对话数字栩生宋震：ChatGPT加速了「数字人」迈向「西部世界」化

未来的数字人既要有好看的皮囊，又要有有趣的灵魂，就像美剧《西部世界》里的人一样，那就是人人幻想的世界。我们始终坚信未来数字人会朝着那个方向发展，而且现在速度会越来越快。

作者：王立新

出品：碳链价值（ID：cc-value）

2021年，宋震和合伙人翁冬冬创立「数字栩生」。从高校辞职到公司成立，宋震表示很需要勇气，但数字人是要做一辈子的事情。

据公开资料，数字栩生团队主要来自北理工、中科院自动化所、北京电影学院未来影像高精尖中心等科研机构，集合了光学、图形学与计算机科学等各领域人才。公司成立之前，团队已经在高校探索高逼真数字人的采集与AI驱动技术近5年时间，并且参与了多个国家和省部级重点研发计划里的数字人课题，形成了具有完整自主知识产权的数字人解决方案体系，沉淀了丰富的技术实力。

宋震坚定看好数字人赛道。在他看来，数字人是未来人机交互的革命。

他此前预测，「人机交互革命」实现进程可能还需要好几年时间，但是ChatGPT的出现加速了这种进程，他也期望在这场革命中数字栩生扮演好「造人」的角色。

自今年春节开始，在数字栩生的AI小脑中台中，ChatGPT就已经能够帮助程序员写代码了，效率有了很大的提升。但另一方面，ChatGPT在情感交互、价值观取向甚至监管治理等方面还需要谨慎对待。

至于如何「造」出更好的人？宋震认为，未来的数字人既要有好看的皮囊，又要兼具有趣的灵魂，就像美剧《西部世界》里的人一样，我们始终坚信未来数字人会朝着那个方向发展，而且速度会越来越快。

以下为对话内容（略有删改）：

问：你们也在关注ChatGPT和大模型吗？

答：我们在去年就把国内大模型基本上测了一遍，像系统响应速度、回答准确率等都测了。目前，我们的数字人大模型主要使用的是清华大学黄明烈教授创立的「聆心智能」。至于ChatGPT，我们公司很多员工已经在用ChatGPT干活了，它是很好的生产力工具。

问：什么时候开始用ChatGPT的？

答：差不多在去年12月份。

问：那你们使用GPT提高生产力够早的。

答：对。我们跟大模型跟了很久。我们看中的不是大模型聊天能力，而是生产能力。下半年可能更多大模型能力体现在多模态上，就是看图、出图、看视频。

问：您觉得现在MidJourney的出图能力如何？

答：实时性差一点。我们主要做实时交互数字人，如果5 秒钟、10 秒钟才出结果，交互体验就很差。

问：您怎么看 ChatGPT ？

答：专业知识和编程能力比较强，但也有好多问题都是在一本正经的胡说八道。GPT回答开放问题时，会有一些可参考性的答案。但在回答特定问题时，答得不一定对。

我们更看重国内大模型，做语料二次训练这种方法。前段时间，我们做「挑战杯」，就是用创业语料让它重新训练一遍，所以它在回答创业问题时，回答得特别好。

问：你们会做大模型吗？

答：我们做小脑，做数字人的AI小脑。跟 NLP和知识图谱一样，大模型可能在能力上比传统 NLP 更强，我们会用大模型来做数字人交互部分。

问：在成立数字栩生前，你们已经在北理工做了很多年数字人。

答：是的。十三五时期很多国家级和省部级重点研发计划就跟数字人有关，这里面很多科研项目都是我们团队牵头做的。近期我们还参与了“十四五”国家重点研发计划《实时高逼真挛生数字人关键技术研发与应用示范》，该项目是数字人领域的首个国家级项目。

问：是什么契机让您从高校出来选择数字人赛道创业？

答：五六年前，我们发现痛点，虚拟世界里的人质量很差，传递不了、也表达不了任何的东西，就是个假人。我们围绕这些痛点，想着怎么在虚拟世界里做好一个能交互的高真实的数字人。

另外，我们坚定看好数字人方向。数字人是一个新兴的产业，尤其是随着人工智能和计算机图形学等技术的不断发展，数字人的应用场景将会越来越多，如游戏、影视、教育、医疗等领域，可以说数字人才是真正未来人机交互的革命性的东西。ChatGPT 也不是，它缺少人形界面，只是一个问答型聊天机器人。真正人和人之间交流，不需要文本。未来数字人如果能更好跟 AI 结合，可能人机交互方式不需要打字，你直接告诉它需要一段什么代码，它就能帮你写好，可能还有一个机器人在帮你检查一遍····就会越来越方便了。

机器更多被定义为生产力工具，而人不是生产力工具，人更看重感情交流。未来虚拟陪伴、虚拟伴侣、心理舒缓这些领域可能会大量用到数字人，但要求有更好的 AI 理解力，不只是具有知识，还要具有感情。

问：现在还不具备感情。

答：现在不具备。为什么我们更看重大模型的多模态交互能力，这个能力未来能发展出来感情。现在发展出来的都是逻辑能力、推理能力，没有感情能力。

问：未来ChatGPT如果附加一个语音功能或者数字人功能会怎么样。

答：要看 ChatGPT 未来能力发展的路线。GPT-4已经快把互联网 30 年的语料几乎收集干净了，再增长，去哪找语料？GPT-4 被大量应用以后，互联网上大量新语料都是 GPT自己产生的，那如果再用GPT自己产生的语料去训练自己，会是什么效果呢？

问：ChatGPT会自我进化吗？

答：春节有一篇论文说到大模型涌现性，就是大模型应该是在10至22次方，不光是Transformer模型就 GPT用的，其他模型也有这种发现，就是到10到22次方的数量级后，AI 能力就产生涌现性。涌现性是个挺玄学的事，再过2年 GPT收集到的语料都是它自己产生的，到那时会是什么样？现在训练GPT的语料是人类产生的，但未来它已经把互联网上语料收集完了，这时也许它就会见到自己天花板。

问：目前数字人最突出应用场景有哪些。

答：现在数字人背后的大模型更多是知识型和功能型。

问：功能型和知识型数字人应用场景是否足以支撑一个成熟的商业模式。

答：目前功能型数字人是可以的，它能取代很多人的工作，比如从讲解员到前台行政人员、法律顾问、教师以及导游等都能取代。

问：您觉得数字人成为主流趋势背后的底层逻辑是什么？

答：最基本逻辑就是以前知识储存在人脑里很珍贵，不管搜索引擎还是问答社区，不能做到知识廉价化。而现在GPT可以给我们做法律顾问，帮我们编程等等，让知识变得廉价了。其实不只是 GPT，包括现在很多AIGC工具，比如 Midjourney也会取代很多艺术家的工作。这时如果把知识装进数字人，那数字人就成为了一个非常有知识的员工，就会出现一种新的商业模式，通过数字人卖知识。

我举个例子，我们给某个博物馆一直在做POC（Proof of Concept，是业界流行的针对客户具体应用的验证性测试）。他们有个需求，希望有个数字讲解员能够针对不同的参观对象做不一样的讲解，比如既能给幼儿园小朋友讲，也能给古生物博士讲。

没有大模型之前，这是一个非常巨大的知识图谱，各种语料、各种层级，要分得很清楚。有大模型后就简单了，只需要把语料往大模型里一扔，再训一遍，就被轻而易举的解决了。去年我们还在帮他们设计知识图谱，但大模型出来之后整个技术路线就全变了。

问：未来数字人也往这个方向去发展吗？

答：我们前年对欧美和中日韩等亚洲地区的数字人产业做了分析。欧美数字人产业更偏「功能型」和「服务型」，比如我们对标的Soul Machines。中国数字人产业是在去年、前年发展起来的，基本以IP型数字人公司为主，比如Ayayi、柳叶熙等知名 IP。但这也不是中国特有的情况，日本和韩国也差不多，亚洲人更接受偶像文化。

但随着大模型的发展，市场也在发生转变，今年功能型数字人可能会爆发。下半年，大模型如果能朝着多模态能力发展，它有了视觉，有了嗅觉，有了听觉，那它比现在要厉害得多。现在大模型只有语义理解能力，只能理解文字。

问：如何定义一个好的数字人？

答：一个优质的数字人应该是既有好看的皮囊，也有有趣的灵魂。这样的数字人我们才愿意跟它交流，甚至爱上它都有可能。如果这两个特质能很好的结合起来，未来数字人就是一场大革命。

之前认为人机交互革命还需要一定的时间，至少5- 10 年，因为这是要随着 AI 发展而发展的。但今年 ChatGPT带火了AI ，资本、人才、关注度都有了，那可能会加快这个速度。

问：您觉得数字人与元宇宙之间是什么关系？

答：元宇宙是一个革命性技术，它把二维世界变成了三维世界，而数字人是未来元宇宙的重要组成部分。以前我们看到的各种内容，像电影、电视这些都是二维的，而元宇宙给人类打开了一个三维世界的版本。

问：你们在研发数字人过程当中会考虑人设问题吗？

答：会的，数字人应该是千人千面的，跟真人一样，每个人都有自己独特的个性。

问：如何体现出来？

答：两个方面，内在就是大脑那一层，跟GPT这种 AI 技术相关，目前 AI 就可以提供人设设置。外在跟外表相关，像我们的光场采集系统等4D设备，就是为了 1: 1把个人完整获取下来。

问：我们近两年实业盈利了吗？

答：差不多盈亏平衡。去年疫情对我们影响还是挺大的，5个月基本没上班。