「數字人超真人」：百度不是池中物，AI應用見功夫

AI的價值錨點是「超級有用」。

文 | 佘宗明

「在25年內，每個人都可以以自己為模板創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。

端倪早已顯現：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」二字正愈發具象化：7月26日，在2025年世界??智能?會（WAIC 2025）上，作為業界?個AI全棧式數字?直播解決?案的百度慧播星又發布了新一代數字?技術NOVA，該技術曾支撐羅永浩數字人直播間創下5500萬GMV，預計將于10月向全行業開放。

到那時，普通用戶也可獲得媲美頭部主播的專業帶貨能力，這標志著，超頭主播能力復刻進入規模化量產時代。

想讓數字人直播時隨性秀花活，跟網友靈活玩梗？沒問題。想讓他舉杯時手腕微顫，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創新成果展，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閉環，托起了百度在AI能力值上的六邊形戰士形象，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。看著數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，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？

但要讓數字人體現出活人感、避免假人感，并非易事。它涉及跨模態融合和協同、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同的能力。利用劇本驅動的數字人多模協同、融合多模規劃與深度思考的劇本生成、動態決策的實時交互、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新技術，它實現了數字人「神、形、音、容、話」的全模態高度統一。

數字人表情呆板？NOVA數字人技術支持多模協同，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「這款手機續航怎樣」時，他會迅速完成調用產品數據庫提取續航參數、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起抽獎，助播數字人補充產品細節，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?模型能?（語?、視覺、語?深度融合）的展示——NOVA數字人具備的多模協同、?表現?、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，統籌文本、語音、視覺等各個「演員」配合，協力完成以「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同，知識專家管理產品數據庫，最終由中樞系統整合輸出。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今年上半年發布的行業首份電商直播數字人報告顯示，百度慧播星綜合實?排名?業第?，五項測評指標中，它在技術能?、產品表現、平臺合規與穩定性、客戶服務四項上均居首位。接下來，NOVA可以繼續強化其既有優勢。

NOVA數字人技術可同時驅動「語言腦」「運動腦」「邏輯腦」高效協作，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訓練能力，NOVA數字人也就沒法實現神、形、音、容、話同步；如果沒有百度打造的「全息聲場系統」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、視覺三個模態不是串行等待，而是并行工作）和「離在線統一」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生成），讓體驗變得絲滑。

羅永浩數字人首播創下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數字人展現了百度AI在數字空間的「柔性滲透」，那蘿卜快跑就體現了它在物理世界的「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規模化落地：深耕無人駕駛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，就實現了技術安全性與適應性的大幅提升：3D環境模型，能幫著車輛在雨天、夜間精準避障；雙計算中樞，能憑著「雙腦協同」讓車輛0.01秒內完成異常接管；多模態融合技術，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「算力-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性方案。

?直以來，百度的AI戰略都是「?向應?發展」。百度創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：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、實時場控等環節耗時耗力。

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、醫生、法律等幾十個行業。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的腳本生成系統可實現「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」的專業分析；當NOVA的AI大腦可通過實時監測彈幕關鍵詞、商品點擊量、停留時長等數據動態調整直播策略，發現用戶關注價格就主動發起「扣1了解專屬優惠」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、?盤等一系列AI應?，就體現出了鮮明的「有用至上」導向。如秒噠，就在用「?句話做應?+多智能體協作+多?具調?」的技術組合，帶來「3分鐘?成+1?時迭代」的極致開發體驗，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24小時不間斷帶貨，蘿卜快跑將把L4級自動駕駛規模化落地，都是百度將AI全棧式能力用于反哺現實場景的投射。

這反映了百度在AI上的鮮明價值主張：執著于「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???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」。誰能更多地把AI技術轉化為真切可感的價值，誰就能走得更遠。

?作者 | 佘宗明

?運營 | 李玩

轉載須經許可

廣告合作請聯系微信號：rabgogo88

或手機號：18810070968

敬請關注