(網(wǎng)經(jīng)社訊)核心觀點
1.虛擬數(shù)字人的三大特征是虛擬化、NLP\CV\語音等多種技術(shù)共同成熟、高度擬人化。在技術(shù)層面上分為靈活的真人驅(qū)動型和基于深度學(xué)習(xí)的計算驅(qū)動型。
2.在2030年，我國虛擬數(shù)字人整體市場規(guī)模將達(dá)到2700億。身份型虛擬數(shù)字人約1750億。服務(wù)型虛擬數(shù)字人總規(guī)模超過950億。目前市場仍處于前期培育階段。
3.虛擬數(shù)字人的應(yīng)用可分為服務(wù)型虛擬人和身份型虛擬人。替代真人服務(wù)中的虛擬主播和虛擬IP中的虛擬偶像是目前的市場熱點。
4.虛擬數(shù)字人產(chǎn)業(yè)鏈。各廠商規(guī)劃在未來對核心技術(shù)進(jìn)行外包。
6. 國內(nèi)外在細(xì)分市場上的競爭差異較大，具體包含技術(shù)層面、商業(yè)模式、細(xì)分市場及發(fā)展路線。
7. 行業(yè)門檻及瓶頸主要來源于三方面：上限偏高的技術(shù)及美術(shù)門檻；客戶積累帶來的業(yè)務(wù)認(rèn)知；在各細(xì)分市場亟待實現(xiàn)的標(biāo)準(zhǔn)化復(fù)制。
虛擬數(shù)字人定義
虛擬數(shù)字人指存在于非物理世界中，由計算機圖形學(xué)、圖形渲染、動作捕捉、深度學(xué)習(xí)、語音合成等計算機手段創(chuàng)造及使用，并具有多重人類特征（外貌特征、人類表演能力、人類交互能力等）的綜合產(chǎn)物。市面上也多將其稱為為虛擬形象、虛擬人、數(shù)字人等，代表性的細(xì)分應(yīng)用包括虛擬助手、虛擬客服、虛擬偶像/主播等。
其具體特征可拆分為“虛擬”、“數(shù)字”及“人”三個部分。在試用了相關(guān)產(chǎn)品后，我們認(rèn)為，“人”是其中的核心的因素。高度擬人化為用戶帶來的親切感、關(guān)懷感與沉浸感是多數(shù)消費者的核心使用動力。能否提供足夠自然逼真的相處體驗，將成為虛擬數(shù)字人在各個場景中取代真人，完成語音交互方式升級的重要標(biāo)準(zhǔn)。
虛擬—存在于非物理世界中，不同場景實現(xiàn)難度不同
目前，虛擬數(shù)字人主要以圖片、視頻、實時直播、實時動畫等方式存在于電子屏中，如APP、小程序、軟硬一體顯示設(shè)備。在未來，VR設(shè)備與全息投影也將成為其重要存在方式。
需注意的是，盡管其存在方式均在非物理世界中，由于各場景所需的時延（如直播等實時場景要求低時延，但內(nèi)容生成場景無該要求）、驅(qū)動方式（計算驅(qū)動對模型的深度學(xué)習(xí)能力有極高要求）等不同，對技術(shù)、運營等要求差異較大。
數(shù)字—依托多項技術(shù)存在，相關(guān)技術(shù)成熟成為其發(fā)展重要推動力
虛擬數(shù)字人是典型的多技術(shù)綜合產(chǎn)物。除CG建模+真人驅(qū)動的類別外，多模態(tài)技術(shù)與深度學(xué)習(xí)成為其核心點。該部分將在技術(shù)中詳細(xì)展開。多位從業(yè)人員認(rèn)為，虛擬數(shù)字人近年的發(fā)展來源于CG（Computer Graphics，利用計算機進(jìn)行視覺設(shè)計和生產(chǎn)）、語音識別、圖像識別、動捕等相關(guān)技術(shù)的共同成熟。
人—在外表、行為、交互行為等方面高度擬人化，外在表現(xiàn)和交互效果已成為核心發(fā)展路線
外表：虛擬數(shù)字人的面部長相和整體形象。會受到虛擬數(shù)字人類別（如直接借用真人形象、高保真建模、風(fēng)格化）、制作細(xì)節(jié)（對汗毛、皮膚、頭發(fā)等細(xì)節(jié)的建模）、渲染水平、設(shè)計審美等影響。
行為：虛擬數(shù)字人的面部表情、形體表達(dá)、語音表述等。會受到驅(qū)動方式（真人驅(qū)動、計算驅(qū)動、預(yù)制調(diào)節(jié)等）、驅(qū)動模型類別（精細(xì)面部肌肉驅(qū)動、語音合成模型中對語氣詞、韻律的處理等）、訓(xùn)練數(shù)據(jù)、驅(qū)動模型精度等影響。
交互：虛擬數(shù)字人與現(xiàn)實世界的交互水平，包括回答內(nèi)容、肢體反應(yīng)等，會受到語音識別能力、自然語言理解及處理水平、知識圖譜、預(yù)先設(shè)置知識庫等影響。
