实盘杠杆平台
文 / 纪德
编辑 / 子夜
AI 什么时候能真正"干活"？今年的世界人工智能大会（WAIC），给出了最直观的答案。
大会现场，60 台人形机器人第一次以"志愿者"的身份上岗，在展馆里跑导览、答问询。而在去年，它们还只是在展台上奔跑、跳舞和打拳。
在数字人领域，变化同样正在发生。虎牙发布的 VAM 1.0 实时多模态数字人，用一张照片，就能驱动一个 7 × 24 小时实时直播互动、唱歌跳舞、游戏陪玩与赛事解说的数字人。
而科大讯飞、商汤、Soul 等展台上的数字人产品也集体换代，更多数字人走向各自的"岗位"了。
机器人在展馆当志愿者，数字人在直播间当主播。背后是整个行业的转向：AI 的竞争，正在从拼模型能力，变成拼工程化落地。
模型差距在收窄，工程差距在拉开
这届 WAIC 传递出一个共识：拿到 AI 时代门票的真正门槛，不在模型，而在把模型能力转化为生产力的工程化能力，以及基于场景的交付能力。
大会上腾讯副总裁林松涛说得直接，"当前模型能力的差距在收窄，但工程化的差距在拉开。"他认为，真实场景是 AI 价值的第一现场，终端是 AI 普及的最后一公里。
商汤 CEO 徐立说的也是同一个意思："未来的核心计费维度应当是任务完成的价格"—— AI 的衡量单位，要从 Token 转向 Task，从卖算力转向卖结果。
无论工程化还是"卖结果"，最终都要落到场景上。而场景恰恰是不能速成的。这届大会上跑在前面的产品，几乎都是从自家场景里长出来的。
虎牙的 VAM 1.0 背后是十几年的直播间，弹幕、连麦、打赏构成的交互现场，倒逼出了技术；科大讯飞的 AI 主播"小百惠"从媒体播报场景里长出来，今年已能与真人主持同台对话；京东的言犀数字人，则背靠多年的电商供应链。
但把模型用进真实场景的每一步，都要靠工程磨出来。
例如虎牙给 VAM 设计了三段式训练：先让它稳，故意喂入模糊、抖动的劣化画面；再让它真，用偏好优化算法在唇形、表情、动作之间做平衡；最后让它快，把生成步骤从 20 步压到 4 步，并自己给自己批改作业，减少误差。
挂牌配资入口百度一镜则靠编剧、导演、剪辑三个 AI 智能体和 80 多个技能组件，把一条播客、带货视频的生产做成流水线。
大模型时代，手里只有技术的公司，是"拿着技术找场景"；有高频交互场景的公司，则是"在场景里长技术"。这届 WAIC 给出的信号是，下半场或许属于后者。
稳、真、活，
数字人躲不开的三道工程题
所谓"工程化"，并非简单的 API 调用，而是将模型能力与企业复杂的业务流程、私域数据、安全合规要求以及现有的 IT 架构进行深度融合。它要求技术团队不仅要懂算法，更要懂业务，能够将抽象的模型能力转化为具体的、可执行的、可量化的生产工具。这正是虎牙所强调的"真正将模型能力转化为企业生产力，放大模型效能的技术核心"。
以直播为例，AI 生成长时间视频会累积误差，跑久了五官偏移、动作撕裂。一个随时会"脸崩"的主播，品牌方不敢用，观众留不住。
虎牙基于 DiT 架构的 VAM 1.0 先解开的就是这道题。它生成的数字人在可以在 24 小时的实时直播中，不崩、不走样，还能在直播间长时间进行唱歌、跳舞，换装也不会黑屏。通过 DPO 偏好优化算法做到了高质量的唇形同步，声音各有辨识度，听声就能认"人"；生成的也不是一个漂浮的头，而是会拂头发、带手势、丢硬币的完整身体。
"拟人"之外，还得会互动。在短视频赛道，百度一镜正试图让数字人在访谈类节目里像人类一样自然插话，与嘉宾进行深度对谈。在社交赛道，Soul 重点展示了基于自研交互大模型 SoulX 打造的实时数字人方案，可实现自然对话、表情动作同步生成，覆盖 AI 直播、内容创作等场景。
图源 Soul 微信公众号
元股证券:ygzq.hk而在虎牙的直播间里，数字人的强互动，会让娱乐性更高。用户说话时数字人会点头，被夸奖时会露出愉快的表情。当每秒几十条弹幕、语音同时涌入时，VAM 1.0 创造的数字人能像真人主播一样决定先接哪句——这是全双工实时对话能力。
稳、真、活，构成了数字人行业的"不可能三角"：要么稳而假，要么真而慢，大多数方案只能顾住一样，这是行业的真实状态。但虎牙、百度、Soul 等平台拿出来的方案，至少证明这张"不可能"的考卷，是有解的。
以工程化为基，让 AI 成为普惠生产力
数字人上岗之后，会发生什么？
对企业内部而言，是成本结构的重写。
以直播为例，其本质上是"人力生意"。新增一个直播间、一段直播时长，就要对应新增一位主播和一整套配套班组，长时段运营意味着高追加成本。数字人改写的，正是这个等式。
这笔账还会算到虎牙的主业上。虎牙正在打造一个成规模、7 × 24 小时运转的数字人直播间网络。矩阵聚起流量，流量再喂给游戏发行，发行业务的地基会越垫越大。
但企业内部的账算通了，需求侧的门槛还剩下最关键的一个：账要算得平。
降本的曲线已经跑了几年：这两年，模板化的 2D 数字人进一步下探到几百元档。现在，交互型数字人也开始跟上，按虎牙公布的路线图，VAM 1.2 版本的推理成本将再降 50% 以上。
虎牙 CEO 黄俊洪表示，"直播平台的内容供给会从线性走向指数，内容的边际成本随规模持续下降，成本结构随之改善，利润空间自然打开"。
对数字人行业来说，这不是存量生意的改善，而是增量空间的打开。过去只有大品牌用得起的超写实数字人，正在沉向中小商家的直播间；文旅、陪伴等那些"想要但算不过账"的长尾需求，也会一批批被激活。可以看见，数字人的下半场，将是由工程落地能力带来的 AI 普惠生产力的释放。谁的数字人更稳、更真、更活，谁的账算得更平，谁就能多拿下一个岗位。
这场大考没有终点，但答卷已经开始计分。
正配网提示：本文来自互联网，不代表本网站观点。
