全真互聯(lián)時代正在悄然到來，加速線上線下的跨時空融合，作為全真互聯(lián)的重要入口，數(shù)字人可以推動線上和線下更加全面地一體化，打造出沉浸式的“全真”體驗與可操作的“互聯(lián)”交互。

進入2022年以來，數(shù)字人在諸多應用場景大放光彩，特別是在北京冬奧會的開幕式表演、氣象播報、手語解說中頻頻現(xiàn)身，使其用戶基礎不斷擴大。爆點事件推動數(shù)字人產(chǎn)業(yè)被用戶不斷加深認知，數(shù)字人形態(tài)、技術及應用受到大量關注，而支持產(chǎn)業(yè)快速發(fā)展的底層元素則包括技術的發(fā)展、用戶新需求、生態(tài)完善和標準的支持等。

伴隨著全真互聯(lián)的到來，未來數(shù)字人應用還將具有哪些可能性，技術路線會產(chǎn)生哪些變化? 騰訊研究院、騰訊云智能和創(chuàng)業(yè)黑馬合作，先后對數(shù)十家從事數(shù)字人的企業(yè)進行深度調研與跟蹤訪談 ，分析產(chǎn)業(yè)發(fā)展現(xiàn)狀，底層驅動力、未來方向和挑戰(zhàn)等。形成《數(shù)字人產(chǎn)業(yè)發(fā)展趨勢報告（2023）》（文末附下載二維碼）。從數(shù)字人的價值定位、核心技術、行業(yè)應用、C端發(fā)展、產(chǎn)業(yè)聚集等十個不同維度進行剖析，挖掘出產(chǎn)業(yè)發(fā)展的十大趨勢。

趨勢1：數(shù)字人制造和運營服務的B端市場不斷擴大，將面向更廣大的C端用戶提供服務，各類數(shù)字人價值定位和商業(yè)模式有差異。

數(shù)字人的最終服務對象為C端用戶，在B端的應用領域從電影動畫向廣告營銷、電商直播、虛擬偶像等領域不斷擴展。未來，以虛擬分身為代表的應用潛力巨大。從需求角度，數(shù)字人制造和運營服務在B端市場不斷擴大領域和規(guī)模，面向更廣大的C端用戶提供服務，而制作方式也從PGC向UGC發(fā)展。

在20世紀80年代電影、動畫等領域早期的手繪數(shù)字人最先出現(xiàn)，伴隨著21世紀初計算機動畫和動捕技術的成熟，內容/IP型數(shù)字人大量應用在影視行業(yè)中，主要是增強影視中觀眾的體驗效果，隨后逐漸在文娛、市場營銷、文旅、虛擬偶像等場景推廣應用。近年，伴隨AI驅動技術的成熟，功能服務型數(shù)字人陸續(xù)出現(xiàn)，主要應用于行業(yè)服務場景，如金融數(shù)字人客服、傳媒數(shù)字人口播等。在虛擬空間中的虛擬分身數(shù)字人大范圍出現(xiàn)相對較晚，虛擬空間的技術和產(chǎn)品還在發(fā)展中，待產(chǎn)業(yè)進一步完善，此類應用潛力巨大，是數(shù)字人市場的增量空間。

趨勢2：技術集綜合迭代驅動數(shù)字人形似人，制作效能將繼續(xù)提升。

多元技術推動數(shù)字人外形更像真人：建模技術發(fā)展推動超寫實數(shù)字人制作門檻、成本和周期進一步下降；物理仿真算法迭代推動服裝動態(tài)展示趨向真實；渲染引擎迭代和GPU算力提升推動數(shù)字人畫面更加精細和實時化；算法的優(yōu)化推動專業(yè)動捕設備趨向便捷化，視覺動捕在C端應用潛力更大；面部捕捉技術向更簡單的硬件、更細膩的表情、更自動化的流程方向發(fā)展。

趨勢3：AI技術驅動數(shù)字人多模態(tài)交互更神似人，并逐步覆蓋數(shù)字人全流程。

當前數(shù)字人對語言理解還是以文本為主，動作合成上聲唇同步較為完善:

（1）AI驅動數(shù)字人是指數(shù)字人等語音表達、面部表情和動作形態(tài)等通過深度學習模型進行運算，并將其結果實時或者離線驅動，并進行渲染。目前主流的 方式是圍繞NLP能力通過文本驅動，本質是通過ASR-NLP-TTS等AI技術進行感知-決策-表達的閉環(huán)來驅動數(shù)字人交互，同時需要預先設置相關的知 識圖譜或問答庫等，與數(shù)字人的對話系統(tǒng)對接，但目前NLP在通用性場景的能力還需要進一步完善。

（2）計算機視覺(CV)目前數(shù)字人聲唇同步技術相對完善，在游戲中已經(jīng)大量應用;而其他表情和動作還需要描述性的數(shù)據(jù)或者標簽驅動，尚未智能合成， 表情動作也是是AI驅動未來發(fā)展的重點方向。

未來AI技術的重點方向是在輸入端實現(xiàn)多模態(tài)感知輸入，在輸出端提升多模態(tài)交互能力，綜合提升數(shù)字人的表現(xiàn)力，從目前的基于文本的交互，轉化為基 于語義的交互，特別是需要強化對人情緒的感知和表達。此外除了利用ASR-NLP-TTS等技術驅動數(shù)字人交互外，AI技術也應用在2D數(shù)字人的視頻生成、3D數(shù)字人的建模、視頻驅動、物理仿真等多個環(huán)節(jié)。

趨勢4：數(shù)字人技術與SLAM、3D交互、體積視頻、空間音頻等技術深度融合，渲染將從本地到云端。

數(shù)字人作為3D呈現(xiàn)的一種方式，未來將與其他3D技術如SLAM（即時定位與地圖構建）、體積視頻、空間音頻等融合，進一步完善數(shù)字人和真實空間的交互。例如在直播場景中虛擬/真實空間中真人和數(shù)字人的交互，數(shù)字人對真實空間的感知等。同時由于數(shù)字人對渲染能力要求較高，未來云端渲染是重要的方向，將推動云服務商從算力（CPU）云服務，到渲染力（GPU）的云服務。但成本仍是云渲染普及的關鍵阻礙，需要突破。

趨勢5：千行千面的數(shù)字人將成為人機交互新入口，但深度上仍需挖掘。

AI驅動的數(shù)字人通過AI能力建立人與大數(shù)據(jù)的連接，提高效率并滿足人情感交流需求，提升用戶體驗，將成為人機交互新入口：應用廣度上：目前使用文字或語音交互的場景都可用AI數(shù)字人軟著陸的方式替代，不需要改變原有的業(yè)務邏輯和商業(yè)模式，大眾接受成本較低，并提供更好的用戶體驗，未來應用場景非常廣泛，可以與各種領域相結合，服務規(guī)模化和標準化。應用深度上：數(shù)字人作為企業(yè)的數(shù)字資產(chǎn)，是對員工工作的增強，具有生產(chǎn)力的屬性，可以進一步釋放生產(chǎn)力，同時降本增效。未來數(shù)字人將根據(jù)不同行業(yè)的業(yè)務特點和應用場景進行更深度結合，孵化千行千面的數(shù)字員工，提供差異化服務。

趨勢6：UGC數(shù)字人將加速出現(xiàn)，成為未來產(chǎn)業(yè)的增量空間。

未來1-2年技術門檻和成本將快速下降，會出現(xiàn)更開放的創(chuàng)作者生態(tài)、更豐富的UGC內容和商業(yè)模式，UGC將成為數(shù)字人的增量空間，同時也是數(shù)字人在C端應用的主要生產(chǎn)方式

趨勢7：數(shù)字人仍以2D顯示設備為主，3D顯示設備成為特定領域的新解法。

數(shù)字人的顯示載體包括手機、平板電腦、AR/VR眼鏡、智慧大屏或線下一體機等多種終端設備。PC、手機、智慧大屏、銀行VTM機等2D主流顯示設備仍是數(shù)字人顯示的主要載體。數(shù)字人和3D的數(shù)字內容，對于裸眼3D、VR、AR等3D顯示設備的普及具有推動重要。特別在VR/AR設備中，6dof交互更突出數(shù)字人特點，因此會在特定領域成為新解法，如在XR設備中的線上演唱會、展會和會議等應用場景。

趨勢8：在場是數(shù)字人發(fā)展的高級階段，將與應用場景深度耦合。

離線階段--目前數(shù)字人產(chǎn)業(yè)正處于快速發(fā)展期間：離線渲染、非交互類型的數(shù)字人仍是主流，在數(shù)字化營銷、文娛等領域應用廣泛；AI驅動的數(shù)字人在行業(yè)服務中，虛擬分身數(shù)字人在虛擬空間中處于爆發(fā)前期。在線階段--伴隨數(shù)字人快速發(fā)展和大量使用，用戶將很快進入體驗突破階段，在此階段利用AI驅動提供初級的實時交互和實時渲染技術不斷突破在場階段--實時交互，更加智能的數(shù)字人，并結合更深的行業(yè)理解，帶來更真實的沉浸感和更大的價值。

趨勢9：藝術和技術雙輪驅動，北京有望成為產(chǎn)業(yè)新高地。

作為科技產(chǎn)品，數(shù)字人需要技術研發(fā)、人工智能、產(chǎn)品設計、運營、融資環(huán)境等多方面人才，因此互聯(lián)網(wǎng)發(fā)展較好的區(qū)域，如北京、杭州、上海、深圳等互聯(lián)網(wǎng)和數(shù)字內容高地，將成為數(shù)字人產(chǎn)業(yè)的重要聚居地。在眾多因素中，藝術和科技是最強驅動力，北京藝術資源相對集中，擁有中國傳媒大學、中央美術學院頭部藝術類院校和專家資源；科技產(chǎn)業(yè)優(yōu)勢突出，互聯(lián)網(wǎng)企業(yè)數(shù)量較多，聚集了大量技術研發(fā)、AI算法等方面的人才；同時政府高度重視數(shù)字人產(chǎn)業(yè)，第一個發(fā)布數(shù)字人發(fā)展政策。在產(chǎn)業(yè)和政策的推動下，有望成為數(shù)字人產(chǎn)業(yè)聚焦的新高地。

趨勢10：數(shù)字人版權保護及行業(yè)合規(guī)體系需同步建設，推動實現(xiàn)可用、可靠、可知、可控。

數(shù)字人行業(yè)總體還在快速發(fā)展階段，發(fā)展和生存是企業(yè)的重點和方向，數(shù)字人著作權、外觀設計專利、商標等知識產(chǎn)權保護體系亟待完善。

面向未來，數(shù)字人會正朝幾個方向加速迭代：一是外貌更加精致，形象更加逼真，動作更加自然，即“皮囊更好看”，跨越恐怖谷效應后，會使人覺得數(shù)字人和真人無異，有利于建立良好的心理連接；二是隨著AI技術的不斷完善，數(shù)字人多模態(tài)感知和交互的能力會得到顯著提升，數(shù)字人未來有可能具備記憶力和判斷力，從而更加智能，行為和思想上更趨于接近人，擁有“有趣的靈魂”。此外，數(shù)字人產(chǎn)業(yè)的加速發(fā)展，也需要渲染、動捕等行業(yè)開發(fā)工具、云渲染等技術支持體系的進一步完善，從而大幅提升制作效能，有效降低制作時間和成本。目前，很多技術已經(jīng)接近商業(yè)化大規(guī)模推廣的臨界點，數(shù)字人產(chǎn)業(yè)有望進入全真互聯(lián)的新階段：將可能作為我們的分身，成為數(shù)字世界的交互入口，為我們帶來更智能、更沉浸的“在場”體驗。

報告目錄如下：

(一) 發(fā)展現(xiàn)狀

1. 網(wǎng)紅數(shù)字人推動C端直觀認知和概念普及

2. 融資事件頻繁及專項政策的出臺進一步加深對產(chǎn)業(yè)的認知

3. 技術發(fā)展是數(shù)字人第一推動力

4. Z世代用戶崛起，數(shù)字人和虛擬空間為互聯(lián)網(wǎng)原生一代提供新體驗

5. 頭部企業(yè)從工具、平臺和應用多維度入局，引領數(shù)字人產(chǎn)業(yè)發(fā)展

6. 標準制定引導產(chǎn)業(yè)規(guī)范發(fā)展

(二) 產(chǎn)業(yè)趨勢

1. 價值定位：數(shù)字人制造和運營服務的B端市場不斷擴大，將面向更廣大的C端用戶提供服務，各類數(shù)字人價值定位和商業(yè)模式有差異。

2. 技術迭代：技術集綜合迭代驅動數(shù)字人形似人，制作效能將繼續(xù)提升。

3. AI賦能：AI技術驅動數(shù)字人多模態(tài)交互更神似人，并逐步覆蓋數(shù)字人全流程。

4. 融合發(fā)展：數(shù)字人技術與SLAM、3D交互、體積視頻、空間音頻等技術深度融合，渲染將從本地到云端。

5. 行業(yè)應用：千行千面的數(shù)字人將成為人機交互新入口，但深度上仍需挖掘。

6. C端模式：UGC數(shù)字人將加速出現(xiàn)，成為未來產(chǎn)業(yè)的增量空間。

7. 硬件載體：數(shù)字人仍以2D顯示設備為主，3D顯示設備成為特定領域的新解法。

8. 發(fā)展路徑：在場是數(shù)字人發(fā)展的高級階段，將與應用場景深度耦合。

9. 產(chǎn)業(yè)集聚：藝術和技術雙輪驅動，北京有望成為產(chǎn)業(yè)新高地。

10. 合規(guī)前置：數(shù)字人版權保護及行業(yè)合規(guī)體系需同步建設，推動實現(xiàn)可用、可靠、可知、可控。

(三) 應用案例

1.典型產(chǎn)品:數(shù)字人播報SaaS工具、數(shù)字人UGC制作工具、數(shù)字人生產(chǎn)工具、快速數(shù)字分身生成工具、C端數(shù)字人直播工具、布料實時仿真工具、AI驅動數(shù)字人直播工具、視頻實時驅動產(chǎn)品、 AI 驅動業(yè)務中臺、虛擬空間產(chǎn)品

2.新型顯示:AR眼鏡、裸眼3D屏幕、沉浸式裸眼3D交互

3.解決方案:騰訊云數(shù)字人整體解決方案、中之人驅動直播方案、超寫實數(shù)字人制作方案、高品質數(shù)字人制作和直播方案

4.行業(yè)應用:金融、傳媒、文旅、云展廳、科教、泛娛、影視、市場營銷、公益

掃描下方二維碼查看/下載

《數(shù)字人產(chǎn)業(yè)發(fā)展趨勢報告（2023）》