獨(dú)家 | 對(duì)話(huà)百度副總裁平曉黎：深度復(fù)盤(pán)數(shù)字人業(yè)務(wù)邏輯

出品｜虎嗅科技組

作者｜苗正卿

題圖｜視覺(jué)中國(guó)

數(shù)字人正在被百度內(nèi)部視為帶來(lái)增長(zhǎng)的“關(guān)鍵武器”。

虎嗅獨(dú)家獲悉，百度內(nèi)部預(yù)計(jì)將在2025年下半年加大對(duì)數(shù)字人項(xiàng)目的投入。內(nèi)部針對(duì)數(shù)字人的評(píng)估與考核維度，主要以客戶(hù)量（使用數(shù)字人產(chǎn)品的B端用戶(hù)），用戶(hù)量（觀看百度數(shù)字人相關(guān)直播、短視頻等內(nèi)容的C端用戶(hù)），以及由數(shù)字人帶來(lái)的廣告營(yíng)銷(xiāo)收入三個(gè)方面為主。

目前，百度的數(shù)字人項(xiàng)目隸屬于百度電商業(yè)務(wù)（百度優(yōu)選），由百度副總裁、百度電商總經(jīng)理平曉黎為一號(hào)位。

另?yè)?jù)虎嗅獨(dú)家掌握的信息，百度電商在2023年成為一級(jí)事業(yè)部后，目前保持了持續(xù)盈利，而數(shù)字人是其最重要的收入和利潤(rùn)增長(zhǎng)引擎之一，貢獻(xiàn)了收入增長(zhǎng)的大頭。

百度副總裁、百度電商總經(jīng)理平曉黎

今年618期間，百度電商推出了羅永浩“數(shù)字人”，被內(nèi)部視為2025年的關(guān)鍵動(dòng)作。而此前，百度創(chuàng)始人李彥宏也曾親自體驗(yàn)過(guò)百度數(shù)字人相關(guān)技術(shù)，并對(duì)業(yè)務(wù)線(xiàn)表達(dá)了信心，他在今年4月百度Create大會(huì)上表示：“2025年最令人激動(dòng)的突破性應(yīng)用之一，就是AI數(shù)字人”。

在今年WAIC上，百度正式發(fā)布了新一代數(shù)字人技術(shù)Nova，讓數(shù)字人進(jìn)化成為一個(gè)多模協(xié)同且具備思考決策能力的AI應(yīng)用。

近期，虎嗅就百度數(shù)字人業(yè)務(wù)發(fā)展的脈絡(luò)、內(nèi)部對(duì)于數(shù)字人趨勢(shì)的判斷、與其他大廠的區(qū)別等問(wèn)題，和平曉黎進(jìn)行了深入溝通，下附溝通實(shí)錄（經(jīng)刪減編輯）：

虎嗅：百度整個(gè)數(shù)字人業(yè)務(wù)，是什么時(shí)候決定開(kāi)始做的？你們內(nèi)部怎么看待這幾年數(shù)字人的發(fā)展脈絡(luò)？

平曉黎：最早是2022年底，當(dāng)時(shí)大模型還沒(méi)有出來(lái)。當(dāng)時(shí)集團(tuán)成立了電商事業(yè)部，讓我來(lái)負(fù)責(zé)。我此前負(fù)責(zé)百度APP，主要負(fù)責(zé)信息流產(chǎn)品，當(dāng)時(shí)還管百家號(hào)、管新聞?lì)悆?nèi)容生態(tài)創(chuàng)作。做這些內(nèi)容向的業(yè)務(wù)時(shí)，我接觸了很多創(chuàng)作者，當(dāng)時(shí)我就想，有沒(méi)有什么AI技術(shù)可以幫這些創(chuàng)作者做更好的內(nèi)容。數(shù)字人技術(shù)，其實(shí)是這個(gè)時(shí)候關(guān)注到的。我當(dāng)時(shí)看短視頻里面一些醫(yī)生、律師的節(jié)目，就在想用數(shù)字人替代這些真人可能是一種很不錯(cuò)的方式。因?yàn)樗麄兤綍r(shí)太忙了，不一定有足夠多時(shí)間來(lái)做視頻和直播。

2022年底，公司成立了電商事業(yè)部，讓我來(lái)負(fù)責(zé)。當(dāng)時(shí)電商行業(yè)里，直播電商已經(jīng)非?；鸨?。我當(dāng)時(shí)就思考，數(shù)字人技術(shù)能不能來(lái)幫助直播。于是我讓團(tuán)隊(duì)做了幾個(gè)試水。但礙于當(dāng)時(shí)做出來(lái)的“數(shù)字人”更像是僵硬的紙片人，效果確實(shí)不太行，它只是具備了一個(gè)初級(jí)的人形樣子和TTS能力。

第一個(gè)轉(zhuǎn)機(jī)是2023年初，ChatGPT發(fā)布了，很快百度自己的文心大模型也發(fā)布了。我很快找到我們的模型團(tuán)隊(duì)，請(qǐng)他們協(xié)助一起做數(shù)字人，希望大模型團(tuán)隊(duì)幫我們解決三個(gè)主要的問(wèn)題：第一是之前數(shù)字人都是人工寫(xiě)腳本，現(xiàn)在希望靠大模型去生成腳本；第二是希望實(shí)現(xiàn)實(shí)時(shí)互動(dòng)，數(shù)字人能和用戶(hù)去真實(shí)的互動(dòng)；第三是升級(jí)數(shù)字人的視覺(jué)和語(yǔ)音表現(xiàn)力。

我把2023年起基于大模型完成關(guān)鍵進(jìn)化的數(shù)字人歸類(lèi)為2.0階段，我們叫超擬真數(shù)字人。當(dāng)然它是一個(gè)持續(xù)進(jìn)化過(guò)程，2023年到2024年，我們都在不斷完善：除了語(yǔ)言能力、互動(dòng)能力、擬真聲音這些技術(shù)要素，也包括了成本的控制與降低。2024年，我們基于超擬真數(shù)字人發(fā)布了一鍵克隆的功能，通過(guò)一個(gè)5~10分鐘的視頻片段，就能生成一個(gè)超擬真數(shù)字人直播間。

從2024年下半年到今年，我們?cè)谶M(jìn)入一個(gè)新的階段，Robin定義其為“高說(shuō)服力數(shù)字人”，這是數(shù)字人的3.0階段。這個(gè)版本的關(guān)鍵點(diǎn)在于數(shù)字人的智能化能力，它已經(jīng)是一個(gè)具備思考決策能力的超級(jí)智能體了。它的聲音、動(dòng)作、形象、語(yǔ)言可以實(shí)現(xiàn)如真人的協(xié)同一致性，目前市面上絕大部分的數(shù)字人，都沒(méi)有完美做到，神形音容的匹配我們認(rèn)為也是第三個(gè)階段的另外的核心特征之一，它已經(jīng)非常像真人了。

你看到的我們618羅永浩數(shù)字人，其實(shí)就屬于“高說(shuō)服力數(shù)字人”范疇。它本身有帶貨能力、有自己的決策和思考鏈，而且從效果上，它的單場(chǎng)帶貨水平并不低于真人。

這里面關(guān)鍵的地方，就是感知決策，數(shù)字人可以通過(guò)感知到屏幕前用戶(hù)的反饋、信息，去實(shí)時(shí)決策、實(shí)時(shí)互動(dòng)。我們這個(gè)羅永浩數(shù)字人推出后，很多人都覺(jué)得驚訝，覺(jué)得太逼真了。

但我覺(jué)得，這還不是技術(shù)和產(chǎn)品的終點(diǎn)。我們內(nèi)部認(rèn)為，數(shù)字人的技術(shù)能力還會(huì)進(jìn)一步抬升，尤其是多模態(tài)大模型技術(shù)的發(fā)展，會(huì)繼續(xù)推動(dòng)數(shù)字人進(jìn)化。下一代，可能是超越真人的數(shù)字人。

虎嗅：我還是想再追問(wèn)一個(gè)回溯問(wèn)題，你接手百度電商后，當(dāng)時(shí)為什么會(huì)把數(shù)字人當(dāng)做一個(gè)關(guān)鍵方向？

平曉黎：第一個(gè)因素是2022年底，百度決定建立電商BU時(shí)，公司是思考過(guò)自己到底有什么差異化優(yōu)勢(shì)，尤其是百度面臨一個(gè)現(xiàn)狀“沒(méi)有特別多的直播生態(tài)”的前提下，我們的優(yōu)勢(shì)到底在哪？我們思考后認(rèn)為，技術(shù)肯定是一個(gè)壁壘，因此當(dāng)時(shí)就有一個(gè)明確的站位，要做“智能電商”。

這里有兩個(gè)切入角度，其一是希望通過(guò)AI幫助用戶(hù)更好的獲得購(gòu)物體驗(yàn)；其二是希望通過(guò)AI幫助商家降本增效，吸引商家用更低成本做更大量直播，從而豐富我們生態(tài)的供給。我們想做自己的電商閉環(huán)，讓更多商家包括大量的中小商家，進(jìn)入我們的生態(tài)。

第二個(gè)因素是，2023年年初，我在好幾個(gè)產(chǎn)業(yè)帶去拜訪(fǎng)商家，我去看他們的直播間發(fā)現(xiàn)，這些商家的直播成本非常高，相比于傳統(tǒng)貨架電商，這些商家的運(yùn)營(yíng)成本增加了很多。這些交流和探訪(fǎng)，讓我很確信，用AI技術(shù)做低成本批量化是可以滿(mǎn)足市場(chǎng)剛需的。

虎嗅：你剛才提及2023年初大模型給你的數(shù)字人產(chǎn)品帶來(lái)了質(zhì)變，當(dāng)時(shí)你是怎么說(shuō)服集團(tuán)投入這些技術(shù)資源給你的？

平曉黎：我覺(jué)得這是百度一個(gè)特點(diǎn)，百度在做產(chǎn)品的時(shí)候是業(yè)務(wù)驅(qū)動(dòng)。我們團(tuán)隊(duì)當(dāng)時(shí)先拿出來(lái)整個(gè)思路，包括產(chǎn)品、運(yùn)營(yíng)、客戶(hù)等等細(xì)節(jié)都想處理了，然后我去和集團(tuán)匯報(bào)了想法，希望可以通過(guò)大模型技術(shù)推動(dòng)數(shù)字人進(jìn)化，從而帶動(dòng)電商直播業(yè)務(wù)。在討論清楚市場(chǎng)需求和業(yè)務(wù)戰(zhàn)略后，集團(tuán)同意了，而且以“高優(yōu)”模式支持了數(shù)字人項(xiàng)目。然后我們就跟集團(tuán)的大模型技術(shù)團(tuán)隊(duì)形成了一個(gè)協(xié)同模式。

虎嗅：其實(shí)有一些大廠在做數(shù)字人類(lèi)產(chǎn)品時(shí)，是技術(shù)團(tuán)隊(duì)牽頭業(yè)務(wù)協(xié)同，你們好像是反過(guò)來(lái)的？

平曉黎：我覺(jué)得業(yè)務(wù)牽引非常重要，產(chǎn)品終究是服務(wù)于市場(chǎng)、服務(wù)于用戶(hù)的，一定要從市場(chǎng)需求出發(fā)、從用戶(hù)痛點(diǎn)出發(fā)。純粹技術(shù)去牽引，他們可能會(huì)追求高精尖的技術(shù)，但高精尖的技術(shù)有時(shí)候不一定能解決真實(shí)業(yè)務(wù)場(chǎng)景的問(wèn)題。

我團(tuán)隊(duì)內(nèi)，業(yè)務(wù)運(yùn)營(yíng)、產(chǎn)品經(jīng)理會(huì)成為整個(gè)數(shù)字人產(chǎn)品技術(shù)發(fā)展的牽引力，當(dāng)然我會(huì)要求他們?nèi)ブ兰夹g(shù)的能力和邊界在哪。業(yè)務(wù)和產(chǎn)品經(jīng)理最大的價(jià)值是對(duì)于需求場(chǎng)景有深刻的理解，并基于這些理解去給出優(yōu)化方向。

舉個(gè)例子。之前我們和技術(shù)溝通，技術(shù)給出的技術(shù)方案是，要讓商家到“綠幕”里錄制，然后基于這個(gè)錄制樣片，去生成新的克隆體。技術(shù)覺(jué)得，這樣錄出來(lái)的底板最好用。但這顯然不是真實(shí)的業(yè)務(wù)場(chǎng)景。哪個(gè)商家會(huì)去給你找個(gè)綠幕錄制呢？這個(gè)門(mén)檻高到?jīng)]有人會(huì)用。于是我們的PM明確告訴技術(shù)，就是希望通過(guò)已經(jīng)播出過(guò)的直播畫(huà)面或者已有的畫(huà)面去生成?？梢暂斎胍欢?~10分鐘的“底板視頻”（直播回放），剩下的需要技術(shù)去搞定。

再比如，當(dāng)時(shí)有技術(shù)反映說(shuō)，這些底板視頻中，不能出現(xiàn)手遮擋嘴的畫(huà)面。這顯然也不現(xiàn)實(shí)，不能說(shuō)手遮擋了一點(diǎn)嘴，你就生成不出視頻了。為什么我們堅(jiān)持PM主導(dǎo)，就是為了站在商家和用戶(hù)視角去引導(dǎo)技術(shù)解決問(wèn)題。

虎嗅：你們內(nèi)部，業(yè)務(wù)說(shuō)服技術(shù)是一件很輕松的事情？

平曉黎：倒也不是那么容易，但整體氛圍是好的。CEO希望大家開(kāi)放共創(chuàng)，從我們實(shí)操角度，我覺(jué)得“講道理”是非常重要的，拿真實(shí)用戶(hù)場(chǎng)景事實(shí)或數(shù)據(jù)來(lái)說(shuō)話(huà)，然后充分討論、達(dá)成共識(shí)。

比如這次羅永浩數(shù)字人直播的技術(shù)。這是我們3.0階段的技術(shù)，在研發(fā)這代數(shù)字人技術(shù)時(shí)，PM會(huì)先給出頂層設(shè)計(jì)框架，比如希望數(shù)字人語(yǔ)音和動(dòng)作匹配、有AI大腦可以根據(jù)直播間實(shí)時(shí)信號(hào)決策、可以調(diào)度多智能體協(xié)同執(zhí)行任務(wù)等等。

比如我們希望這代數(shù)字人可以實(shí)現(xiàn)“神形音容一致”。技術(shù)看到我們這個(gè)框架后，最初說(shuō)需要主播錄制一個(gè)時(shí)長(zhǎng)1小時(shí)、涵蓋各種動(dòng)作表情的視頻，作為輸入然后再根據(jù)新的劇本要求去生成。我們就告訴技術(shù)，這在實(shí)操上是不現(xiàn)實(shí)的，必須拋棄“傳統(tǒng)綠幕錄制”的思路。

我們講了一個(gè)很簡(jiǎn)單的道理。綠幕錄制出的底板視頻，和真實(shí)的直播回放，其實(shí)是很不一樣的。真實(shí)直播，主播充滿(mǎn)激情、狀態(tài)特別好。在綠幕里錄制出來(lái)的，主播是完全沒(méi)有這樣的精氣神的。作為底板輸入，對(duì)主播的表現(xiàn)力也是有要求的，而只有真實(shí)環(huán)境下主播的表現(xiàn)力最好，作為下一步生成的輸入效果會(huì)更好，我們也據(jù)此做了AB數(shù)據(jù)驗(yàn)證，證明了這個(gè)判斷。

當(dāng)然，我覺(jué)得這里面還有一個(gè)關(guān)鍵點(diǎn)，就是業(yè)務(wù)不能拍腦袋提要求，你必須要理解技術(shù)的能力和邊界。但這可能需要一些小技巧，比如業(yè)務(wù)有時(shí)候要“逼”一下技術(shù)，才能真正了解到當(dāng)下技術(shù)的邊界在哪。以及有的地方，并非靠技術(shù)而是要靠業(yè)務(wù)本身的運(yùn)營(yíng)能力和交付能力去彌補(bǔ)提高的。

虎嗅：能感覺(jué)出來(lái)，PM其實(shí)是你團(tuán)隊(duì)里很重要的一撥人，你大概有多少PM參與到數(shù)字人里？

平曉黎：大約幾十個(gè)。這里面有一些核心是從2023年一路參與數(shù)字人項(xiàng)目成長(zhǎng)起來(lái)的。

虎嗅：你們是怎么設(shè)定自己的目標(biāo)的？百度內(nèi)部是如何去評(píng)估數(shù)字人這個(gè)項(xiàng)目，它的評(píng)估維度是什么？

平曉黎：首先肯定是用戶(hù)量維度的，我們現(xiàn)在也不僅僅把數(shù)字人用到電商業(yè)務(wù)里，包括一些數(shù)字分身業(yè)務(wù)，數(shù)字人也在做。公司對(duì)數(shù)字人的期望，也是希望它能成為一個(gè)非常有影響力的AI應(yīng)用，去服務(wù)全行業(yè)。

另外一個(gè)是收入相關(guān)的。數(shù)字人非常有力地推動(dòng)了在線(xiàn)營(yíng)銷(xiāo)廣告收入的增長(zhǎng)。它現(xiàn)在起到的作用很明顯，公司對(duì)它的預(yù)期還是挺高的。

虎嗅：數(shù)字人這個(gè)項(xiàng)目的成本，是你團(tuán)隊(duì)自己承擔(dān)還是？

平曉黎：對(duì)，它納入到電商業(yè)務(wù)事業(yè)部里面，電商業(yè)務(wù)事業(yè)部的收入、利潤(rùn)都有明確的要求。我們數(shù)字人做訓(xùn)練的卡、成本都是我們自己承擔(dān)的。我作為這個(gè)BU負(fù)責(zé)人，也會(huì)去跟公司財(cái)務(wù)對(duì)每個(gè)季度、年度的目標(biāo)。BU是一直持續(xù)盈利的，可以覆蓋數(shù)字人的基本成本。

2024年Q3開(kāi)始，數(shù)字人的收入增長(zhǎng)就非?？炝?，當(dāng)時(shí)我們發(fā)布低成本克隆這個(gè)功能，它的規(guī)模就起來(lái)了。這里面教育類(lèi)、大健康類(lèi)、水果生鮮類(lèi)客戶(hù)都明顯增多。今年我們拓展到了汽車(chē)、醫(yī)生、律師這些場(chǎng)景。

虎嗅：那下半年，你們關(guān)于數(shù)字人會(huì)有什么新的目標(biāo)或者考核維度嗎？

平曉黎：主要還是用戶(hù)量，這里面還有開(kāi)播量，就是數(shù)字人商家的開(kāi)播量；以及收入。我們還會(huì)增加一些用戶(hù)指標(biāo)，比如說(shuō)看播量等。

市場(chǎng)熱度起來(lái)后，我們今年重點(diǎn)肯定是要把新一代數(shù)字人技術(shù)Nova平臺(tái)化，并開(kāi)放給全行業(yè)。其實(shí)今年年初，CEO對(duì)數(shù)字人的發(fā)展就提出了新的要求，我們希望讓盡可能多的人用我們數(shù)字人的技術(shù)、產(chǎn)品。我們整體上的判斷是，在一些場(chǎng)景和賽道上，數(shù)字人是可能超越真人的。我們今年其實(shí)整體的方向都是基于這個(gè)年初的判斷和規(guī)劃。

如對(duì)本稿件有異議或投訴，請(qǐng)聯(lián)系tougao@huxiu.com

End