zhǔn)表達(dá)，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(shù)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(yīng)用、動作捕捉與生成、實時交互和延遲優(yōu)化等，整個技術(shù)鏈路十分復(fù)雜。

就拿互動來說，網(wǎng)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(nèi)容進(jìn)行意圖分析、提煉歸并，根據(jù)講解節(jié)奏選擇合適時機(jī)、給出合宜回答。這就很考驗數(shù)字人的智能化分析能力。

而NOVA不只是讓數(shù)字人看起來像人，更讓數(shù)字人擁有會思考和能協(xié)同的能力。利用劇本驅(qū)動的數(shù)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(shù)字人長視頻生成等創(chuàng)新技術(shù)，它實現(xiàn)了數(shù)字人“神、形、音、容、話”的全模態(tài)高度統(tǒng)一。

數(shù)字人表情呆板？NOVA數(shù)字人技術(shù)支持多模協(xié)同，根據(jù)劇本要素實時調(diào)整語調(diào)、表情和動作，手指該指向產(chǎn)品細(xì)節(jié)時就指過去，語氣該強(qiáng)調(diào)某個功能時就強(qiáng)化突出。

數(shù)字人反應(yīng)機(jī)械？NOVA數(shù)字人技術(shù)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(chǎn)品時親身演示、二人搭檔時表情配合等操作。

數(shù)字人互動匱乏？NOVA數(shù)字人技術(shù)接受復(fù)雜交互，當(dāng)觀眾在直播間提問“這款手機(jī)續(xù)航怎樣”時，他會迅速完成調(diào)用產(chǎn)品數(shù)據(jù)庫提取續(xù)航參數(shù)、生成“可出差三天不插電”的口語化回答、同步調(diào)出電量測試視頻佐證；當(dāng)直播熱度下降時，他還能自動調(diào)度場控數(shù)字人發(fā)起抽獎，助播數(shù)字人補(bǔ)充產(chǎn)品細(xì)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(fù)刻的層次，拓展了數(shù)字人能力的邊界。隨之而來的，是“數(shù)字可以超越真，可以專業(yè)主播更會播”的數(shù)字直播前景的近在眼前。

02

某種程度上，數(shù)字人就是大模型多模整合能力的觀察切口。NOVA能變成數(shù)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(shù)字人具備的多模協(xié)同、表現(xiàn)、復(fù)雜交互等特點，本就是對模型的“集成使”。

數(shù)字人直播的本質(zhì)是“長視頻生成”任務(wù)，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(chǎn)品信息）等多維度數(shù)據(jù)。

NOVA數(shù)字人技術(shù)就是讓懂商品、懂用戶、懂人設(shè)的“劇本”模型充當(dāng)總導(dǎo)演，統(tǒng)籌文本、語音、視覺等各個“演員”配合，協(xié)力完成以“數(shù)”亂真的演出。

在此過程中，大模型會將文本、語音等轉(zhuǎn)化為多維度向量，通過MoE（混合專家）架構(gòu)分配給不同“AI專家”處理：語言專家負(fù)責(zé)文案生成，視覺專家處理動作協(xié)同，知識專家管理產(chǎn)品數(shù)據(jù)庫，最終由中樞系統(tǒng)整合輸出。如此一來，數(shù)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(jìn)行控場”。

IDC今年上半年發(fā)布的行業(yè)首份電商直播數(shù)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(biāo)中，它在技術(shù)能、產(chǎn)品表現(xiàn)、平臺合規(guī)與穩(wěn)定性、客戶服務(wù)四項上均居首位。接下來，NOVA可以繼續(xù)強(qiáng)化其既有優(yōu)勢。

NOVA數(shù)字人技術(shù)可同時驅(qū)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(nèi)容創(chuàng)作能力，NOVA數(shù)字人就沒法根據(jù)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(xùn)練能力，NOVA數(shù)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(shù)，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(wù)，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(shè)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(yù)見交互內(nèi)容提前處理，需即時反應(yīng)部分則在線動態(tài)生成），讓體驗變得絲滑。

羅永浩數(shù)字人首播創(chuàng)下5500萬GMV的背后，就是直播調(diào)用了1.3萬次知識庫，生成9.7萬字講解內(nèi)容，雙數(shù)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(shù)字人技術(shù)突破，是百度AI全棧自研能力在應(yīng)用上的輻射。在此次WAIC上亮相的另一個百度標(biāo)桿級AI應(yīng)用——蘿卜快跑，同樣彰顯了這點。

如果說NOVA數(shù)字人展現(xiàn)了百度AI在數(shù)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(yīng)的，是它作為中國領(lǐng)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(dǎo)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(wù)平臺Uber開啟了全球戰(zhàn)略合作——這意味著，數(shù)千輛百度無人駕駛車將接入全球最大出行網(wǎng)絡(luò)。

跟蘿卜快跑入選WAIC2025“國家展”相對應(yīng)的，還是它作為高階自動駕駛領(lǐng)域的頭部玩家率先實現(xiàn)規(guī)�；�落地：深耕無人駕駛12年來，蘿卜快跑級別動駕駛專利數(shù)全球第 ， 截至今年7月，它已在全球提供超1100萬次出行服務(wù)，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(jīng)反應(yīng)、心肺功能、骨骼強(qiáng)度的協(xié)同支撐那樣，NOVA數(shù)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(fù)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(gòu)自動駕駛的結(jié)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(shù)安全性與適應(yīng)性的大幅提升：3D環(huán)境模型，能幫著車輛在雨天、夜間精準(zhǔn)避障；雙計算中樞，能憑著“雙腦協(xié)同”讓車輛0.01秒內(nèi)完成異常接管；多模態(tài)融合技術(shù)，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(yīng)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(gòu)每一層都像“肌肉纖維”般緊密配合，所以才有NOVA數(shù)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(yīng)用。

04

無論是NOVA數(shù)字人，還是蘿卜快跑，都是百度用全棧式技術(shù)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(yīng)發(fā)展”。百度創(chuàng)始人李彥宏也多次強(qiáng)調(diào)，應(yīng)才是模型的真正價值所在。這跟數(shù)字化時代的“價值鏈金字塔”結(jié)構(gòu)契合。由此順推出的結(jié)論就是：AI，有用才是硬道理。

就AI數(shù)字人而言，衡量其價值的關(guān)鍵標(biāo)尺就在于產(chǎn)業(yè)側(cè)應(yīng)用效果，簡單說就是能不能順應(yīng)直播電商領(lǐng)域?qū)Φ统杀靖咝�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(fēng)險；二是運營效率低下，搭建團(tuán)隊、反復(fù)彩排、實時場控等環(huán)節(jié)耗時耗力。

數(shù)字人直播就為此而生。但跟之前的數(shù)字人技術(shù)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(shù)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(shù)字人直播轉(zhuǎn)化率提升了31%，還降低了商家80%的開播成本。

當(dāng)NOVA的腳本生成系統(tǒng)可實現(xiàn)“千人千面”的精準(zhǔn)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(chǎn)品時會側(cè)重“參數(shù)對比+使用場景”的專業(yè)分析；當(dāng)NOVA的AI大腦可通過實時監(jiān)測彈幕關(guān)鍵詞、商品點擊量、停留時長等數(shù)據(jù)動態(tài)調(diào)整直播策略，發(fā)現(xiàn)用戶關(guān)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(chǎn)化”的無代碼生成功能——商家上傳產(chǎn)品參數(shù)、優(yōu)惠幅度等基礎(chǔ)信息，就能自動生成直播腳本、匹配虛擬場景、定制數(shù)字人形象，更是能推動商家在直播維度的平權(quán)。

對蘿卜快跑來講，評判其價值的核心依據(jù)，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(yīng)尋車、自動開關(guān)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(chǎn)業(yè)側(cè)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(biāo)。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(yīng)”，是要打造數(shù)百萬級“超級有”的應(yīng)，就與之呼應(yīng)。

WAIC 2025上，百度展臺Show出了秒噠、快碼、庫、盤等AI應(yīng)，就體現(xiàn)出了鮮明的“有用至上”導(dǎo)向。如秒噠，就在用“句話做應(yīng)+多智能體協(xié)作+多具調(diào)”的技術(shù)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(shù)字人跟蘿卜快跑，更是百度將AI從炫技手段變成生產(chǎn)力工具與普惠方式的典型注腳：NOVA數(shù)字人提供“腳本-直播-復(fù)盤”全鏈路服務(wù)，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)�；�落地，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(yīng)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(shù)百萬個“超級有用”的應(yīng)用矩陣，將大模型技術(shù)真正轉(zhuǎn)化為生產(chǎn)力。

可以看到，從搜索、網(wǎng)盤、文庫等存量業(yè)務(wù)的AI重構(gòu)，到蘿卜快跑、NOVA數(shù)字人等增量賽道的積極開拓，百度都在將“超級有用”烙進(jìn)AI應(yīng)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(yīng)用，讓模型使用成本更低、底座端到端性能更強(qiáng)。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(qū)動產(chǎn)業(yè)革命的引擎。

隨著AI競爭進(jìn)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(shù)轉(zhuǎn)化為真切可感的價值，誰就能走得更遠(yuǎn)。

       原文標(biāo)題 : “數(shù)字人超真人”：百度不是池中物，AI應(yīng)用見功夫