中科深智CEO成维忠：撞上生成式AI风口 千亿市场数字人如何加持电商、元宇宙
点开橙色软件选购，你大概率会遇到虚拟导购在直播间讲解商品；打开交友软件，你顶着自己装扮的Avatar形象寻觅有趣的灵魂；去线下医院问诊，戴着白色护士帽的虚拟人指导你找到诊室、完成挂号。如今，数字人已经“飞入寻常百姓家”，扮演生活中随处可见的服务角色。
随着应用场景扩展和用户需求增加，市场对数字人的需求正在快速增长。据预测，到2030年，全球数字人市场规模预计将达到5275.8亿美元，年均复合增长率为46.4%。
然而，目前虚拟数字人发展仍处于起步阶段，如何让数字人拥有自己的“智慧”，真正在电商、元宇宙等诸多应用领域变成更懂交互的虚拟角色？这就要从上周三中科深智发布的大模型说起了。
作为技术企业，他们如何看待数字人在电商、元宇宙出海等行业中所扮演的角色？一家专攻3D数字人的企业又为什么会做出国内首个可私有化部署的商用大模型？扬帆出海特别邀请中科深智创始人兼CEO成维忠，一起聊了聊数字人将如何改变出海行业的未来发展。
直播带货“水土不服” 虚拟主播“一人成团”？
在国内直播间，主播带货已经是每个品牌的标配，抖音直播带货的火热让更多企业期待出海做出一番成绩。但真正去往海外市场，直播带货的效果被打上了一个问号。
和3000家电商企业合作的中科深智也是电商出海赛道的观察者，近年来，他们真切地感受到了海外和国内的差异。
“对于海外直播市场一直“不温不火”的问题，大家也很难达成共识。”成维忠说，很多出海的公司实际上对海外市场了解不足，往往只是把国内的电商经验照搬到海外去。试错成本很大。”
在中科深智和更多出海企业合作并进行深度分析后，成维忠和他的公司也逐渐得出了一些新的观点：
首先，不同于国内市场，海外企业的官网渠道在整体销售金额占比很高。所以，海外品牌对官网上的电商直播和视频要求远远高于第三方平台。
其次，受地理、文化等因素的影响，在海外不同市场中，直播带货的经验不会在另一个地区适用。在北美，人们必须要和主播进行频繁互动，他们会不断向主播提出各种问题；于欧洲市场，观众偏好卡通化的虚拟直播角色，用公司吉祥物作为直播形象最佳；而东南亚地区则更认可具有当地风格的直播，用英语一定不如用当地语言的直播效果好。
此外，国外不存在像“李佳琦”般的头部主播，也不会出现粉丝为追随某个主播驻守直播间的情况，观看直播的用户不会非要在直播时间段完成购买，所以国外直播的转化率并不高，海外多数直播网站的流量也较为平均。
关于海外直播带货转化率低的问题，成维忠提到，据他们观察，在海外做直播转播非常重要。“在国外流量比较分散的情况下，每个号可能一天只能成交1-2单，但品牌可以做1000个号。”
面对7×24小时的转播需求，更多企业会考虑采用虚拟主播上阵。中科深智采用的是他们研发的自动播，它能够将买家的问题交给人工智能分析，虚拟人甚至能根据观众的问题决定回复方式：一般问题采用弹幕回复，比较有共性的问题由虚拟人进行口播，需要着重提醒的问题则用弹框强调回答。
图源：中科深智
除了自动播之外，在成维忠看来，当电商服务进一步深化后，虚拟人能够围绕直播场景解决更多衍生问题：直播间需要做宣传海报；用大模型“几秒钟”就能生成一张；真人助播完全可以被“虚拟助播”代替，及时回答观众问题；每个直播团队都会配备的数据分析人员，他们的工作也可以交给大模型处理。
“现在的直播间都是一个团队在作战，但在将来一年时间里，可能团队中的大多数人都会被替代。”成维忠说。
中科深智的直播带货AI数字人展示
VR设施即将成熟 如何提升元宇宙体验
除了电商行业，元宇宙同样是虚拟人出现频率较高的应用场景之一。从2021年至今，出海领域陆陆续续涌现一批元宇宙产品，但它们中的绝大部分均未得到市场的青睐。
对此，成维忠认为，这是因为多数企业把重心放在数值、玩法和美术方面，却忽视了游戏NPC是否“聪明”、游戏动作能否优化的问题。此外，元宇宙行业还未出现成熟商业模式，商业变现机会较少。
但元宇宙行业的发展没有我们想象的那么悲观，成维忠自认是个乐观的人，对即将到来的苹果VR眼镜发布，他同样保持期待。他认为，VR设备取得的重大突破或将推进元宇宙行业发生“质变”。
“我的判断是，今年除了ChatGPT浪潮以外，最值得我们关注的就是苹果VR眼镜。”成维忠说。
2007年，iPhone问世，但手机电池很快就会没电、屏幕也有问题，但在3年后，这些问题全部都被解决了。iPhone 4的火热销售让整个行业形成了正向循环，让更多硬件公司加入其中，跟着苹果、安卓一起寻找解决更多问题的方法。
在成维忠眼中，元宇宙行业同样如此。“之前，全世界做头盔最好的是Oculus，但它没有解决VR/AR的便携问题。但苹果眼镜的宣传包括‘一键切换’，在外是AR，回家变成VR，这很重要。”成维忠说，“作为C端工具，它一定在任何地方都可以使用。而且，苹果这次还要公布操作系统，这说明它可能预备打造开发者生态。”
据传，苹果眼镜的出货量是150万台。大家可能觉得很少，但初代iPhone的出货量其实就是100万台。所以只要这150万台卖成了，苹果就成功了，它会带领开发者们走上良性循环的路。
而在现有成功产品身上，或许也能窥见成功的缩影。“以Roblox为例，它本身是一款轻社交游戏，采用轻数值玩法，但它的DAU很高、用户也很活跃。从今年1季度数据来看，Roblox收入已超6.5亿美金。”成维忠表示，美国产品把体验的打磨和创新看得很重，但类似这样的尝试在全球范围内非常少见。
谈及提升元宇宙虚拟人体验方面的优势，成维忠笑言，“这是‘有和无’的关系。比如企业需要智慧大脑和大模型，可能只有中科深智可以提供这项服务；其他企业用的是循环播放的动作库，但我们可以自动生成对应的动作和表情。”
以动作生成为例，成维忠提到，在动画公司里，动作和表情处理的投入的时间精力和成本会占到整个动画片的70%。而基于中科深智此前积累的跨多模态深度学习算法——CLAP算法，通过持续的不同模态数据的关联和交叉训练，可以让虚拟人拥有基于语音语义实时生成动作和表情的能力。
图源：中科深智
20亿 VS 1000亿 大模型赋予数字人“智慧大脑”
如果说动作自动生成赋予虚拟人活跃的能力，那么大模型就是让角色智能化的关键。
上周三，中科深智正式发布其自研“大模型”数智姜尚，并现场展示了自研200亿和20亿两种参数的大模型。作为一家“专注端到端生成式AI虚拟人”技术的公司，为什么会选择加入这场众多大厂参与的大模型研发战？
“国内很多做大模型的企业需求来自于资本市场的考虑，但中科深智做大模型确实是需求驱动。”成维忠解释道，他把大模型市场按照两个方向划分，一类是极少量的公司，比如谷歌、Meta、Open AI等，它们的使命是解决AGI（通用人工智能）的问题。第二类就是中科深智这样的公司，目标是将大模型赋能和行业场景做结合，这就要求大模型必须具备“差异化优势”，比如帮助合作方完成定制、私有化部署的需求。
开发大模型之前，中科深智使用NLP（自然语言处理）做语言识别工作，但这种技术在语言解析和应答方面的局限性很大。成维忠表示，很多企业提出希望进一步提升数字人的真实性，同时不再采用中之人（操纵虚拟人物直播的真人），但这些需求在当时均无法完成。
大模型问世后，问题迎刃而解。
成维忠表示，从大语言模型到照片的自动建模，再到动作和表情的生成，全链路、端到端解决方案，中科深智是国内唯一一家能提供这种能力的企业。如今，虚拟人的交互能力、解析和处理问题能力已不可同日而语，而这些能力将会在电商、医疗、元宇宙等行业中派上更大用场。
成维忠举了个例子，“过去，直播间需要用第三方工具抓取所有弹幕，再通过人工分析得出结论。而现在虚拟人在直播间工作的时候，完全可以监控整个直播间的氛围，并在直播结束后对正面和负面信息情况做出分析。”
但在众多动辄千亿参数的大模型中，中科深智发布的两个参数分别为200亿和20亿的模型似乎有些缺乏说服力。为了解答这个困惑，中科深智也在发布会当天现场对比了20亿模型和ChatGPT及其他知名大厂的大模型，验证参数量缩小后的效果。根据现场测试来看，实际操作足以满足企业需求，且它的速度会更快。
关于采用20亿参数的选择，成维忠告诉扬帆出海，参数过高的大模型对企业算力要求较高，难以实现私有化部署。而数智姜尚大模型完成了国内商用大模型的首次私有化部署，企业甚至只需要一块NVIDIA GeForce RTX 3090显卡即可运行。
从大模型的本身架构和训练方法上来说，中科深智的大模型和其他大模型并没有区别，只是在部分方向有所侧重。“在训练模型的数据来源上，数智姜尚大模型采用了更多中文数据集，也加入了更多医疗、电商相关行业的数据，这些数据均来源于中科深智的客户。”成维忠解释道。
“大语言模型解决了很多过去很难做到的事，在未来，我们会继续升级基于语音、语义方面的全部服务。”成维忠说。