“数字人超真人”：百度不是池中物，AI应用见功夫_风闻

文 | 佘宗明

“在25年内，每个人都可以以自己为模板创造出逼真的数字虚拟人。”在新著《2049》中，凯文·凯利做出了这番预言。他断言：数字人将在未来迎来大爆发。

端倪早已显现：过去几年，涌入直播间的数字人主播越来越多，数字人直播也被视作AI的下个规模化落地场景。

只不过，之前的很多数字人表情呆板、反应机械、互动匮乏，连仿真都谈不上，遑论逼真。因而，以往如果有人说“数字人可以超越真人主播”，大概率会被回上一句“呵呵”。

但罗永浩数字人在今年618期间的首秀，改变了不少人的既有看法：原来数字人还能突破照本宣科桎梏、打破随机应变困局，解锁根据场景做出反应、双数字人默契互动、超长时间稳定输出等技能包。单从神情看，罗永浩数字人跟罗永浩不能说毫无关系，只能说一模一样。

目前看，凯文·凯利说的“逼真”二字正愈发具象化：7月26日，在2025年世界⼈⼯智能⼤会（WAIC 2025）上，作为业界⾸个AI全栈式数字⼈直播解决⽅案的百度慧播星又发布了新一代数字⼈技术NOVA，该技术曾支撑罗永浩数字人直播间创下5500万GMV，预计将于10月向全行业开放。

到那时，普通用户也可获得媲美头部主播的专业带货能力，这标志着超头主播能力复刻进入规模化量产时代。

想让数字人直播时随性秀花活，跟网友灵活玩梗？没问题。想让其举杯时手腕微颤，调侃时眉梢轻挑？也OK。当数字人带来的不是出戏而是入戏，随之而来的便是数字人从“仿真”迈入“超真”时代。

值得注意的是，此次大会上，萝⼘快跑、飞桨深度学习平台、百度智算集群共同入选中国人工智能产业创新成果展，再加上NOVA数字⼈技术，百度无疑是用AI全栈布局的代表性成果秀出了AI实力的“肌肉密度”。

从底层设施搭建到上层应用落地的完整生态闭环，托起了百度在AI能力值上的六边形战士形象，也注解了“百度不是池中物，AI应用见功夫”。

01

说是数字人，其实是数字播报员、文字复读机，这是许多人对数字人的固有印象。看着数字人直播时那唱独角戏的尴尬情景、“帧漂移”的卡顿画面、台词跟表情错位的游离画风，很多人会忍不住将数字人跟“五毛特效”画等号。

数字人“一眼假”，不是厂商不想避免，而是他们无可避免：传统的数字人技术就是语言、语音、视觉三条线各自生成内容后再拼接，出现音画不同步、表情僵硬、言语乏味等问题在所难免。

技术瓶颈，使得数字人的作用始终停留在“基础讲解工具”层面。你想要他在预设脚本外，来些即兴发挥？想要他在机械播报外，多些实时互动？不好意思，超纲了。

这很难激发用户信任感、激起用户购买欲。用户想要看到的，是“主播”声音上能抑扬顿挫、表情上能灵活变化、动作上能精准表达，是听得懂包袱、开得了玩笑、答得了问题，谁想看那些没有灵魂的2D纸片人在那念稿呢？

但要让数字人体现出活人感、避免假人感，并非易事。它涉及跨模态融合和协同、自然语言理解跟应用、动作捕捉与生成、实时交互和延迟优化等，整个技术链路十分复杂。

就拿互动来说，网友在直播间评论区的提问可能多元无序，真人主播互动时不会简单地“一问一答”和“即问即答”，而要对评论内容进行意图分析、提炼归并，根据讲解节奏选择合适时机、给出合宜回答。这就很考验数字人的智能化分析能力。

而NOVA不只是让数字人看起来像人，更让数字人拥有会思考和能协同的能力。利用剧本驱动的数字人多模协同、融合多模规划与深度思考的剧本生成、动态决策的实时交互、文本自控的语音合成、高一致性超拟真数字人长视频生成等创新技术，它实现了数字人“神、形、音、容、话”的全模态高度统一。

数字人表情呆板？NOVA数字人技术支持多模协同，根据剧本要素实时调整语调、表情和动作，手指该指向产品细节时就指过去，语气该强调某个功能时就强化突出。

数字人反应机械？NOVA数字人技术具备高表现力特点，能自动完成眼神交流后递话筒、讨论产品时亲身演示、二人搭档时表情配合等操作。

数字人互动匮乏？NOVA数字人技术接受复杂交互，当观众在直播间提问“这款手机续航怎样”时，他会迅速完成调用产品数据库提取续航参数、生成“可出差三天不插电”的口语化回答、同步调出电量测试视频佐证；当直播热度下降时，他还能自动调度场控数字人发起抽奖，助播数字人补充产品细节，形成“主播讲解+专家答疑+福利刺激”的立体互动链。

既能理解商品卖点，又能生成自然语言，还能匹配肢体动作，很明显，NOVA跳出了面相复刻的层次，拓展了数字人能力的边界。随之而来的，是“数字⼈可以超越真⼈，可以⽐专业主播更会播”的数字⼈直播前景的近在眼前。

02

某种程度上，数字人就是大模型多模整合能力的观察切口。NOVA能变成数字人维度的“全能ACE”，就是百度多模态⼤模型能⼒（语⾔、视觉、语⾳深度融合）的展示——NOVA数字人具备的多模协同、⾼表现⼒、复杂交互等特点，本就是对⼤模型的“集⼤成使⽤”。

数字人直播的本质是“长视频生成”任务，需要同时处理文本（脚本）、语音（解说）、视觉（动作）、情绪（情感）、知识（产品信息）等多维度数据。

NOVA数字人技术就是让懂商品、懂用户、懂人设的“剧本”模型充当总导演，统筹文本、语音、视觉等各个“演员”配合，协力完成以“数”乱真的演出。

在此过程中，大模型会将文本、语音等转化为多维度向量，通过MoE（混合专家）架构分配给不同“AI专家”处理：语言专家负责文案生成，视觉专家处理动作协同，知识专家管理产品数据库，最终由中枢系统整合输出。如此一来，数字人既能“像作家一样组织语言”，又能“像演员一样控制表情”，还能“像操盘手一样进行控场”。

IDC今年上半年发布的行业首份电商直播数字人报告显示，百度慧播星综合实⼒排名⾏业第⼀，五项测评指标中，它在技术能⼒、产品表现、平台合规与稳定性、客户服务四项上均居首位。接下来，NOVA可以继续强化其既有优势。

NOVA数字人技术可同时驱动“语言脑”“运动脑”“逻辑脑”高效协作，离不开百度大模型全栈布局的支撑。

如果没有文心大模型4.5Turbo赋予的内容创作能力，NOVA数字人就没法根据商品卖点自动生成有梗有料”的文案；如果没有飞桨提供的多模态训练能力，NOVA数字人也就没法实现神、形、音、容、话同步；如果没有百度打造的“全息声场系统”和声纹克隆技术，NOVA的“形似声更似”也就无从谈起。

长视频生成终究是高耗时任务，伴生的延迟卡点问题必然会影响实时生成效果。百度就在昆仑芯三万卡集群的加持下，通过“流式生成”工程化设计（语言、语音、视觉三个模态不是串行等待，而是并行工作）和“离在线统一”办法（可预见交互内容提前处理，需即时反应部分则在线动态生成），让体验变得丝滑。

罗永浩数字人首播创下5500万GMV的背后，就是直播调用了1.3万次知识库，生成9.7万字讲解内容，双数字人做出8300个动作，却没有出现一次表情崩坏或逻辑断层，6小时直播的视频生成零卡顿。搁以前，这几乎不可想象。

03

数字人技术突破，是百度AI全栈自研能力在应用上的辐射。在此次WAIC上亮相的另一个百度标杆级AI应用——萝卜快跑，同样彰显了这点。

如果说NOVA数字人展现了百度AI在数字空间的“柔性渗透”，那萝卜快跑就体现了它在物理世界的“硬核落地”。

跟萝卜快跑这次亮相世界级展会舞台相对应的，是它作为中国领先科技出海的代表在海外已遍地开花：继获得中国香港首个自动驾驶车辆先导牌照、打造阿布扎比最大规模无人车队后，萝卜快跑又跟全球最大移动出行服务平台Uber开启了全球战略合作——这意味着，数千辆百度无人驾驶车将接入全球最大出行网络。

跟萝卜快跑入选WAIC2025“国家展”相对应的，还是它作为高阶自动驾驶领域的头部玩家率先实现规模化落地：深耕无人驾驶12年来，萝卜快跑⾼级别⾃动驾驶专利数全球第⼀ ， 截至今年7月，它已在全球提供超1100万次出行服务，L4级⾃动驾驶安全测试⾥程累计已超1.7亿公⾥，出险率仅为人类驾驶员的1/14。

成为本届WAIC⼤会的接驳车，就是萝卜快跑跑得最“快”的直观印证。

就像运动员的爆发力有赖于肌肉力量，更离不开神经反应、心肺功能、骨骼强度的协同支撑那样，NOVA数字人跟萝卜快跑的底部支撑都是百度的全栈自研体系。

萝卜快跑能实现城市级全域复杂场景覆盖，在全球多地千差万别的路况中快速落地，背靠的就是百度大模型的“感知-决策-控制”全链路能力——这是基于大模型重构自动驾驶的结果。

搭载了全球首个支持L4级大模型Apollo

ADFM的萝卜快跑第六代无人车，就实现了技术安全性与适应性的大幅提升：3D环境模型，能帮着车辆在雨天、夜间精准避障；双计算中枢，能凭着“双脑协同”让车辆0.01秒内完成异常接管；多模态融合技术，则能让智能座舱理解方言指令、识别手势动作……

这些依托的，正是百度“算法-框架-模型-应用”四层一体的全栈布局。

作为《时代》周刊口中“全球少有的在AI上实现全栈布局的公司”，百度的AI四层架构每一层都像“肌肉纤维”般紧密配合，所以才有NOVA数字人的突围，才有萝卜快跑的突破——全栈自研能力的肌肉足够健硕，最上层才能长出覆盖C端、B端的丰富应用。

04

无论是NOVA数字人，还是萝卜快跑，都是百度用全栈式技术能力解决不同场景核心问题的系统性方案。

⼀直以来，百度的AI战略都是“⾯向应⽤发展”。百度创始人李彦宏也多次强调，应⽤才是⼤模型的真正价值所在。这跟数字化时代的“价值链金字塔”结构契合。由此顺推出的结论就是：AI，有用才是硬道理。

就AI数字人而言，衡量其价值的关键标尺就在于产业侧应用效果，简单说就是能不能顺应直播电商领域对低成本高效率运营的需求。

多年来，直播中的两大痛点困扰着不少企业：一是真人主播用人成本高昂，还有塌房风险；二是运营效率低下，搭建团队、反复彩排、实时场控等环节耗时耗力。

数字人直播就为此而生。但跟之前的数字人技术只解决了“有没有”的问题相比，NOVA着力解决的是“好不好”的问题。

今年4月，百度方面透露，慧播星数字人主播累计已超10万，涉及电商、教育、医生、法律等几十个行业。从大盘平均值看，数字人直播转化率提升了31%，还降低了商家80%的开播成本。

当NOVA的脚本生成系统可实现“千人千面”的精准适配，会针对食品品类自动加入“会爆汁”“有回甘”的场景化描述，推广3C产品时会侧重“参数对比+使用场景”的专业分析；当NOVA的AI大脑可通过实时监测弹幕关键词、商品点击量、停留时长等数据动态调整直播策略，发现用户关注价格就主动发起“扣1了解专属优惠”的互动……对商家的赋能可想而知。

而让店播“轻资产化”的无代码生成功能——商家上传产品参数、优惠幅度等基础信息，就能自动生成直播脚本、匹配虚拟场景、定制数字人形象，更是能推动商家在直播维度的平权。

对萝卜快跑来讲，评判其价值的核心依据，就在于能否给⼈们出⾏带来安全、便捷、舒适的出行体验。

萝卜快跑的自动感应寻车、自动开关车门、语音安全播报等功能得到视障人群好评，全无人空间的静谧感颇显“i人友好”……就成了其加分项。

为产业侧和用户端提供实用价值，成了百度对AI“超级好用”的注解。

05

凯文·凯利说：让更通人性的AI成为人类的朋友，这是我们的终极目标。言下之意是，AI非但要更聪明，还要更好用。

去年11月，李彦宏在百度世界2024大会上说，百度不是要推出⼀个“超级应⽤”，是要打造数百万级“超级有⽤”的应⽤，就与之呼应。

WAIC

2025上，百度展台Show出了秒哒、⽂⼼快码、⽂库、⽹盘等AI应⽤，就体现出了鲜明的“有用至上”导向。如秒哒，就在用“⼀句话做应⽤+多智能体协作+多⼯具调⽤”的技术组合，带来“3分钟⽣成+1⼩时迭代”的极致开发体验，加速“人人都是程序员”的愿景落地。

NOVA数字人跟萝卜快跑，更是百度将AI从炫技手段变成生产力工具与普惠方式的典型注脚：NOVA数字人提供“脚本-直播-复盘”全链路服务，可帮企业24小时不间断带货，萝卜快跑将把L4级自动驾驶规模化落地，都是百度将AI全栈式能力用于反哺现实场景的投射。

这反映了百度在AI上的鲜明价值主张：执着于“超级有用”的路径，而不追逐“超级应用”的概念。比起追求单点爆款，它更希望用全栈自研能力打造数百万个“超级有用”的应用矩阵，将大模型技术真正转化为生产力。

可以看到，从搜索、网盘、文库等存量业务的AI重构，到萝卜快跑、NOVA数字人等增量赛道的积极开拓，百度都在将“超级有用”烙进AI应用掌心；从研发⽂⼼⼤模型，到打造云平台，百度也是立足需求、着眼应用，让模型使用成本更低、底座端到端性能更强。这些都是用行动表明：大模型不是用来“炫”的玩具，而是用来驱动产业革命的引擎。

随着AI竞争进入拼落地阶段，时间也在证明：AI的价值锚点确实是“超级有用”。谁能把AI技术转化为真切可感的价值，谁就能走得更远。