“大家好，我们又见面了。”熟悉的脸庞，熟悉的声音，熟悉的那身西装，商汤科技创始人汤晓鸥如约而至走向年会的舞台中央，说累了举起手边的矿泉水饮了一口。
汤晓鸥数字人参加年会视频截图
每年年会，汤晓鸥都会用独属他的“汤式幽默”分享自己一年来的思考和感悟。在商汤科技，“有趣的灵魂”是大家对他的评价。
“最近上映的《热辣滚烫》，我还没看呢。”话音落毕，诙谐的氛围瞬间沉重，因为在《热辣滚烫》上映两个月前，年仅 55 岁的汤晓鸥不幸病逝，在现实世界与大家告别。也是此时，大家才意识到这是数字人的世界。
这场跨越时空的重逢，是 AI，也是爱；是对汤晓鸥卓越贡献的深深缅怀，也是对其留下的 AI 技术的传承与延续。
“汤老师最关注的一直是中国科技人才的培养”3 月 7 日早上，在商汤科技会议室内，商汤科技数字空间事业群数字文娱事业部总经理栾青，对《每日经济新闻》记者回顾汤晓鸥数字人制作的过程时表示，汤晓鸥的“中国原创”理念已成为每个商汤人的使命。
商汤科技数字空间事业群数字文娱事业部总经理栾青受访者供图
“《热辣滚烫》那一段，是年会前一天徐立提出来的”
“汤老师最关注的一直是中国科技人才的培养”，这是栾青从个人角度对汤晓鸥的理解。作为汤晓鸥在微软亚洲研究院的实习生，栾青多次在采访中提及“中国原创”。在栾青看来，这是汤晓鸥生前坚持的事，也深深影响着每一个商汤人。
记者：9 分钟汤晓鸥教授数字人演讲的想法从何而来？
栾青：每年汤老师在年会上的脱口秀都是大家期待的焦点。往年，汤老师会从生活和日常流行元素中总结并分享自己的思考和感悟，给我们的工作生活带来很大的启发。所以，对商汤人而言，他既是我们的老师，也是信仰一般的存在。
汤老师意外发生后，团队和他的学生们都很伤心。在筹备年会时，大家认为如果能延续传统，对每个商汤人来说都非常重要。
这件事情没有纠结，我们很快达成共识。当然，有了初步想法后首先要征求其家人的同意，他们表达认可后，我们很快决定实施了。
记者：我们想听听汤晓鸥数字人诞生过程中的一些具体故事。
栾青：徐立（注：商汤科技董事长兼 CEO）对这件事的要求很高，他希望最终的呈现能超越数字人本身，有更高的还原度，而不只是一个动作、表情，在同一个地方讲述。所以最终呈现的视频中我们可以看到汤晓鸥喝水、低头还有一些手部动作，甚至是汤老师讲话间隙的咳嗽、停顿都还原了出来。
汤晓鸥数字人在年会上喝水视频截图
团队从 1 月开始策划、构思，前前后后大概用了近两个月。除了做内容和后期，真正操刀执行人物生成和声音生成的实际上就几个同事，第一版的生成花了一天多的时间，但后来又经过多次调试，总共做了五、六版，其中文案调整的最多。
记者：视频之后，商汤科技旗下数字人视频生成平台“如影”收到了怎样的反馈？
栾青：外界的看法会说好逼真，都以为是之前的录屏，直到后面《热辣滚烫》才看出来不是预录的。其实，加入《热辣滚烫》那一段是年会前一天徐立提出来的。
我们做好后首先是拿给汤老师的家人看，我们最大的认可也来自他们。看完初版后，他们很感动，说像是真的汤老师。其实我们所有人在会议室看完后眼睛都是湿湿的。
汤晓鸥数字人在年会上视频截图
记者：你是汤晓鸥在微软亚洲研究院的实习生，你眼中的汤晓鸥是怎样的？你在他身上学到了什么精神？
栾青：在微软亚洲研究院，我有幸成为汤老师组的实习生。汤老师是一个 think big（大处着眼）的人，他始终坚持“中国原创”，包括他坚持基础技术的突破，创办上海人工智能实验室和浦江实验室作基础研究和原创内容研发。
他一直焦虑中国能不能有更多的原创技术出现、能不能拢住优秀人才？现在回顾起来，这是件很伟大的事。可在他身边的时候，你又不会用“伟大”来形容，只会觉得他是个很亲切、很有趣的人。
我印象很深刻，他每晚会听于谦讲相声。他常说人工智能再厉害，有趣的灵魂永远没办法被替代。他关注的始终是人，关注人比关注商业和技术多很多，他希望未来每个优秀的研究员都能坚持“中国原创”。这个理念贯穿我们每个人，是我们的一股力量，也成为每个商汤人的使命。
记者：以后商汤每年的年会，都可以看到“汤晓鸥”吗？
栾青：我当然希望能够延续下去，也许明年年会的汤老师就可以跟我们聊天、对话了。
“汤式幽默”重现背后声音素材仅 20 秒
过去几年发展中，数字人技术已逐渐成熟并应用于多个场景。但当汤晓鸥的声音、笑容、停顿、走动、喝水动作甚至汤式幽默都能够复现时，也意味着数字人技术实现了新的突破。
“AI 复活”“AI 伴侣”⋯⋯随着数字人越来越逼真、自然，大家对 AI 在情感陪伴层面的应用需求也随之变高。但栾青表示，技术如今还停留在视频层面，如果要实现更及时的互动、生成更复杂的动作，还要翻过“精细化控制”的技术大山。
记者：项目制作过程中使用了哪些关键素材和技术？
栾青：声音是我们第一重要的事情。汤老师东北口音，带着一种冷幽默，包括他习惯使用语气词和辅助词，都是他个人魅力的一部分。我们希望做到当声音一出来，大家就感觉到汤老师回来了。
整个制作中，我们截取了汤老师四、五段不同说话风格的声音作为 prompt（提示），每段3—5 秒，有调侃式的，有深情款款的，总共加起来的声音素材不过 20 秒。整体生成比较快，基本上放进去就能即时生成，但挑选素材花费了一些力气和时间。
这得益于我们的大模型语音，也是我们 2023 年底最大的突破。我们在这方面一直在投入，只是之前的数据量没有那么大，今年上半年我们将会推出更大的大模型语音。
视频方面，我们采用了汤老师前年年会不到 30 分钟的视频。我们认为汤老师的笑是灵魂，为了表现的更自然，我们在以前的视频里不断学习有效参数，再经过反复调整最终才抓住了那个神韵。
视频截图
记者：技术之外，汤晓鸥有趣的灵魂和汤式幽默的内容是怎么生成的？
栾青：不仅仅依靠大模型学习以前他讲过的内容，坦白说，像《热辣滚烫》这样的新内容，则是凭借大家对汤老师多年的理解加入的感受性内容。这个过程中，徐立、汤老师的助理及家人都给了如影很好的建议，最终才实现了汤式幽默。
我们要不断地大模型交互迭代，不断地告诉它你要什么，最终大模型才会给我们理想的结果。
另外，我们希望内容能和公司的价值观、寄语进行结合，因此，后面《吃面条》的小品，也和商汤的“一碗汤面”有关。
以电影、音乐、小品来讲述引导理念和思想，这是汤老师一贯的演讲方式。视频中，用春晚最经典的小品告诉大家只有经典的东西才能够跨越时间，在各方面噪声非常多的情况下，更要沉下心来做事情。
记者：汤晓鸥的数字人，制作成本是多少？
栾青：我们不知道怎么去定价，单纯从价格角度来说，数字人制作不是非常高；但从我们所有商汤人对汤老师的怀念角度来说，这是无价的。
素材的多少，决定能产出的内容有多丰富，所以亲人以前留下的一些视频是最重要的。如果能有几分钟连续的视频片段，不是晃来晃去的，这就给数字人制作提供了很大便捷。没有连续的片段也可以生成视频，只是复杂得多。
从技术本身来讲，我们只要十几秒、二十秒的素材就可以制作视频，只不过大家会发现可选的、可编辑的、可过渡生成的动作内容会少很多。
记者：商汤在这个过程中给予了如影哪些支持？如影未来的发展重点是什么？
栾青：商汤共享底层技术，包括加速平台、算法平台、底层训练平台等。商汤的每个垂直产业都要基于这些技术才能做好。如影业务团队未来还是会持续关注人物类的视频。
记者：过去也有 AI 伴侣这样基于人类情感的应用，随着人类情感需求的增加，未来面向消费端的应用会不会更多？
栾青：从使用场景来看，大家用得最多的还是视频生成和直播，本质上没有更大的区别。确实有人看到之后，提出了复活自己家人、偶像的需求。
随着数字人越来越逼真、自然，AI 确实可以满足更多情感陪伴层面的需求，但想要实现综合大模型的对话互动，实时生成对应的动作，现在的视频生成技术还做不到。比如你能通过描述，控制数字人走过来，但没办法还原他撩头发的小动作和小表情。
现在海内外各类视频生成软件都没达到精细化控制，只能表达概念，这对创作者来说也比较痛苦。这也是我们接下来想要努力攻坚的突破点。
商汤科技 AI 展厅每经记者毕媛媛摄
万元左右“复活”亲人，数字人的制作与使用理应造福人类
汤晓鸥以数字人的形象出现，是惊喜，是震撼。
“复活”想见之人不再遥不可及，当每个人都能承担起数字人制作的费用后，思念之情是否会被利用，是如影当下最为关注的事情。
数字人的制作与使用理应造福人类，而不是成为伤害与痛苦的源头。
记者：汤晓鸥数字人视频出来后，你们有没有接到类似“复活”家人的诉求？
栾青：我们的客户、个人都有一些找了过来，暂时都还在对接，没办法透露太多的细节。
商汤在如影数字人的方向，更多还是 TO B （面向企业）的服务。我们去年做了一个“如影繁星”计划，希望扶持各行各业的伙伴，包括金融、教育医疗、银行保险等。至于你们问到的和殡葬馆的合作，其实还要看上下游产业链的融合，我们究竟要去哪个行业其实并不关键，关键的是解决了大家什么样的问题。
之前我们看到有经纪公司做明星的复活数字人去陪伴粉丝，我们也在慢慢尝试在关键节日，让亲人或者偶像的数字人生成祝福型的视频。我们希望技术能够赋能各行各业。
记者：未来有没有可能，普通用户也能用较低的成本，定制逝去亲人的视频？
栾青：普通人想做，肯定是做得起的。我们现在有比较广泛的渠道，我看到新闻 1 万元左右就能“复活”亲人，大概就在这样的范围，甚至有些简单的视频价格可以更低。
我们已经有完整的工具链可以让大家制作数字人的祝福视频，技术上已比较成熟。但是希望有互动、更深入的服务，比如让大模型学习到家人大脑的想法，还需要技术的不断攻破。
记者：越来越多复活数字人的视频出现后，大家对于技术伦理也有了担忧和争议，这方面商汤有什么样的思考？
栾青：我们在前年推出数字人的时候，第一步是跟网信办旗下的几大所一起联合推出“可信数字人”的标准。我们在制作数字人时，首先要有他的声明，如果不是他的家人或者当事人授权的运营团队同意，是不可以制作这个数字人的。
我们现在看到有些非法机构制作数字人，其实用了非法的方式获取资料。技术一旦被公开后，总有一些人想方设法去做一些非法的事情，我们技术公司对此无法控制，但是我们有一个鉴定机制，商汤平台上制作的数字人，有看不见的编码在里面，如果是非授权的数字人，我们可以立刻发现。
当前国内几大公司的数字人都在“可信数字人”标准内，所以大家不要轻信鱼龙混杂的公司去制作自己的数字人，是比较危险的一件事。
另外，AI 复活逝者，可以做到形象还原、声音还原，但是情感怎么复制？会不会对家属带来二次创伤？数字永生后会不会对人的身份认同发生变化？大家的顾虑很多，我认为这是这么多年来逝者数字人没有形成产业的重要原因。
大产业未来如何发展，我们也在观望，对真人的复刻其实已经进入深水区。
每经记者毕媛媛摄
中国 AI 企业的发展，具有划时代的使命感
进入 2024 年，AI 竞争的牌局已然明朗，国内早已跨越了单凭资金就能轻易购得大模型技术的阶段，中小玩家因体力不支逐渐黯然离场。
理性背后，是实力尚存的庆幸，也有坚定前行的使命。大家都鼓起勇气做好了长期投入的准备，决心留在这场没有硝烟的战争中。
记者：数字人方面现在的市场竞争如何？
栾青：几年前大家就在做传统的数字人，市场竞争非常激烈，第一技术比较成熟，第二应用场景明确。
不过，现在的竞争进入到深水区了，越来越多的人意识到数字人可以做什么，哪些做不了，现在我们更多需要考虑的是服务，如何真正解决大家的问题。现在的视频生成效果或者直播动作，会觉得很假，用着用着不想用了。我认为当下阶段的关键在于，生成型大模型的自然度和真实感的进一步突破和跨越。
我个人是乐观主义者。整个 AI 行业中，当然有乐观派和悲观派，但综合来说大家还是认为 AI 能够带来生产力的改善，给人类带来不同的体验。我认为，在当前场景下，AI 仍然是工具。虽然它可以生成有创意的内容，但目前为止它更多的工作内容是演绎和对现有内容的总结。下一步会是什么，大家在不断的迭代研发中，也保持审慎的态度。
记者：Sora 爆火，你作为从业者，看到 Sora 后的第一反应是什么？
栾青：真实度上了一个台阶。这个真实度的细节，我们以及一些市场竞品也能做到差不多，transformer 的结构来做这件事也不是 Sora 最早提出的，但确实大力出奇迹，它做到了更长的时长。
从实验成本、实验周期、算力复杂度来讲，都需要巨大的投入，大家的突破肯定晚于 Sora。现在我反而觉得大家都被拉到同一个起跑线上了，大家知道做这件事是可行的，那么中国企业一定会在很短时间内做出类似的产品来。
Sora 为大家带来时长的突破，那么真实性和物理一致性也要维持得更长。可是 AI 真的理解物理规律吗？我觉得没有。
记者：接下来大模型的突破，你认为会是哪个方向？
栾青：视频必然是今年的主题，但永恒不变的主题一定是大脑。我们不认为大模型真正形成了智能大脑，行业仍要再突破几轮才行。
记者：你心中的完美 AI 是怎样的，距离你心中的完美 AI 还有多远？
栾青：我心中的完美 AI 视频生产产品，是让每个人都是自己的导演，它能更可控地做出非常多的视频，比如张艺谋说完想法后，AI 能直接生成一部电影。每个人都是导演，那每个人都可以做出心目中想要的东西。
目前大概只做到了 30%，还是属于很早期。想要 AI 生成复杂的场景，比如让它做电视剧、电影还差得远。总结来说，概念性的表达够了，交互性的表达差很远。假以时日，一定是可以实现的。
记者：大力发展 AI，有何关键意义？哪些公司能活到最后？
栾青：对于中国的人工智能来说，如果我们不能在 AI 方面有足够的积累和突破，可能就是其它国家先突破。大家有种使命感，希望在技术上不断深入研究，做到领先世界。
AI 领域还在投入的阶段，哪怕 Open AI，也还没有太多商业化，我认为未来很多年都还要继续投入。Open AI 最大的价值是它验证了“大力出奇迹”，大部分公司包括谷歌，可能都没有勇气做这件事。
早期投入很重要，现在国内市场，不是财力就能买到大模型技术。做 AI，要先知先觉有储备，这个行业已经不适合中小玩家，容易会被耗死，接下去慢慢有越来越多的公司会被淘汰。做大模型，关键是拼综合实力，包括底层架构、人才储备等。
记者：现在有足够的基础设施储备去支撑商汤继续在 AI 领域做技术性的突破进展吗？
栾青：商汤在 2019 年建设大装置，算是比较幸运的一件事。目前我们拥有亚洲地区比较大的算力等基础设施储备。中国 AI 行业的发展，需要我们这种大模型公司，一起在上下游产业链迭代突破，这也是国内众多优秀企业共同的愿望。
视频截图
每日经济新闻
