科普|数字人产业发展趋势（一）

趋势一：数字人制造和运营服务的B端市场不断扩大，将面向更广大的C端用户提供服务，各类数字人价值定位和商业模式有差异。

数字人的最终服务对象为C端用户，在B端的应用领域从电影动画向广告营销、电商直播、虚拟偶像等领域不断扩展。未来，以虚拟分身为代表的应用潜力巨大。从需求角度，数字人制造和运营服务在B端市场不断扩大领域和规模，面向更广大的C端用户提供服务，而制作方式也从PGC向UGC发展。

在20世纪80年代电影、动画等领域早期的手绘数字人最先出现，伴随着21世纪初计算机动画和动捕技术的成熟，内容/IP型数字人大量应用在影视行业中，主要是增强影视中观众的体验效 果，随后逐渐在文娱、市场营销、文旅、虚拟偶像等场景推广应用。 

近年，伴随AI驱动技术的成熟，功能服务型数字人陆续出现，主要应用于行业服务场景，如金融数字人客服、传媒数字人口播等。

在虚拟空间中的虚拟分身数字人大范围出现相对较晚，虚拟空间的技术和产品还在发展中，待产业进一步完善，此类应用潜力巨大，是数字人市场的增量空间。

三种数字人（内容/IP型、功能服务型和虚拟分身型）在产品定位、应用行业、核心价值、竞争力等方面存在显著差异。

其中，内容/IP型主要应用于影视、文娱和市场营销等场景，功能服务型主要应用于行业服务场景。这两种类型数字人制作方式以PGC为主，从数字人制作厂商角度，更多是 面向B端。 

此外，虚拟分身类型数字人（Avatar）一般为C端用户制作虚拟形象，应用于C端用户在虚拟空间中的形象分身和呆-�。

IP运营，客户服务和流量变现是当前主要的三种商业模式：内容/IP型数字人主要依靠数字人的商业IP运营实现商业变现，功能服务型是交付给客户实现变现，而虚拟分身则需 要结合虚拟空间的设定和规则进行流量变现。 

数字人的制作成本和周期也伴随定制化程度的下降而递减：三种数字人的制作方式和周期也存在差异，内容/IP型数字人更多是项目制，以定制为主；功能服务型是产品和定制 化相结合，在通用产品上，进行定制化开发；而虚拟分身更多是产品制，用户利用平台工具产品进行数字人形象的制作并在相应虚拟场景内进行活动，一般而言内容/IP型数字 人的成本和周期最高，虚拟分身型数字人最低。

趋势二：技术集综合迭代驱动数字人形似人，制作效能继续提升。

2.1 建模技术发展推动超写实数字人制作门槛、成本和周期下降

2D数字人和3D数字人生成/建模方式不同，2D数字人本质是生成图像，因此主要方式是利用深度学习技术根据视频生成与真人相同的图像，技术相对成熟。

3D数字人需要建立3D模型，主要是利用软件传统的手工建模、静态扫描建模（相机阵列扫描建模）、动态光场或者AI建模（3D重建技术）生成3D模型。目前手 工建模和静态扫描建模技术较为成熟且应用广泛，利用3D重建技术或动态光场重建可极大节约建模时间，提升建模效率，是未来重要布局方向。其中动态光场重 建优势在于重建人物的几何模型同时 还可一次性获取动态的人物模型数据， 并高品质重现不同视角下观看人体的光影效果。

AI建模目前已经初步实现产品化，目前精度可以达到次世代游戏人物级别，优势是可以开放程序接口，对接各种应用，因此潜力较大，范围较广，特别是C端的应 用，可以通过便捷化的上传图片即可生成3D数字人面部模型。未来发展方向是通过算法驱动提高精度，优化建模效果，比如：偏移矫正、阴影修复等。

2.2 物理仿真算法迭代推动服装动态展示趋向真实

布料仿真一直是CG动画中的研究热点与难点，对提高动画质量以及用户体验具有重要意义。虚拟世界中虚拟角色强烈的视觉真实感主要来源于逼真的虚 拟人物的服装动画，布料的仿真程度很大程度上可以增强用户的体验感。

将服装通过骨骼绑定驱动的方式是市场上最为常见的应用方式。这种应用方式下，数字服装作为刚性物体被驱动，只能进行拉伸，好处是对于服装解算没有算力消耗，因此，更常 见于实时互动应用中。 

基于位置的动力学(Position Based Dynamics,PBD)技术，面数较大容易出现网格穿模，动力学表现生硬，且较难区分不同面料质感的物理差异，修型的工作量极大，单件服装的 效果调优无法被负责且较难体现布料细节褶皱。 

物理仿真算法的服装动力学解算能够无限接近真实世界的服装表现，能够很好的表达服装的物理质感，服装与人体的关系，同时也不依赖于美术的高复杂且繁重的美术工作，但是 过于依赖端的计算能力，移动端只能够通过云端服务器的计算然后进行数据网络传输，进而对网络传输速度也有了极高的要求。 

基于AI算法的服装动态模拟在学术上有所表现，但是成熟度较低，目前无法较好的处理多层级服装的效果解算，服装的细节表现也较弱，但是仍有较大的潜力与可能性。

2.3 渲染引擎迭代和GPU算力提升数字人画面更加精细和实时化

渲染是对3D数字人或虚拟场景加入几何、视点、纹理、照明和阴影等信息从而达成从模型到图像的转变，渲染决定了最终数字人的质量，而渲染引擎和GPU算力的发展推动数字人渲染更加信息和实时化。 

目前离线渲染比较成熟，应用较为广泛。而实时渲染尚有提升空间，伴随GPU算力的不断提升和渲染引擎的优化，将推动实时渲染的速度和真实度，未来实时渲染技术的发展也为数字人的实时交互提供了极大助力。 

主流的3D 渲染引擎UnrealEngine 和Unity 3D版本不断迭代，推动数字人皮肤纹理、3D 效果、质感和细节等方面渲染效果更佳，同时生产效率更高。

2.4 算法的优化推动专业动捕设备趋向便捷化，视觉动捕在C端应用潜力更大

动作捕捉是指通过数字手段记录现实中的运动过程，特点是动作灵活、互动效果觉好，多用于内容/IP型数字人，场景多为直播、路演等互动性活动，其本质上是 传统影视制作CG技术的演进，目前主流的方式是光学动捕和惯性动捕，而基于计算机视觉的视频动捕发展速度较快。此外，多种方式相结合的混合动捕方式也是 未来重要的发展方向，如光学动捕和惯性动捕的结合，视觉动捕和VR头显/手柄的结合等。 

光学动捕是最早出现的动捕技术，同时发展也最为成熟，需要多个专业动捕摄像机结合穿动捕服的中之人。未来会向专业化和便捷化两个方向发展：专业化方向，将实现更高的分辨率和更远的 探测距离，动作的还原度更高，更加逼真和稳定，同时将数据在云上处理；便捷化方向将和视频动捕趋同，采用数量较少的消费级摄像头，无需穿戴设备。 

惯性动捕是采用传感器结合算法的方式，由于精度较高，对场地要求适中，因此是B端主流方式，未来伴随算法的不断完善，传感器数量将呈下降趋势，对中之人和场地的限制也会越来愈少 。 

激光+惯性动捕方式，采用激光传感器结合惯性传感器的方式，对抗电磁干扰能力强，可连续24小时稳定工作，适合大空间内动捕定位，未来向更低使用门槛发展。 

视觉动捕显著降低了使用门槛，从最初的利用深度摄像头，到利用多目摄像头到现在的利用单目普通摄像头，对设备的要求逐渐降低，未来发展方向是在C端不断提高定位精度和准确度，适用于UGC的使用场景。另一发展方向是通过增加摄像头的数量，向专业化发展，与光学动捕中便捷化发展趋势趋同。

2.5 面部捕捉技术向更简单的硬件、更细腻的表情、更自动化的流程方向发展

驱动一个数字人往往被拆分为“追踪(Tracking)”与“重定向(Retargeting)”两个环节。追踪由专业的面部捕捉设备及其辅助算法完成，负责记录演员的面部动作信息，重定向则是将捕捉到的面部动作信息迁移到新的角色。

2.6 伴随数字人制作流程更加管线化和智能化，制作效能不断提升

目前2D数字人的定制自动化程度逐步提升，通过定制管线可完成从训练到播报、交互应用平台的上架。

3D数字人制作涉及众多技术领域、制作方法尚未完全定型，自动化程度相对较低，需要大量的人工参与，高效率的生产高质量难度较大，目前领域内部正通过管线 化生产的方式对生产流程进行标准化，以提升制作效能。 

未来将在管线化生产的基础上，通过算法优化和更加便利的工具，如自动化的骨骼和表情绑定工具，使制作更加简单化和一体化，特别通过AI技术提升制作的智能 化水平，减少人工参与编辑和调优。

本次我们了解了数字人产业发展在“价值定位”和“技术迭代”两大方面的趋势发展，下周我们将为大家解读数字人产业发展在“AI赋能”、“融合发展”和“行业应用”方面的发展情况，关注“氪隆AI数字人”，了解更多有关数字人的行业资讯。