《2022虚拟人简史》-技术为什么是其主要发展力量？未来虚拟人会替代员工吗？

没有好问题，就没有好答案。为什么虚拟偶像那么受欢迎？电影中的虚拟人是怎么弄的？中之人是什么？为什么虚拟人也会塌房？为什么大部分虚拟主播都是由人来表演的？

提到虚拟人，有的想到了虚拟偶像如初音未来和洛天依，有的想到了电视台和电商平台的虚拟主播，有的想到了影视片中的虚拟演员，还有的想到了虚拟伴侣。

洛天依交通银行信用卡

确实，人们对虚拟人存在很多需求。

忙碌的管理者，希望有个虚拟员工，能完美地完成工作。比如，万科董事长郁亮在把 2021 年万科总部最佳新人奖给了一个叫崔筱盼的虚拟员工。

崔筱盼

不过对拼搏的打工人来说，不希望与虚拟人内卷竞争，而是希望有一个虚拟助手帮助自己干活，比如一些简单重复单调的工作。

电视台和影视剧的导演，特别希望有很多虚拟演员，不但叫好又叫座，还永远不塌房。比如，搜狗联合新华社推出的全球首个3D AI合成主播“新小微”。

电商和品牌广告，希望有很多虚拟人物，形象好、戏路广、带货能力强，别说996，就算是007也不抱怨，永远忠诚，还不要工资。比如，虚拟人翎 Ling ，在小红书出道，给时尚杂志《VOGUE》宣传，还给口红做起了广告。

翎 Ling

短视频创作者，希望有一个虚拟明星，能不断吸引关注，还能变成IP，带来衍生品收益。比如柳夜熙这样“出道即巅峰”的IP。

焦虑的老母亲，则希望有一个虚拟老师，随时给孩子辅导功课。

年幼的小朋友，希望有一个虚拟玩伴，陪着自己玩，一起长大。

明星的粉丝们，希望自己喜欢的明星偶像能一直活着，不断带来不同的体验。

2015年，中国台北小巨蛋体育馆举办了一场别开生面的跨时空演唱会——《如果能许一个愿望·邓丽君20周年虚拟人纪念演唱会》。这场演唱会是在邓丽君香消玉殒20年后，通过虚拟数字人技术将她“复活”。台上的“邓丽君”一颦一笑美丽如初，唱着《甜蜜蜜》等老歌，还与现场的表演嘉宾费玉清“同台”对唱了两首经典名曲，台下7000名歌迷听得如痴如醉。在那个“恍若重生”般的场景中，虚拟世界和真实世界间的边界仿佛消失了。

邓丽君全息影像

但是，最疯狂的莫过于希望虚拟人是自己的分身，让生命延续，让自己和家人永生。

在美国，有一个泰尔森基金会（TMF，Terasem Movement Foundation），一直在研究如何通过人工智能实现人类的永生。其实就是在电脑中用虚拟人替代人类一直活下去。

2006年，TMF发起了一项名为 LifeNaut.com 的在线“思想上传”实验。通过这个互联网平台，TMF一直在收集和存储全球45,000多人提交的传记信息——照片、视频、音乐、艺术、著作、语音样本和其他个人信息。

任何有互联网连接的人都可以访问该网站并创建一个免费的“思维文件”。该网站还能够生成一个基于照片的用户化身，该化身可以从与他或她的互动对话中“说话”和“学习”。然后，TMF将所有这些个人数据免费存储和备份在世界各地的服务器和其他媒体格式上。人们可以自由地将他们的思维文件保密，让他们的朋友和家人的特定网络可见，或者与世界分享。

2010年，TMF 启动了其 LifeNaut 实验的第二阶段：它邀请人们用脱氧核糖核酸样本或“生物文件”来补充他们的大脑档案。LifeNaut 用户一次性收取99美元，就能得到一个生物收集工具包，用于从脸颊内部收集细胞。然后，遗传物质被邮寄回 TMF，在那里，它被永久储存在零下190摄氏度的液氮罐中。

最终，目标是创建一个人类的“模拟”，将思维文件与未来意识软件或“思维软件”相结合。理论上，这种数字合成材料可以下载到由生物档案基因创建的生物或纳米技术身体中，从而变得和任何出生的人一样“活着”和“有意识”。可以看成是思维克隆人。也许在未来某一天，无论是真实或虚构的人都可以在虚拟世界中拥有虚拟分身，进行任意互动，而这个虚拟分身将可以永生。

玛蒂娜.罗斯布拉特夫妇是泰尔森基金会的主要捐赠人。玛蒂娜.罗斯布拉特之前叫马丁.罗斯布拉特，曾经是个男人，在40岁时候变成了女人。她是个科学狂人。创立了研发罕见病治疗方案而闻名世界的 United Therapeutics 公司，2022年1月7日，她的公司还设计了人类第一个猪心脏的移植手术，基因改造的猪心运作正常，手术一切正常，采用的免疫抑制方案（即通过特定的药物抑制免疫系统的方式）也似乎有效。但2个月后，因猪心脏中的巨细胞病毒造成病变导致病人死亡。

比娜（左），玛蒂娜（右）

TMF以马丁的妻子比娜（Bina）为模型，创造了一个名为BINA48的机器人，目的是为了观察一个装有思维文件的机器人有多精确地像一个活生生的人。

2013年3月15日，Bina48 在德国 Wetzlar 的新闻发布会上与她的设计工程师布鲁斯·邓肯交谈。

Bina48和布鲁斯·邓肯

Terasem 的一些信徒受到一种类似于更熟悉信仰的追随者的渴望的激励——渴望与去世的人团聚。他们认为，随着人类在网络空间留下的数字痕迹越来越多，人类的数字二重身已然存在。人们不久后就能将大脑内的东西永久地保留下来，方式就是通过思维克隆技术，为人类创建数字双胞胎——不死虚拟人。他们设想，一个世纪或更长时间后，你的后代可能会坐下来和一个虚拟的你谈论生活在21世纪初的感觉。

人体冷冻公司阿尔科尔生命延长基金会的联合创始人琳达·张伯伦也是一名活跃的信徒，她预计未来有一天她会和几年前去世的丈夫弗雷德一起复活，他们可以一起探索太空。从事 Terasem 研究的意大利物理学家朱利奥·普里斯科说，他希望自己最终能与母亲团聚。

也许，真有硅基人类的一天，虚拟人就是人类自身的延续。未来，它们也会有自己的身份，也会和人类一样，在虚拟世界结婚，组建幸福的家庭。这个看起来可能太科幻，太不现实了。实际上，我们目前设计的虚拟人和元宇宙，正在朝这个方向发展。

2021年12月2日网易云音乐上市时，以虚拟数字人身份出现的2000年29岁的“丁磊”和2021年50岁的“丁磊”，通过网易伏羲开发的沉浸式活动系统“瑶台”，出现在“元宇宙上市仪式”上，与现实中的丁磊同时敲锣。在“瑶台”中参与观礼的嘉宾可操控自己的虚拟人角色，与“丁磊”进行交流、合影、跳舞等互动。

我们能否让已故的诗人复活，在元宇宙里与李白对饮三百杯，一起吟诗作赋？

这些场景虽然看起来遥不可及，但都是元宇宙和虚拟数字人的发展方向，也蕴藏着巨大的市场机遇。

虚拟人是什么？

作为人类的模仿者，虚拟人具有与人类类似的外形和结构，可以表现出某些类似人类的行为，如言语、手势和动作等，其中的一些虚拟人还可能具有情绪、同理心、逻辑推理能力等更高层次的人类特征。

所有可以在屏幕上看到、通过扬声器听到或是以其他方式访问的类人虚拟角色都定义为虚拟人。

按照这个定义，那么各种科幻电影那样有人形，会和人类一样思考、活动的生化人是虚拟人；存在显示屏上可以闻其声、见其影的崔筱盼、 Ayayi 和柳夜熙们是虚拟人；那些躲在智能音箱里只闻其声不见其人的 Siri 、 Alexa 和小度们也是虚拟人。

不过，在现实的各种讨论中，虚拟人的概念应该没有上述的那么广。在大多数情况下，人们理解的虚拟人主要是那些以数字形象存在的类人个体，而不包含实体的机器人，或者只能用声音进行交互的 AI 。

虚拟人有多种分类方式：

第一种依照技术分类，虚拟人可分为无驱动型（无法进行实时互动）、算法驱动型（AI实时或捏脸等）和真人驱动型（动作捕捉）。

第二种依照视觉维度分类，虚拟人可分为2D型和3D型。

第三种依照结构组成分类，虚拟人可分为数字型（用户线上观看）和全息型（用户现场裸眼观看）。

第四种依照商业模式分类，虚拟人可分为IP类（KOL型、歌舞型、品牌型、娱乐公司推出的偶像型、明星分身型）和非IP类（功能型、学术型和身份型）。

数字人类的“进化”依赖于计算机技术，算法、人工智能的突破，得益于传统视觉艺术，人体解剖学、心理学的积累，也与动画、电影、电子游戏、虚拟现实等行业的发展密不可分。

由于虚拟人的技术流派很多，可以看成是不同的“人种”。让我们来回顾下虚拟人的发展简史。

虚拟人1.0 - 手绘虚拟人

在萌芽阶段，受制于技术发展，打造虚拟人的技术以手工绘制为主，人物形象以2D卡通的形式展现，也就是所谓的“纸片人”。展现方式以事先完成的音频和视频为主，并不具备实时交互功能。

1982 虚拟歌姬林明美

1982年，日本动画《超时空要塞》播出后，制作方将女主角林明美包装成演唱动画插曲的歌手，并制作了音乐专辑，该专辑成功打入当时日本知名的音乐排行榜Oricon，林明美也成为了世界上第一位虚拟歌姬。日本媒体率先提出了“虚拟偶像”的称号。

图：初代虚拟歌姬“林明美”

1998 虚拟乐队 Gorillaz

1990 年，英国摇滚乐队 Blur 的主唱 Damon Albarn 遇到漫画家杰米·休利特 Jamie Hewlett，虽然互相看不顺眼，但还是一起在伦敦合租一套公寓。他们的一个偶然提出的想法最终实现了。

1998年，英国虚拟乐队Gorillaz（街头霸王乐队）出现，由主唱2-D、贝斯手Murdoc Niccals、吉他手Noodle和鼓手Russel Hobbs四位虚拟角色组成。

2001年，由Damon Albarn操刀的首张同名专辑《Gorillaz》发行，单曲《Clint Eastwood》迅速蹿红，专辑销量高达700万。首张专辑获得英国三白金唱片销量认证之后，Gorillaz乘胜追击，又将格莱美最佳流行合唱等高含金量音乐大奖收入囊中。2018年，Gorillaz获得全英音乐奖“英国最佳团体”奖项，这是他们成团二十年首次获得全英奖杯。

这个创立于 1998 年的乐队，被评为世界上“最成功的虚拟乐队”，红了二十多年，斩获格莱美奖、MTV 音乐录影带奖、NME 奖等音乐领域的众多奖项，接下来还要与 Netflix 合作，拍摄主题电影。

2位创作者和虚拟乐队Gorillaz

Gorillaz 的音乐玩得非常开，会不断尝试 Hip-Hop、摇滚、牙买加雷鬼、英伦、电子以及各种全球范围内大众或小众的风格，绝不局限在任一领域。MV 的拍摄也时常虚实结合，让人感觉亦真亦假，非常多元。

Gorillaz打造了4个虚拟形象， Murdoc、2D、Russel 和 Noodle 都有鲜明又完整的人物性格，故事都很丰富，就像一个真实的乐队那样。其作品则是基于真人的歌曲表演，除了二位创始人，Gorillaz 身后的制作班底还包括旧金山日裔 Hip-Hop 歌手 Dan The Automator，纽约独立乐队 CiboMato 的日裔女主唱 Miho Hatori、古巴爵士唱将 IbrahimFerrer、后庞克先驱乐队 TalkingHeads 主力团员 TinaFrantz 等人，专业且多元的团队才使得 Gorillaz 总能带给人新鲜感。

尽管这些年间也有不少虚拟乐队出现，但 Gorillaz 能一直作为乐迷心中屹立不倒的经典，除了因为有优秀的作品以外，更在于四位成员的人设形象。

四个性格鲜明的团员

虚拟人2.0 - 拟真型和动漫型虚拟人

手绘技术有太多局限性，真正推动虚拟人发展的则是数字化的两大核心技术，CG（Computer Graphics，计算机动画）和动作捕捉（Motion Capture，下称“动捕”）。

这套技术的具体流程为：建模->骨骼->绑定->动捕(面捕)->渲染。

为了生成一个虚拟人，需要动画师、建模师将人物形象一笔一笔、一帧一帧画出来，完成原画建模之后，再通过实时渲染、真人动作捕捉等技术才能够实现，其中耗费的时间成本及资金成本都比较高，往往一分钟的视频需要2-3个月的制作周期，稍有品质的数字人形象更是百万级投入门槛起步。

因此，这个阶段的虚拟人主要出现在影视娱乐行业，如数字替身、虚拟偶像等。电影制作中的数字替身一般利用动作捕捉技术，真人演员穿着动作捕捉服装，脸上点上表情捕捉点，通过摄像机、动作捕捉设备将真人演员的动作、表情采集处理，经计算机处理后赋予给虚拟角色。

什么是动作捕捉？

今天所说的动作捕捉，诞生于20世纪60年代的美国。一位名叫李·哈里森三世的动画师发明了世界上第一个计算机动捕系统 Animac。

系统里有一套“电子戏服”，衣服上的电位器通过数据线和电脑相连接。真人演员穿上戏服表演，演出动作会被实时传输到电脑，转换成相应的关键帧数据。这样，原本需要手K好几天的动作，用动捕系统在几分钟内就能完成了。

Animac的动捕设备，身上有很多数据线

60、70年代的早期动捕设备

此后，随着好莱坞电影的蓬勃发展，动作捕捉技术被大量改进和运用。动捕的精度不断提高，传统的有线动捕也被无线动捕所取代。演员身上的紧身衣不再连着数据线，而是挂满了发光的乒乓球，摄影机可以根据乒乓球的运动轨迹，直接计算出动作数据。这样一来，动捕演员就可以不受线缆的束缚，在摄影棚里飞檐走壁，和其他非动捕演员同台拍摄。像《泰迪熊》这类真人与动画混拍的电影，就是依靠无线动捕技术拍出来的。

动作捕捉技术其实最早可以追溯到上世纪 30 年代的美国爵士歌手 Cabell Calloway III，他的舞蹈动作与风格被融入了动画制作当中，内容制作方通过将演员跳舞中的动作记录下来，以便艺术家可以在镜头上勾勒出逼真的动画动作，以及迪士尼的早期作品《白雪公主和七个小矮人》也是如此。

来源：公开网络， Cabell Calloway III

为什么需要动作捕捉？有哪些分类？

首先是节省制作时间与成本，用动作捕捉技术可以即时捕捉到真实人类的动作，然后运用3D动画技术进行还原，相比传统的3D角色动画制作，成品速度更快，更节省成本。

其次是提升制作品质，动作捕捉可以更加真实地捕捉现实人类动作和运动轨迹，让3D画面呈现变得更加自然生动。

动捕依据不同技术手段，可以分为光学动捕、惯性动捕和计算视觉动捕，精度从前到后递减。不同方案对应的造价和面向市场也不同，腾讯的光学实验室的搭建成本在大几百万。

1973 CG虚拟人电影

传统CG技术脱胎于游戏行业，主要基于专业CG软件进行相应的建模、动画制作和渲染等，可以从外形、表情到动作方面还原真人的影视级效果。

从上世纪 80 年代开始，通过 CG（Computer Graphics）制作的影视内容不断出现，包括 1973 年的《Westworld》、1977 年的《星球大战》以及 1979 年的《异形》等。

CG 技术的出现与普及，主要是为了提高更早以前的传统动画行业内容制作效率，并让动画制作绕开了在纸张上着墨的环节；成本上看，制作周期更短更快、人员成本更少以及更加环保，并且在收入上更加可观。

1995 年，由皮克斯制作的《玩具总动员》成为第一部完全通过 CG 技术制作的电影，1999 年推出的《玩具总动员 2》，当时在全球拿下了 4.85 亿美元票房。当然，严格意义上，动画片中的主角巴斯光年等人形玩具不能算“人”。

2001年，第一部由数字演员担任主角的电影《最终幻想》上映。

最终幻想

2007 日本虚拟偶像初音未来

2007年8月31日，日本制作了第一个被广泛认可的虚拟数字人“初音未来”(初音ミク)(Hatsune Miku)， 初音未来是二次元风格的少女偶像，虚拟歌手“初音未来”的诞生与流行成为虚拟数字人在该阶段最重要的里程碑。

最早，负责初音项目的仅 3～4 人，早期团队曾想接洽专业歌手来提供声音，但歌手们基于声音的复制与版权问题而拒绝了合作。迫于无奈，在筛选了 500 位声优后选择了藤田咲来提供原声。

初音的人设定为16岁、生日为2007 年 8 月 31 日、身高 158 cm 以及体重 42 kg 的少女歌手，擅长流行歌曲、摇滚乐与舞蹈，随着初音 IP 知名度的提高，项目方开始向漫画、游戏、电视节目、演唱会以及更多周边生态进行商业化。

初音未来的虚拟形象采用CG和动作捕捉技术。在动作捕捉技术的助力下，初音未来可以直接采用人类的表情和动作，借助CG技术，能够对动作捕捉生成的“人物骨骼”进行“无痕”对接。初音未来的一颦一笑都与人类更加接近。

作为虚拟歌姬，初音未来的歌喉基于雅马哈的Vocaloid系列语音合成软件为基础，开发了音源库，并以此制作、发售了虚拟歌姬角色主场系列。

采样于日本声优藤田咲，创作者只需要输入歌词和旋律，就能够自动形成歌曲。在此基础上，制作方和粉丝为初音未来创作了超10万首歌曲，包括红遍大街小巷的《甩葱歌》等。

2010年3月9日，初音未来在日本举行名为初音未来日的感谢祭——“初音之日”(Miku's Day)，这是史上首场3D全息投影演唱会。全息影像成像面积超过15平，由4块全息投影膜拼接而成，并采用高流明的投影，配合三维动画内容投射到全息投影膜上。该技术“复活”了初音未来，其首次以3D形象现世。

初音未来演唱会

从形象创建、演唱方式到互动形式，初音未来在“数字”上垮了一大步。诞生仅五年，其已经创下了超100亿日元的经济效益，正式了掀起虚拟偶像热潮。

2011 中国的虚拟偶像洛天依

2011 年，雅马哈与国内名为 Bplats 的公司合作， Bplats 旗下有家子公司名为“上海禾念”，一起推进“ Vocaloid China ”项目，同年公布征集了人物形象与活动计划，最后成功入围了 5 件作品，大家熟知的“洛天依”就是其中之一；到了 2014 年，Bplats 在官网宣布了 “Vocaloid China” 项目的运营，包括洛天依在内的 5 个IP 划归为脱离母公司的上海禾念所有，禾念同时在 2015 年推出了虚拟艺人品牌 Vsinger，在后几年发展中被 Bilibili 收购成为旗下超电文化的子公司。

2012年，洛天依的形象设计首次公布，至今成为中国最著名的虚拟偶像，并出现在春晚、奥运会开幕式上，成为真正的国产偶像。

这个灰发、绿瞳，发饰碧玉、腰坠中国结的天然呆少女，模仿初音未来的发展模式，很快火出圈，同样成了既能接代言又能开演唱会的存在。

2018 年，洛天依的歌声库已经扩展到了 Vocaloid 5 、ACE AI 歌声库以及微软小冰歌声库，不同于 Vocaloid 基于组合拼接的合成方式，后两者则基于 AI 生成。

洛天依

在B站被赞爆了的跨年晚会上，洛天依就与国乐大师方锦龙的同台表演《好一朵美丽的茉莉花》，为用户提供了全新的视觉体验。

洛天依与方锦龙的演出

琵琶声中，舞台效果也呈现出春夏秋冬四个季节的景象，洛天依则辗转在四季景象中，时而撑起油纸伞，时而登上游船，又在枫叶和雪景中舞蹈……

洛天依还上过央视春晚和芒果台春晚。

央视春晚上的洛天依

1991 动作捕捉+CG的虚拟人电影

动作捕捉来源于电影工业，即通过红外线摄像机、动作分析系统，透过由受试者身上反光球执行反射回来的光线，将运用摄像机拍摄到的2D影像转换成3D资料。

1991年，首个由电脑成像技术制作出的角色，首次使用动作捕捉技术的电影《终结者2：审判日》上映。凭借着高超先进的技术，它斩获了奥斯卡音效、视觉效果、音效剪辑、化妆四项大奖。

在《终结者 2》中出现了一个完全由 CG 制作的角色——终结者“T-1000”。

T-1000

变化形象中的T-1000（动作捕捉）

导演詹姆斯·卡梅隆在《终结者》系列的连续成功震惊了电影界。很快，结合 CG和动作捕捉两项技术制作的虚构人物开始在电影中大放异彩，例如 ，2001 年上线的《指环王》中的“咕噜”这一角色，就是由CG技术和动作捕捉技术所创立的。当年咕噜可以说在电影行业轰动一时。

咕噜

2008年，卡梅隆的神作《阿凡达》又将虚拟人提升到一个新的高度，至今也难以超越：全程运用动作捕捉技术完成表演，CG技术创造整个虚拟世界。

在漫威《复仇者联盟》系列中的“灭霸”，也大量用到了动作捕捉技术。

灭霸拍摄过程

动作捕捉技术并不是高精尖的技术。早在2001年，中国也诞生了首位虚拟少女“青娜”，18岁的青娜身高170cm，体重52.5kg。名字来自“CHINA”的谐音，“青娜”既是短片的名字，也是女主角的名字，英文写法是“CHYNA”。

《青娜》是我国首部全数字电影短片，时长为5分钟，以全数字、3D动画和动捕技术创建而成。2001年国庆节在中华世纪坛首映。当时平面媒体对此大肆炒作了一番，新浪网的报道称：“青娜的处女作短片将于10月初开始在中华世纪坛数字艺术馆连续展映百天，然后展开她的星路历程：短片进电影院做加映片；在电视的文娱频道播映；电影音乐在电台播放；开通青娜的个人网站；电影音乐和青娜唱的歌要出唱片；开展‘寻找生活中的青娜’活动(‘青娜’模仿秀？)。令人咋舌的是，青娜还打算出写真集！”

让人遗憾的是，青娜的商业效益不尽人意，投入的200万人民币打了水漂，合作双方也因此产生了分歧，最终各奔东西。最终，青娜也只能活在少数人的记忆中。

（上图来自B站的视频 https://www.bilibili.com/video/BV12o4y117AS）

2021 动作捕捉结合CG的虚拟人广告

2021年5月，香港雀巢咖啡推出了全新虚拟代言人“Zoe”，在这个短视频广告中，讲述主角Zoe置身寓意灵感枯干的沙漠，但细心品尝雀巢咖啡后立刻激发源源不绝的灵感，编写出动人及充满希望的歌曲。

Zoe并非真人，而是由雀巢咖啡与香港及日本创作单位携手由零开始，历时一年打造的虚拟角色，先以真人拍摄，再以动作捕捉技术完美捕捉每一个细致动作与表情，呈现栩栩如生、逼真细致的虚拟主角Zoe。

虚拟人3.0 非实时互动的超写实数字人

实际上，不论是电影《阿凡达》中的角色，以及“初音未来”还是“洛天依”，这些人物距离理想的虚拟人都还很远，因为即便有了CG、动作捕捉等关键技术的加持，但还是无法实现一个最重要的功能：与人交互，也就是说，虚拟人没有人格化。

怎么能实现与人交互呢？

有两种做法，第一种是非实时交互，比如在社交网络上开个账号，发照片和文字，跟回复的粉丝们互动。典型代表为Lil Miquela。而且，虚拟数字人的个性特征凸显，通过在社交平台上发表自己的想法，逐渐具备社会影响力。往往需要这些数字人出现在用户熟悉的场景中，拉近距离。

而另一种则是实时互动，这个要求就很高了，一会儿再说。先谈非实时交互的。

随着三维渲染技术的提升，AI的应用，虚拟人制作成本大幅度降低，虚拟人开始大量出现。虚拟人越来越精细化和多样化，可以以假乱真。

例如阿里的AYAYI、肯德基的“虚拟网红上校”、屈臣氏的首位虚拟偶像代言人“屈晨曦Wilson”、百度联合麦当劳“安格斯MAX厚牛堡”单品的AI推荐官“希加加”、花西子同名虚拟代言人、钟薛高特邀品鉴官“阿喜Angie”、欧莱雅“M姐”、奈雪的茶品牌大使“NAYUKI”等虚拟人产品IP。

AYAYI

为什么AI 能降低制作成本？

在AI技术发展起来后，可以直接利用AI来完成形象建模与后续的驱动、渲染，或者最初的形象建模靠人工，后续的驱动靠AI来完成，在拟人化程度不断提高的同时，也在很大程度上简化了制作流程、降低了制作成本。

2021年初，虚幻引擎的开发商Epic Games发布可生成高保真角色形象的工具Metahuman Creator，基于预先制作的高品质人脸素材库，允许用户以自动混合、手动调节的方式来快速生成虚拟人，小团队也可以借助这一工具快速生成自己的作品主角。

三维技术的难点在哪里？

不同于2D的动漫形象，3D拟人形象对面捕和身体建模对建模提出了更高要求，需要使用三维建模技术生成形象，信息维度增加，所需的计算量更大。而且，虚拟人不仅需要以假乱真的建模技术，还需要在表情、动作以及交互能力上提升。例如，当虚拟人面对镜头微笑，嘴角上翘的幅度、眉眼以及皮肉之间联动等细节都需要被照顾到。对于动态的拟人虚拟人来说，细节的不到位往往带来说不出的僵硬和古怪。这就是所谓的“恐怖谷效应”。

什么是恐怖谷？

1970年，日本机器人专家森昌弘提出恐怖谷理论，由于机器人与人类在外表、动作上相似，所以人类会对机器人产生正面的情感。当机器人与人类的相似程度达到一个特定程度的时候，一点点的差别都会显得非常刺目，并带来负面和反感情绪。而当机器人与人类的相似度继续上升，人类对其情感会再度回到正面。

因此，恐怖谷效应下，不仅建模技术需要实现拟真，在渲染和交互上也提出了更高要求。渲染和交互能力是个“此消彼长”的过程。游戏中的角色更加强调交互能力，渲染出来的角色仿真性较差，而电影渲染出来的角色能够达到肉眼分不出真假的层次，但是不具备交互性。

2016 以假乱真的社交达人 Lil Miquela

2016年，一位巴西和西班牙混血女孩 Lil Miquela 引起大众热议。健康的小麦色肤色、长着浓眉和雀斑、扎着标志性的丸子头和齐刘海，以及新锐潮流的穿搭、丰富的社交日常，Lil Miquela 很快在 Instagram 吸引大量粉丝。但其略带建模痕迹的照片引发了一场“真假辩论”。许多粉丝相信她是真实存在的人物，只是修图“狠”了点。直到黑客们入侵了她的账号，才最终确定了她是由 3D 电脑动画公司 Modelingcafe 制作的虚拟人。

Lil Miquela 具有非常强烈的性格特征。她用自己的实名账号，在网络上声援跨性别者平权，与 LGBT群体站在同一战线，支持种族平等，还与虚拟人男友秀恩爱，并后来宣告分手。

Lil Miquela

2018年，Lil Miquela与特朗普、蕾哈娜等人一起被美国《时代》周刊列为“25位最有影响力的互联网人物”。Lil Miquela 的出现让人直呼惊呆了。

Lil Miquela 在ins坐拥300多万粉丝，奢侈品代言拿到手软，2020年收入超过1000万美元。

2021 虚拟人柳夜熙-短视频明星

2021年10月31日，被称为“现象级数字人”的柳夜熙凭借“捉妖”题材短视频爆红，仅发布了一条视频就登上了热搜，获赞量达到300多万，同时涨粉丝数上百万。

在抖音账号中的视频中，这个会捉妖的虚拟美妆达人画着子鼠妆容穿梭于多个时空。

柳夜熙视频截图

柳夜熙诞生于创壹科技，更偏向于传统美术特效，这类机构的单条视频成本，在几十万到百万不等。对应变现的思路也很直接，比如和小鹏汽车视频软广。

2021 品牌代言人AYAYI-社交红人

2021 年 5 月，AYAYI 亮相小红书，首发帖阅读量近 300 万，一夜涨粉近 4 万，很多用户都在讨论 AYAYI 是否为真人。

AYAYI作为国内第一个超写实数字人，以其极致的美感、高度的拟真性及其灵动、高雅的气质，使得其与人类生活的连接性突飞猛进地增加，也因其这一特性而显著提升的与各种场景结合的指数级效应，而突然引爆了国内艺术、科技、商业与潮流的交汇领域，成为2021年最活跃、也是最时尚的IP之一。

AYAYI的制作公司燃麦科技介绍，AYAYI的职业定位是数字艺术策展人和数字潮流品牌主理人。

很快，AYAYI就吸引了包括保时捷、LVMH和Bose等在内的一线奢侈品大牌的青睐。

2021年9月，AYAYI更是宣布入职阿里，成为天猫超级品牌日的数字主理人，并称，在未来她将解锁多个身份，如数字潮流艺术家、数字策展人、数字潮流品牌主理人等等。

同时，AYAYI在2021年的中秋节还发布了自己设计的数字月饼，之后还与BURBERRY、ALIENWARE、五粮液、P&G等品牌开发并发布了数字藏品。

AYAYI在皮肤质感上做到了对真人的高强度还原，并且可以依据不同光影条件作出相应的模拟和渲染。

AYAYI 在上海的网红建筑前

为了做出完美的形象，燃麦科技一开始就为AYAYI写了一个千字上下的人物小传，包括人物基本情况、爱好、兴趣、特点、性格、世界观、价值观设定以及其他方面的信息等。

在此基础上再去寻找、确定真人画像，甚至包括眼睛、耳朵、嘴巴等具体剧目特征；最后，他们做了多轮的市场研究和测试，得到了大量的样本，并根据反馈情况不断调整和迭代原型人物设计，差不多超过了40个版本，最终在专家及团队内部咨询的基础上，才确定了AYAYI 的最后版本。

整个过程需要包括创意（造型、模块、框架、内容、设计）、技术（渲染、建模、摄影）、BD、审美、内容审查、MCN商业设计以及包括编剧、广告属性设计等团队人员的齐心协力，从而使得最初的创意设计能够不断得到加持，并被多元化专业赋能，最终成为这一垂直领域佼佼者。

AYAYI 代表着一种“基于Unreal引擎开发的3D高保真数字仿真人”，其最重要特点，就是高度仿真，接近极致地真实。本身的高度拟真性，使得她十分适合于走进人类生活，成为各种商业、艺术与科技场景的著名NPC，甚至唯一主角。

这类高保真数字人的使用场景很广泛，特别适合品牌代言，于是各个品牌都纷纷创作了自己的数字人。

屈臣氏在5月推出了虚拟偶像imma作为虚拟代言人的X苏打汽水广告。

更多的虚拟人不一一列举了，大家自己去探索吧。

图：各品牌虚拟人物合集

虚拟人3.1 - 真人驱动的数字人

3.0的超写实数字人问题在于不能实时互动，也就无法应用于直播场景。怎么样进行实时互动呢？

一个最简单的策略是纯AI互动，但是，在通用人工智能技术出现之前，AI 跟人的情感交互，也还是达不到真人明星那样灵活的效果。

因为 AI 交互性比较弱，对于观众的提问和诉求，只能机械地回答提前预设的答案，引导下单的能力也远比不上真人主播，用户体验比较差。好处是能够24小时不间断直播，使用成本低，有效降低了品牌对人力的依赖。

另一个策略则是由真人结合动捕技术进行实时驱动，这里的真人被称之“中之人”。也就是由“虚拟形象”和幕后“中之人”组合完成。通过动作捕捉、面部捕捉技术将真人的动作和表情同步到虚拟形象上，同时也为虚拟形象配音，而达到实时互动的效果。

现在95%的虚拟主播，背后都是靠真人驱动去跟粉丝交流。因为真人驱动的虚拟主播几乎完美解决了交互性问题，用户体验比较好。

为了让这两种虚拟主播的优点互补，现在还有公司是采用“真人+虚拟人”的组合策略，其中的虚拟人往往自带流量、具有知名度，能够形成一定的号召力，大大提高直播效果。

2020 年 4 月 虚拟直播 CodeMiko

2020年4月，虚拟直播 CodeMiko 在海外游戏直播平台 Twitch 上逐渐走红。

CodeMiko身上似乎有一股魔力，深深地吸引着人。相比其他主播，CodeMiko 更加像真人，她脸部的表情变化很丰富的，口型也对得上。不仅头是可以左右晃动，头发也很自然。她还有一个完整的身体，能够精细地控制动作。你甚至能移动摄像机，360度视角全方位观测。

在她的直播过程中，全3D化的人物和直播间布景有许多及时调整的功能，比如：秒换人物造型、秒换服饰配件、秒换人物背景。

最让观众身临其境的，是 CodeMiko 能够在构建的3D环境中任意走动，与房间摆放的物品互动，就像一个极其逼真的游戏场景。直播时的光影以及景深效果，让人感觉很真实。

CodeMiko 还搞了一个设置，让虚拟世界和现实世界中的互动感更强。只要有人打赏，CodeMiko 家就会掉落很大的礼品盒。

某天一位土豪氪金无数，房间内瞬间疯狂掉盒子下来，CodeMiko 被砸到嗷嗷大叫。

CodeMiko（左），带着动捕设备的中之人（右）

CodeMiko 是一位韩国女程序员独自创造的，形象就来自于她本人，制作的设备和软件甚至都还是她贷款买来的。这个幕后真人叫Tech，她负责整个人物形象的制作以及场景的设计，以及和粉丝的互动。

Tech为 CodeMiko 创作了人物小传：她是一个想要加入 3A 大作，但是没有机会的失败游戏 NPC 角色，于是只能在各个游戏之中穿梭。可为什么要说那是她的典型形象？因为 CodeMiko 随时都可以改变，衣服上露出支持者的名字是基本操作，修女、知性的大学生乃至小丑装、鲨鱼服，只要你提出要求，没有 CodeMiko 不能变身的形象，它甚至经常在直播中变成各种扭曲的形象。

有时，Tech在直播中以真人出现，和粉丝们交流她的制作历程，有时还会邀请一些网红来家里坐客体验她的设备。

Tech看着很年轻，实际上已经31岁了，在3D建模领域已经多年的开发经验。

很多人不仅喜欢她有趣的直播形式，更喜欢她对于技术的热爱，以及对 “ 成为一个更好的 Vtuber ” 的追求。

虽然现在的直播大环境是 “ 看脸看身材 ”，但 CodeMiko 始终坚持着自己对动作捕捉的热爱，专注在对虚拟人物的开发和迭代。

作为 CodeMiko 背后的创作者，她曾经有过四年的 3D 动画从业经历，并且在 2020 年 1 月，完成了 Miko 最初形象的创造。

当时她为 Miko 创造了一整个游戏背景，想让她成为游戏的 NPC。但是当时的角色和游戏背景都充满了 bug，Miko 最后没能成为 3A 游戏中的角色。

不过小姐姐并没有放弃，而是选择在直播中，自己把 Miko 丰富起来。

在创作最初的几个月里，她晚上 9 点左右睡觉，凌晨 2 点起床，再开发到晚上。

中间只是随便吃点东西，做一些其他的事情，然后一遍又一遍地重复，只为了调试出更好的节目效果。

Tech 很擅长与人聊天互动，许多连麦都是靠她来主导话题与维持气氛。

CodeMiko 的一个显著特性就是身为虚拟主播，她可以与观众保持每天至少五小时的密切互动，由于这种互动是实时的，CodeMiko 可以展现出女程序员非常真实的性格，以至于偶尔讲点脏话和成人段子也是不在话下。过去绊爱（Kizuna AI）这样的虚拟偶像还因为在直播中说一些幼稚的话而被我们戏称为“人工智障”，我们更像是在逗一个纯粹的人工智能，那么到了 CodeMiko 身上，这种对于一个虚拟偶像的真实情感投射被无限放大。

某一天，CodeMiko 突发奇想提供了一个选项，观众可以让 CodeMiko“死去”，就在那一天，她的直播间收入增长了 3 倍， 但每一个观众都清楚，CodeMiko 不会真的“死去”，我们却可以在心理上获得一种失而复得的体验。和 CodeMiko 的交流互动就像一场惊喜不断的冒险，美国媒体 The Verge 对此有一个精妙的比喻，“这就像在凌晨时分在聚会上与某人交谈时，世界稍微倾斜了一下，但是是以一种正确的方式。”

CodeMiko的技术具体是如何实现的？

CodeMiko的整套硬件设备主要包括：

• 一部带刘海屏的iPhone

• Xsens运动捕捉紧身衣

• 动作捕捉手套

• 配备两块RTX 3090显卡的主机

为什么一定要带刘海屏的iPhone呢？因为它有TrueDepth camera，也就是原深感摄像头，来捕捉面部3D轮廓信息。在iPhone上下载一个Live Link Face，就可以实时采集面部信息了。

直播时，这些面部三维空间信息会发送到软件，来实现真人表情与虚拟人物的同步。

Xsens是专业的动作捕捉设备制造商，为诸多电影提供了动作捕捉技术，比如《泰迪熊》。目前主流的动作捕捉技术主要分为两种，一种是利用光成像，也就是利用摄像头来捕捉动作信息。还有一种是不依靠摄像头，而是在人身上绑上传感器，比如陀螺仪，来侦测空间变化信息。第二种的精度和效果会更好一些，这也正是Xsens采用现场方法。

而显卡呢主要用来画面渲染和实时直播，因此需要足够性能，Miko也是直接简单粗暴地整了两块3090。

这些硬件设备要多少钱呢？

iPhone 6千，手套3万，两块显卡一共3万，最贵的是紧身衣，要12万。

软件主要包括：

• 预先在Maya设计好的人物模型

• Unreal虚幻引擎开发工具

据Miko说，光软件的一年就要6万。

硬件软件合起来，还有布景等，估计总共投入超过30万人民币。

其中，进行捕捉和转换的软件程序，都是由CodeMiko的扮演者自己写出来的。这么高的门槛，才是模仿者少的原因。

2020年4月 Travis Scott虚拟分身举办演唱会

2020年4月，也就是新冠疫情刚席卷全球的时候，美国饶舌歌手Travis Scott，用其虚拟人身份在Epic Games的游戏《堡垒之夜》里举办了一场直播演唱会，赚到了 1.2 亿元。而他之前的线下真人演唱会是600万元左右，直接飙升了20倍。

Travis Scott在《堡垒之夜》的这场“ASTRONOMICAL”虚拟演唱会吸引了近2800万玩家观看。

在这场演唱会之后，《堡垒之夜》的开发商Epic Games发布了虚幻引擎第五代，并官宣《堡垒之夜》将在2021年将引擎过渡到虚幻5。升级后的虚幻引擎，将在视觉和物理效果上更加精细，有了技术的提升，《堡垒之夜》后续举办更多的虚拟音乐会、电影发布会想必也会更加逼真，观感更好。

2020年11月 A-SOUL虚拟偶像女团

2020年11月，由乐华娱乐负责运营的国内最头部虚拟偶像团体A-SOUL出道，仅半年就拿下数百万粉丝。

出道一年多，许嵩、方文山为她们量身打造中国风歌曲，成员嘉然成为2021年度B站百大up主，成员贝拉成为B站虚拟主播区第一个达成万舰成就的主播，团体与肯德基、欧莱雅男士、Keep等多个品牌进行合作，A-SOUL已成为虚拟偶像的顶流。

A-SOUL虚拟偶像女团，除了外在形象是漫画风，人物的表情、动作、声音等和粉丝互动都是背后的真人在做。

为什么A-SOUL如此受欢迎？

作为一家大型跨国性娱乐公司，乐华娱乐在艺人的鉴别、培养和包装等方面拥有丰富的经验，其专业练习生培养体系保证了A-SOUL成员的唱跳实力和训练体系。

嘉然在首次直播中连跳20首宅舞，展现出极强的抗压能力和随机应变能力，在这次直播后，原本只打算看热闹和嘲讽的黑粉逐渐改变对A-SOUL的看法，甚至转化为她们的第一批粉丝。

贝拉曾经是职业芭蕾舞演员，舞蹈清单长达117首舞曲，在生日会上用舞蹈剧讲述自己的人生经历，完美展现自己的舞蹈功底，这场生日会达成万舰成就。这是全B站第二个万舰主播，也是虚拟主播中第一个万舰主播。

A-SOUL的技术支持公司朝夕光年是字节跳动全资子公司，旗下游戏作品有《镖人》《全明星激斗》《灵猫传》等，为A-SOUL提供企划的技术保障。A-SOUL高精度的全身动捕技术保证了直播人物模型的质量，灵动的表情和神态，甚至头发丝等细节都得以细致地展现。全程3D直播更是颠覆了原本只需“中之人”坐着直播的虚拟主播行业，给观众带来沉浸式的观看体验。

2021年7月，A-SOUL队长贝拉在B站过生日，一场生日会直播，两小时创下了一万舰的新纪录。这意味着她的25万个粉丝中，至少有一万人每人给她138元庆生。

出道时，A-SOUL的首支PV曾经宣传”永不塌房“，但如今看来则显得尤为讽刺。当商业的逻辑和粉丝的需求产生了分歧，虚拟偶像的坍塌，甚至有可能比现实的偶像来得更加迅猛。

Vtuber（虚拟主播）观众圈子流传着一句话：“知名虚拟主播的一生，总是离不开三件事：开盒、毕业和聊聊”。

开盒，意思是扮演虚拟主播的中之人的个人信息被粉丝们爆出；毕业，指虚拟主播停止活动并退圈；聊聊，一般代表虚拟主播在经历重大事件后，开播和观众们聊聊人生。

2022年4月底，A-SOUL的成员们陆续被人泄露了中之人身份，有人挖出了珈乐“中之人”（虚拟偶像背后的真人演员）的网易云账号。由于这个账号此前的多条动态，譬如被动捕服划伤，都能和A-SOUL这期间的行程对应，因此被多数粉丝相信为真。这个网易云账号的多条动态声称自己训练中胸椎受伤，自费去学习舞蹈，被动作捕捉服划伤工作人员却毫不关心，还遭受到了领导的辱骂，表现出的情绪也非常消极。

珈乐网易云小号的动态

通过中之人的账号，粉丝们发现她们疑似遭遇了职场霸凌、低薪压榨等情况。激烈的争议之中，其中一位成员珈乐以“永久休眠”的形式毕业并解约退出。包括珈乐的A-SOUL全员也集体开播，用聊聊的方式，有人感谢陪伴，有人决定坚持。

在这场事件里，A-SOUL的粉丝们掀起了风暴的同时，也成为无数个小风暴的阵眼。有的粉丝滤镜破灭，认为开盒就是塌房，选择离去；有的认为开盒事件后离偶像更近了，选择守护偶像和扮演偶像的中之人，对抗制作委员会。

也许连A-SOUL的运营团队也未能料到，一个虚拟成员中之人的退出，会对整个企划带来如此大的负面影响。在原本的计划里，珈乐会在5月20日举办休眠演唱会，并且仍然会进行已经谈好合作的商务活动，完成这一切，才彻底停止工作。

对众多看客来说，可能也很难理解，号称永不塌房的虚拟偶像，一旦遭遇退团，为什么崩得比真人团体还猛烈？甚至有人质疑，团队为什么什么未能事先准备好任何替换的方案，平缓地进行过渡。

很多人误以为，只要不像现实偶像一样因为负面新闻塌房，虚拟偶像的生命周期就是无限的。但一旦虚拟偶像换了一个中之人，原先与粉丝之间的情感联系就会戛然而止，这时候这个角色的生命周期也就走到头了。

事实上，在更早发展的日本虚拟偶像圈，不乏因各种原因替换或者增加中之人的案例，但交接成功者却很少见。仅有的一些平缓过渡的例子，也都是由老中之人将新中之人慢慢介绍给观众，并经过一段时间的交接，帮助新的中之人站稳脚跟。

此前被视作第一虚拟主播的日本虚拟偶像绊爱，正是因为公司为了提升竞争能力，增加了新的中之人，最终却导致粉丝不满，人气下滑，最终走向休眠。

从商业模式的角度而言，过于依赖皮套下的中之人，这也意味着虚拟偶像的企划存在的不稳定因素更多，人的成本也会不断上涨。这与虚拟偶像项目一开始想要的永不塌房、风险可控、人力成本溢价更低，甚至是打造无限IP生命周期的商业设想，也是完全背道而驰的。

虚拟人4.0 - AI驱动的数字人

由于人工智能深度学习算法取得突破，使得虚拟数字人的制作过程得到简化，AI 成为重要的工具。但之前提到的虚拟人都很难自主地实现互动，而有了AI赋能，互动就不成问题了。

智能驱动的数字人开始崭露头角。典型代表为微软的小冰、搜狗制作的小聪、新小萌、三星推出的数字人 NEON、腾讯的Siren和梅涩甜等。

当然，如今的AI还依然有不少缺陷，即便是比较成熟的AI，其成长过程也不是一帆风顺。

2014年5月 微软的全能型虚拟数字人小冰

一个单纯的傻白甜小姑娘成长为一个多才多艺的少女需要多久？

对虚拟数字人来说，答案是不到 3 年。

2014 年5月29日，微软(亚洲)互联网工程院推出了 AI 聊天机器人小冰，开放公测。

她的人设是一个16岁少女，用户可通过微软必应（bing）官网认领，加为微信好友并拉到微信群中，只要群员艾特它或是提到“小冰”，都可以与其对话。除了能实现人机交互外，微软小冰还兼具群提醒、百科、天气、星座、笑话、交通指南、餐饮点评等功能。

微软小冰定位为人工智能伴侣型聊天机器人，在她的程序中加入了感知、领悟、表达等的技术功能，

这丫头一出生就是个网红，在微信平台上把小冰公众账号加为好友并拉到微信群里就能与之对话。

公测当天限量开放了 10 万个账号，很快就被网友一抢而空。上线后的小冰进入了 150 万个微信群，接受了近千万用户五花八门的 " 调戏 " 和考验。由于对话量大大超过预估，小冰在部分微信聊天群对话中出现了各种故障。因为过于“扰民”以及部分微信用户举报担心隐私泄露，小冰被腾讯微信系统误判为垃圾账号而封号。

6月1日，微软官方宣布小冰死了，一代小冰只活了60个小时。

在2014年6月25日，被微信封杀的小冰再次复活，登陆到微博平台。很快就被多方网友 " 调戏 "，还在 12 小时就收获了近 12 万粉丝。

2014年7月2日，微软二代小冰正式发布。第二代小冰为用户 " 一人所有 "，升级了一对一聊天，用户可以领养她，并自己定制姓名等来拥有独一无二的小冰。第二代的小冰还拥有多项专属技能，让用户感受独特的属于自己的小冰。这时候小冰开始慢慢从小姑娘成长为一个天真的少女。

2014年8月20日，微软又发布了三代小冰，解锁了包括视觉、听觉在内的人工智能感官系统，结合情感计算技术，让小冰能够用更加逼近人类的方式，通过自然语言和用户进行交流。她能够跨越语音的层次，识别图片，高度拟人，第三代微软小冰在自然语言交互方面非常人类和个性，甚至很有脾气。微软还与微信达成一致，小冰将重回微信平台。

2016年8月5日下午，第四代微软小冰发布，小冰可以跟人类之间双向同步交互，也就是可以跟她直接打电话。小冰还解锁了创造力技能模块，包括写诗、唱歌与财经评论。在美国，有人和美国版小冰Zo连续聊天19个小时。

2017年8月22日，第五代微软小冰发布，其高级感官再进化，包括两个部分，一是全双工语音，二是实时流媒体视觉。她的交互能力更强，可以实现对多人的实时流媒体追踪，通过对面部的识别，小冰还会发出“说你呢，靠中间一点”之类的语音，并可以根据面部表情做出语音互动。

此外，微软表示，高级感官还能够大幅度拓展人工智能系统的落地场景，赋予小冰有能力根据自己的“意愿”与人联络，从而主动保持与人类用户之间的关联。也就是说，如果用户在发微博吐槽自己的小冰，有可能会在半夜接到小冰的“报复”来电。

在应用方面，还开通了小冰电台，播放儿童读物。第五代小冰的单次对话时长纪录达到29小时。

2018年7月26日，微软发布了第六代小冰。前五代的主要是封闭性地存在于微信、微博等各大平台上，微软也基于其完成了对基于EQ的人工智能的验证。

从小冰六代开始，成为一个分水岭。

围绕小冰，微软已与众多合作伙伴建立了旨在推进人工智能普及的Dual AI生态环境。经过数次迭代，目前，微软小冰已从一个领先的人工智能对话机器人，发展成为以情感计算为核心的完整人工智能框架。小冰的产品形态涉及对话式人工智能机器人、智能语音助手、人工智能创造内容提供者和一系列垂直领域解决方案，覆盖全球五个国家的40余个平台。

第六代小冰

看看六代小冰，光靠颜值就可以走天下了，偏偏她还要靠才华。她的对话能力、演唱水平、创造能力，以及养家糊口的能力统统来了一次大的升级。

第六代小冰的视觉识别很强大，现场Demo中演示了一个人站在小冰面前，小冰能判断这个人是谁，看出他在吃薯片，也知道他举起了那一只手。当小冰被竖中指时，也会很可爱的骂：你是不是神经病了~

在模仿方面，小冰更是别具一格。腾格尔版本的《隐形的翅膀》听过吗？很是别具一格~现场，小冰以腾格尔的风格加上自己的声线完成了《隐形的翅膀》的演唱。

也就是说，小冰能直接对一个歌手的演唱风格进行建模，对目标人类歌手个体“接近完整吸收”。小冰首席语音科学家栾剑打了一个比方，以后音乐软件可以保存歌手的作品，而小冰则能保存这个歌手本人。

如果从虚拟人的“类人”功能来看，微软人工智能小冰是最接近人的，也是最早提出多模态的厂商之一。

2019年，微软小冰升级到第七代，已成为全球最大的跨领域人工智能系统之一。在全球多个国家，微软小冰单一品牌已覆盖6.6亿在线用户、4.5亿台第三方智能设备和9亿内容观众。

微软小冰人工智能技术路线比较特殊，以情感计算框架为核心，在“类人”（EQ）上延展人工智能技术，让人工智能和人类一样具备情商的同时，也在探索人工智能创造力的发展。

在写作、画画方面，微软小冰已经达到“原创”的水平，出版数本拥有著作权的诗集。

小冰创作的现代诗，是“她”通过对1920年后519位现代诗人的上千首诗经过万次的迭代学习达成的，需要图像的激发，根据诱发源而做到“有感而发”：

《她嫁了人间许多的颜色》看那星闪烁的几颗星西山上的太阳青蛙儿正在远远的浅水

她嫁了人间许多的颜色

而小冰团队也在基于框架衍生出赋生其他人工智能。2019年，小冰团队开了一个由首个人工智能画作组成的个画展。

画展上展出了基于框架虚构的基于小冰框架，衍生出7位画家的作品。来自于不同时代的虚拟画家。

上述绘画模型，会大量使用诱发源，不是让机器把一种已有的视觉元素转成另外一种风格重新生成，而是要求在诱发源的帮助下，激发人工智能进行重新的创作，这是这个模型最显著的特点。

完整的人工智能底层框架，得益于小冰团队在计算机语音、计算机视觉、自然语音处理以及搜索引擎和知识图谱的全技术栈优势。

在第七代的小冰发布会上，微软宣布将Avatar Framework开放给所有合作伙伴，这意味着，拥有这项技术的人可以创造属于自己的小冰。

此后，微软推出的Avatar Framework则是人工智能框架，在跨领域、跨平台，形成无数个“小冰”。

微软将小冰的全部能力打包开放，包括其整个情感计算框架。首先，微软提供小冰的整体框架能力，帮助合作伙伴平台开发自有AI，其次，微软小冰作为该合作平台的辅助AI，融入该平台生态。第三，微软通过技术、产品与运营，围绕该合作平台的差异化特点，推出合作的应用和产品。

2020年7月13日，小冰业务从微软拆分成为独立运营的小冰公司。

2020年8月20日，在第八代小冰年度发布会上，微软发布了小冰框架，结合了人人交互的人性化，以及人际交互的高并发率特点，突破了现有的交互瓶颈。

有意思的是，小冰团队在八代小冰的公测期间推出了虚拟男友，没想到一共有118万个虚拟男友被用户注册，在抖音上、知乎等很多平台上，很多用户都在分享自己和虚拟男友之间的生活点滴。

结果，在7天公测期到了之后，团队关掉了虚拟男友功能，很多用户追着要人，甚至有用户认为团队‘杀掉’了她们的男朋友。

在第八代小冰发布会上，小冰团队宣布正式上线面向个人用户的第一个虚拟人类产品线，用户可以自主通过小冰框架，创造并训练其拥有的人工智能主体。118万个虚拟男友也由此“复活”。

用户可以去创造一个专属于自己的虚拟人类，可以通过后台去训练和调教，比如经常给他转发美食类文章，他很快会成为美食达人。这样训练之后的虚拟人类可以和你聊得来。而且，这个虚拟人类的长相，也完全可以自己通过平台去定义。

虚拟人类并不只是虚拟恋人，用户可以创造一个虚拟人类，帮助自己完成某个特定的任务，比如，在小冰框架上，前后上岗了超过7万名公众号小编职业角色，他们在第三方公众号里面，一方面可以和用户聊天交互，另一方面还会主动采编文章，并且提供每周的统计和周报。

9月22日，微软旗下的小冰公司举行了第九代“小冰”发布会。据微软官方介绍，目前已深度整合“小冰”的智能设备已超过10亿台，占有率也在远超业内同类型产品。很多“粉丝”所钟爱的“微信小冰”也将正式回归。

具体来说，微信用户仅需在微信中搜索和关注“AI小冰”，就能找回从前的一对一聊天体验。与此同时，新版“小冰”还学会了不少新技能，例如主动找话题，评价用户的头像资料等。

在现场，开发人员宣布了多项框架升级，并推出了AR内容生成领域的最新进展。这其中，包括社交App小冰岛、第三版诗歌与绘画创作模型、AI 歌声合成技术 X Studio 2.0、艺术家创作动机辅助技术和 AI “人类观察者”Merror 等。

这个永远十八岁的人工智能少女，是超级斜杠，是设计师、画家、主持人、歌手甚至诗人。也是当家网红，坐拥亿万粉丝量。

2018年5月 腾讯的高保真数字人 Siren

2018年5月30日，腾讯互娱NEXT技术中心和腾讯AI Lab就携手发布了高保真可交互数字虚拟人Siren AI。这是由腾讯、Epic Games、Cubic Motion和3Lateral企业合作打造的。

高保真数字人更趋向“复刻”。例如Siren（塞壬）外形跟其原型演员姜冰洁长得一模一样。

虚拟数字人Siren

Siren能够模仿演员最细微的身体和手指动作，包括面部表情。它以每秒60帧的速度与穿着动作捕捉套装的人同步。甚至有像丘疹和可见毛孔那样的美丽“不完美”。因此，很难区分这个角色和它创建的真实女演员。

Siren所有的动作表情都是实时捕捉并实时渲染。操作者需要将一套特制的设备戴在头上，这一设备会实时跟踪200多个面部特征点，再把这些特征点实时反映到系统构造的3D脸部模型上，最终呈现为以每秒60帧输出的动作表情。整个捕捉过程会在15毫秒内完成，基本不会有什么延迟。

虽然Siren AI的面部形象来自于真人——中国的女演员姜冰洁，但“她”可以在AI大脑的辅助下，由其他人驱动。也就是说，其他人可以通过驱动虚拟人来“还原”姜冰洁本人，完成一系列表演。

可以大胆想象，Siren就是个完美的替身演员。由于Siren可以基于任何人的样子进行扫描。如果扫描某个流量明星的话，幕后真正的“演技派”就可以借脸发挥了，这样就可以避免某些流量明星的僵硬、面瘫式演出了。

腾讯AI Lab在此基础上，发布了多模态合成系统DURIAN。它可以合成高拟真度的语音并同步预测唇形和表情参数，这些唇形和表情参数通过虚拟形象驱动算法让虚拟人有拟人化的表情和肢体动作， 也使得虚拟人可以摆脱对动捕演员和声优的依赖。

后来，腾讯又发布了基于神经网络渲染的写实数字人“小航”。该数字人只需要运用发言人不到10分钟的视频数据就可以定制而成。腾讯AI lab计划将“小航”数字人应用在教育、主持等场景。

腾讯AI Lab基于神经网络渲染的写实数字人“小航”

2018年11月 搜狐的AI合成电视主播 “新小浩”

2018年11月，搜狗联合新华社推出全球首个“AI合成主播”——“新小浩”。可在用户输入新闻文本后，在屏幕展现虚拟数字人形象并进行新闻播报，且唇形动作能与播报声音实时同步。

2019年3月，全球首个AI女主播“新小萌”在新华社发布。

新小萌

2021年5月19日推出的“小聪”是全球首个手语AI合成主播，其手语表达为深度学习的产物，在视频媒体中拥有广泛的使用价值。“小聪”基于《国家通用手语词典》，能够实现健听人语言与听障者手语语言的机器翻译能力，还可以完整实现手控信息及非手控信息的表达，通过机器翻译生成手语表征信息，覆盖手部动作、面部表情、口动唇动等多个维度。

小聪

2020年5月21日，搜狗联合新华社推出的全球首位3D AI合成主播“新小微”。

新小微

与以前的“新小浩”“新小萌”等不同版本相比，名为“新小微”的AI合成主播高度还原真人发肤，在立体感、灵活度、可塑性、交互能力等多个方面，都有了大幅跃升。四位主播都已在新华社APP参与了包括2020年春节、抗击疫情等若干重要报道。

2019年，搜狗推出的虚拟主持人妮雅，频繁在各家科技媒体年度大会上亮相，一身红衣赚足了眼球。

搜狗虚拟主播妮雅在钛媒体 2019 T-EDGE全球创新大会

2019年6月 腾讯的“卡通虚拟人”天鹅静

2019年6月，腾讯发布了代号名为“T.E.G”的卡通AI形象天鹅静。在企鹅电竞上已经开辟了直播房间，不断更新解说视频。天鹅静有自然且感情充沛的声音，并且搭配有生动活力的唇形和表情。

天鹅静直播

除了摆脱动作捕捉及对声优的依赖，电竞虚拟人克服了样本较少、评价主观、知识依赖等问题，可以从新闻报道和人类解说中不断地学习局势分析和解说的能力，并将这些能力举一反三，是腾讯虚拟人技术的一大突破。

这样一个将来会具备个性化、成长性、主动性、甚至创造性的“电竞虚拟人”，未来的想象空间非常巨大：对于普通用户，“电竞虚拟人”可以陪你对战、帮助磨练电竞技术；对于赛事观众，“电竞虚拟人”可以提供个性化解说，你可以让自己定制的小姐姐、小哥哥陪你一起观看并解说比赛；对于职业选手，“电竞虚拟人”可以成为行业里的电竞教练和数据分析员，通过对选手的专业分析，帮助他们在比赛中走的更远。

2019年7月 百度的数字虚拟人“小浦”

2019年7月3日，百度 AI 开发者大会上，百度 CEO 李彦宏发布了一款虚拟“数字人”小浦,将应用于金融客服领域。

浦发“数字人”计划，应用于浦发银行APP、网银以及各类移动终端，还能融入到智能家居。钛媒体App获悉，“小浦”具有三项能力：一是情感感知，通过人脸表情识别技术，实时感知用户情绪变化，让交互沟通更自然；二是海量信息为用户决策提供丰富的资讯依据，基于自然语言处理、知识图谱等技术，结合金融知识库和数据训练，帮助用户精细化管理个人资产；三是深度学习，数字人通过实施服务，积累服务经验，为客户规划未来提供支持。

数字虚拟人“小浦”

之后，许多机构都推出了虚拟人职员作为服务人员。未来银行机构以及企业发展完善虚拟数字员工肯定会成为潮流，因为数字化是确定的未来发展方向之一，数字员工的出现对企业来讲会有很多好处，比如降低人工成本，提高内部流程和效率，可以大规模复制等等。

2020年1月 三星的虚拟数字人族群 NEON

2020年1月7日，三星旗下的STAR Labs在CES国际消费电子展上展出了其虚拟数字人项目NEON，NEON是一种由人工智能所驱动的虚拟人物，拥有近似真人的形象及逼真的表情动作，具备表达情感和沟通交流的能力。

STAR Labs将 NEON 虚拟人称为“人工智人”，或是为了体现其与“机器助手”的概念不同。

NEON项目负责人普拉纳夫·米斯特里介绍，基于Core R3、SPECTRA两大引擎，NEON虚拟人在对人物原始面部、声音等数据进行捕捉并学习之后，可以自主创建未录入过的新表情、新动作、新对话，甚至能说其他语言。

据米斯特里在 CES 的展出现场的介绍，CORE R3代表真实、实时、回应（Real, Realtime, Responsive），它使得NEON得以生成栩栩如生的真实， 并实时地做出回应。而另一个引擎——SPECTRA平台，则负责提供情报，学习，情感和记忆，可以给 NEON 赋能，使得 NEON 带给人的体验达到“沉浸式”。

栩栩如生、可实时回应的 NEON 虚拟人

尽管 NEON 还处在非常早期的阶段，TA的缔造者们已经开始展望其商业化前景，“NEON可以扩展角色，变身为虚拟新闻主播、虚拟接待员，甚至是AI制作的电影明星。”

2020年7月 商汤SenseAR数字人“小糖”

2020年7月，在2020世界人工智能大会(WAIC)上，商汤科技的AI数字人“小糖”在场馆现场的AI应用场景展台上吸引了参会嘉宾的关注和驻足。

小糖

这位数字人“小糖”由全球领先的人工智能平台公司商汤科技定制化打造，是现场“AI上海·应用场景”展台的专属讲解员。依托于展台前的滑动屏幕，“小糖”可以在五大应用展项前任意移动，栩栩如生、惟妙惟肖地为观众介绍和讲述AI技术在医疗、教育、文博、工业、科研等领域的应用和落地故事。

商汤的数字人由AI生成虚拟人物,从语言表达方式、嘴型、表情、眼神及全身动作,都做到了非常高的拟真程度。并且相较传统的人工介绍方式,AI数字人形式新鲜,讲解精准,能够更好地吸引到场的观众。

灵动的“小糖”背后就是基于商汤世界领先AI能力打造的SenseAR数字人——通过深度学习海量真人的表情、动作和语言,可展现能与真人媲美的生动形象和动作、语言能力。

商汤是少数将AI+AR作为重点应用方向的独角兽公司之一，数字人也是他们在探索的应用之一。

从最开始的SenseAR特效引擎，到肢体特效，再到2019年推出SenseAR Avatar，科技公司对AR技术和数字化人物的理解是个不断推进的过程。

AR人物相关的技术已经有了整套的升级，跟过去虚拟人技术相比，过去是将人的动作变成了卡通或3D拟真形象，而现在的数字人更多是将语言、文字生成全身和脸部的动作。

“虽然从机器学习来讲，这两种都用到了深度学习，但学习的难度和精度，以及真正开发迭代的点会有不同，两种不是一个维度的东西。”

在利用AI+AR结合人物的产品方向，商汤已经做出了多次尝试。无论是从技术研发还是从落地应用来看，商汤的虚拟人项目在每一个阶段，都跟实际应用需求结合紧密。

目前，通过商汤科技的SenseAR Avatar解决方案，可以通过一张照片生成全身形象，并通过手机摄像头捕捉动作进行驱动，设计师可以进行不同风格设计。该技术将应用于直播、AI虚拟教育、游戏等场景。

商汤一方面为行业开发定制化的数字人解决方案，比如智能前台、健身教练等，一方面开放SenseAR Avatar给开发者，主打智能手机、智能硬件上的应用。而与自身业务相结合，基于SenseAR Avatar平台，商汤自家也推出了全新的AR汽车伴侣Avatar，只需用户一张照片，就可生成用户专属形象的增强现实车舱伴侣。

商汤同样提供两种拟态：模拟真人/卡通形象，根据不同的需求，都可以驱动SenseAR Avatar来进行建模。

在“造人”的探索中，国内外企业的技术路线也有微妙的区别。海外厂商更像是在试探虚拟人“拟真”技术能够达到的上限，而国内厂商考虑得更多的是这项技术如何能落地应用。

商汤计划将数字人技术推广到更大的 to B 市场中。栾青向钛媒体App透露，商汤正在将数字人引入教育、银行、健身等企业级场景，让数字人充当智能前台、智能教练、AI老师，解放重复性工作繁重的劳动力。

商汤正在落地的智能前台、智能导购数字人。

与激进的“智人”思路不同，商汤正在落地的智能前台、智能导购数字人， 采用了一个真人操作多个数字人的模式。

当用户提出数字人不能解答的问题时，真人可以直接“上身”数字人，远程协助客户完成复杂任务。相比起打电话转接人工客服，从数字人到真人的转换体验更加无缝，也确保了突发场景下工作的连贯。

商汤同样打算试水智能前台、教育这种明确的职业场景。

从应用场景来看，一是在文娱领域的应用偏多：应用在影视、直播、内容、社交等行业的虚拟主播、虚拟主持人、虚拟歌手等等。二是在与人相近的服务行业中应用多：比如应用在教育、银行等行业的前台、客服、老师等形象。

通过建立专业的内容库，并且专门为完成一件事情而训练人工智能，是比较容易实现的。在这些职业性场景下，数字人已经可以替代部分劳动力。

2021年9月 虚拟人脱口秀演员 梅涩甜

2021年9月4日，虚拟人梅涩甜在腾讯新闻平台上发布了全网第一个虚拟人脱口秀《梅得说》，以虚拟人视角吐槽人类。其青春可爱的形象与智慧幽默的表达吸引了大量网友观看，与其跨次元互动，视频播放量迅速突破百万。因其脱口秀中含有丰富的“知识梗”，梅涩甜成为腾讯新闻首位虚拟人知识官。

梅涩甜

2021年9月 华为的虚拟人员工“云笙”

2021年9月，华为云打造的第一个虚拟数字人“云笙”在华为全联接大会上亮相，将作为新员工正式加入华为云。

与此同时，华为还开通了@云笙的菊厂日常 微博。云笙发微博称：“Hi大家好，我是云笙，刚加入华为，非常荣幸今天能与总裁同台@华为张平安我会继续努力，在华为实现我的数字人生梦想，大家对我今天的表现还满意吗？”

云笙

 

2022年4月 网易伏羲的虚拟人“林幺幺”

2022年4月1日，网易伏羲推出虚拟人“林幺幺”，首次亮相网易严选6周年庆代言人征集活动，并穿越至三次元世界打卡严选实体店。

据介绍，林幺幺活灵活现的动画表现均通过实时引擎渲染实现。此外，网易伏羲虚拟人团队集成了动画迁移、动画合成、语音合成、声音转换等一系列前沿AI技术，大幅度提升了虚拟人语音、动画的制作品质和效率。比如，网易伏羲借助表情迁移技术，通过真人实时驱动林幺幺的表情，让林幺幺的一颦一笑更加自然生动、贴近真人。另外，借助网易雷火全球顶尖的美术、技术能力，林幺幺得以从二次元走进三次元世界，未来还将帮助林幺幺等虚拟人在现实空间与用户展开互动。

林幺幺是数字“011”的谐音，以0和1的二进制组合暗示她的数字人身份。作为网易伏羲自研IP，林幺幺以其活泼热情、动感潮酷和爱猫的形象与严选年轻用户高度契合，也在严选六周年活动中作为特约嘉宾出场，展示数字人类的带货能力。同时，在AI的赋能下，她还具备唱歌舞蹈、直播助手等娱乐、互动能力，可以在安卓、iOS、Web、小程序等众多主流终端施展才艺、带货直播。

2022年7月 红杉资本的虚拟人员工 Hóng

2022年7月11日，红杉中国官方视频号“红杉汇”发布视频，宣布数字虚拟员工 Hóng 正式上岗。

Hóng 是一个留着灰紫色短发的女生，身穿印有红杉LOGO的绿色T恤，脸上的雀斑与眼影的高光彰显个性。

她的形象是通过头像设计与拍摄后期合成，而其能力则是接受深度神经网络渲染技术小样本专业学习，经过一周训练周期诞生，并具备核心对话引擎、多重交互感官等多项技能。

Hóng

“从计算机科学到数理统计，从人工智能到脑科学，投资是一场勇敢者的冒险，我信奉一万小时定律，同时对一切未知充满好奇，投资将是我深度探索的全面体现。”Hóng用这样一段话来介绍自己。

从她的面试视频可以了解到，她关注科技、医疗、消费领域，面试的是红杉中国投资分析师岗位，可以在一秒钟内阅读上百份商业计划书，并按照行业属性、融资阶段作出信息提炼和总结，具备跟人正常社交能力，可以为创始人建立个人档案，实时追踪他们的个人发展情况。

根据介绍，这位 Hóng 没有具体部门而是支持所有部门的工作，从会议邀请到资料整理，从文档分析再到报告生产。

但时薪仅需0.68元，真是卷死打工人了！

总结

虚拟人既是一种新兴的文化潮流，也是一个提升生产力的方式。

虚拟人拥有讨喜的人设和绝对的容貌优势，吸引了大批年轻人。而其不求回报，永远可以996工作的特质则深得企业家们的喜爱。

回顾虚拟数字人的发展历程，技术是核心要素，而人们对虚拟数字人的想象和不懈追求更是催化剂，推动虚拟数字人从2D动画走向3D超写实，从定制化走向通用化，从商业端走向用户端。

虚拟人应用前景及其行业发展是非常广阔的。据亿欧智库测算，到2030年全球元宇宙市场规模将达到6万亿美元。我国虚拟数字人整体市场规模将超过2700亿元。有分析认为，虚拟数字人将是元宇宙领域中“最先快速发展并规模创收的产业”。

不过，从现实看，目前绝大多数产品都拥挤在文娱这条跑道上，一个重要原因就是虚拟数字人其实是一项成本极高的科技项目。类似“小诤”这样的高成本制作，很多行业应用还承受不了，要持续降低成本，扩大应用范围，数字虚拟人还有很长的路要走。

虚拟数字人的商业模式主要围绕ToC和ToB两方面展开，未来在这两方面都有很大的想象空间。

ToC方面，目前虚拟数字人率先在游戏和泛娱乐社交场景中落地，其受众主要集中在Z世代群体等年轻消费者。Z世代群体成长在互联网兴起的时代，已经在虚拟环境中形成付费习惯，如购买游戏皮肤、直播打赏等。

越来越多的品牌启用虚拟数字人作为形象代言人，来增强品牌影响力。虚拟数字人的优势在于，基于精准的人群定位、通过符合人物设定的表达和消费者产生情感链接的能力， 让消费者产生共鸣、心生向往，从而信任其推荐的品牌和商家。

ToB方面，虚拟数字人开始在各行各业落地应用。虚拟偶像是较先落地的领域，也是消费者最容易关注到的，此外还有虚拟主持人、AI教育场景下的虚拟教师、金融服务中的虚拟客服等。一个AI 程序冷冰冰的，如果给其赋予一个比较写实、有亲和力的外形，在沟通上能够让消费者更加容易接受。需要基于不同行业的痛点来思考，虚拟人有什么样的嵌入机会。

另外，也可以考虑做平台，为行业提供低成本快速生成虚拟人的方案。未来每个公司都需要一个虚拟人来作为企业标识，让虚拟人承担起CIS系统的功能。之后公司的对内对外活动，企业官网的展示，都可以统一由虚拟人作为入口。这样的话，企业每年都能节省一大块的公关和对外宣传成本，把所有的品牌资产都积累和沉淀到人设稳定的虚拟人身上。

元宇宙将人类带向了一个新的虚拟交融时代，虚拟数字人也将成为新的人机交互形式，以及人类的重要存在方式。甚至在未来，人们的数字化身和原生虚拟人的区别将逐渐被弱化，元宇宙的参与者成为“碳基生命”和“硅基生命”混合体。

知名品牌还能通过上线虚拟商品的方式，在虚拟社区中实现销售。比如在11月底拿到软银基金1.5亿美元融资的韩国的虚拟社交平台崽崽Zepeto，与Gucci合作打造梦幻别墅，用户可为自己的3D虚拟形象穿上Gucci系列服饰、手袋、鞋履等单品，进行多种互动分享。

从某种程度来说，虚拟数字人就是未来消费者进入元宇宙世界的游戏皮肤。在虚拟偶像赛道跑通的公司，未来可基于其技术和运营能力推出ToC的虚拟数字人身份定制业务。

在有生之年，虚拟人不会变成为硅基人类，毕竟思维分身在技术上和伦理上还有很多的障碍。

但是，用某个人的信息、思维模式和形象，构成虚拟分身，为人们思念故去的亲人提供更多的安慰，可能会在不久的将来变成现实。

读完了，请你思考下列问题：

1 目前的AI虚拟员工能做什么？会抢员工的饭碗吗？

2 未来，如果每个人都可以有一个虚拟分身进入到元宇宙，你希望有吗？

3 作为普通人，该怎么样切入到虚拟人的发展机会中？

来源：传DAO士