2023年AIGC行業(yè)應(yīng)用專題報(bào)告AI升級交互體驗(yàn)_虛擬人和教育應(yīng)用場景廣闊核心觀點(diǎn)：多模態(tài)提升交互體驗(yàn)，多種內(nèi)容輸出形式有望推動虛擬人和教育場景落地。海外Midjourney、Runway推出或升級視頻AIGC產(chǎn)品，以及阿里達(dá)摩院近期上線文本生成視頻大模型，我們可以看到AIGC技術(shù)在應(yīng)用端正快速發(fā)展。從此前情感陪伴聊天機(jī)器人Glow展示了文本的單模態(tài)模型和應(yīng)用，到現(xiàn)在已見語音、圖片、視頻等多種形式的內(nèi)容輸出，我們預(yù)計(jì)將加速虛擬人和教育領(lǐng)域的落地。在虛擬人和教育產(chǎn)業(yè)鏈，從海外來看，我們梳理全球頭部創(chuàng)投公司YCombinator在2023年投資孵化的30余個(gè)AI項(xiàng)目及其他AI公司，包括：Glow（情感陪伴聊天機(jī)器人）、Iliad（3D建模）、Decoherence（基于文字與音樂生成視頻）、Fabius（AI培訓(xùn)工具）、Tennr（AI提詞器）、Texel（AI模型和視頻處理的加速器）等。AI升級交互體驗(yàn)，虛擬人和教育應(yīng)用場景廣闊前言走向多模態(tài)，從“數(shù)字人”到“數(shù)智人”多模態(tài)升級交互體驗(yàn)，實(shí)現(xiàn)“數(shù)字人”向“數(shù)智人”轉(zhuǎn)變。單模態(tài)以情感陪伴聊天機(jī)器人Glow為代表的“數(shù)字人”為例，其已經(jīng)可以實(shí)現(xiàn)與真人的個(gè)性化、擬人化、智能化的聊天互動，但交互方式仍局限在文本、語音。未來，隨著多模態(tài)模型的發(fā)展，虛擬人或機(jī)器人的交互方式，有望拓展至圖片、音樂乃至視頻，并以更貼近真人的邏輯、理解、表達(dá)能力進(jìn)行交流和反饋，從而提升虛擬人在電商、直播、教育、客服、社交、文旅導(dǎo)覽等領(lǐng)域的互動體驗(yàn)。AI模型與應(yīng)用向多模態(tài)升級迭代。VisionTransformer模型、擴(kuò)散模型、BEiT模型等技術(shù)的迭代，實(shí)現(xiàn)了傳統(tǒng)單模態(tài)大模型中自然語言處理能力與計(jì)算機(jī)視覺能力的結(jié)合，以及大規(guī)模自監(jiān)督預(yù)訓(xùn)練，由此使得大模型具備了理解、處理和生成圖片、音視頻等多模態(tài)的能力，催生了OpenAIGPT-4、谷歌PaLM-E、百度文心一言等多模態(tài)大模型。多模態(tài)模型也帶動了多模態(tài)應(yīng)用的誕生，涉及代碼生成、文本生成、圖像生成、音視頻、游戲、虛擬人等領(lǐng)域。前言全球知名創(chuàng)投YC，前瞻性投資30+AI應(yīng)用項(xiàng)目YCombinator成立于2005年，為美國知名創(chuàng)業(yè)孵化公司，在胡潤研究院發(fā)布的《2021全球獨(dú)角獸投資機(jī)構(gòu)百強(qiáng)榜》中，位列第12位。據(jù)福布斯中國，YC目前已資助公司超3500家，包括80家獨(dú)角獸公司，例如Dropbox、Airbnb、Reddit等。YC最新投資項(xiàng)目涉及生成式AI在生產(chǎn)力提效、交互場景、開發(fā)者相關(guān)領(lǐng)域應(yīng)用。YC每年推出2期孵化計(jì)劃，即WinterBatch和SummerBatch，由全球申請者中篩選出的具有發(fā)展?jié)摿Φ墓窘M成。YC將為入選項(xiàng)目提供50萬美元種子輪融資、創(chuàng)業(yè)建議以及業(yè)內(nèi)資源。在23年初WinterBatch的210個(gè)項(xiàng)目中，有36個(gè)生成式AI項(xiàng)目，應(yīng)用場景涵蓋市場營銷、客戶服務(wù)、知識管理、數(shù)據(jù)分析、基礎(chǔ)設(shè)施、開發(fā)者工具等。前言虛擬人：擺脫“套皮”，解決“偽需求”問題開發(fā)平臺、交互、算力優(yōu)化等虛擬人產(chǎn)業(yè)鏈布局解決需求問題，推動行業(yè)發(fā)展。通過梳理AIGC應(yīng)用落地場景，我們已看到虛擬人產(chǎn)業(yè)鏈已有智能開發(fā)平臺、交互升級、算法優(yōu)化等方面的布局。隨著AIGC技術(shù)加深與虛擬人產(chǎn)業(yè)鏈的融合，預(yù)計(jì)有望降低虛擬人開發(fā)成本、解決“套皮”問題、交互不擬人等，從而推動虛擬人的落地和發(fā)展。虛擬人開發(fā)成本：結(jié)合AIGC的元宇宙內(nèi)容開發(fā)平臺，解決數(shù)字內(nèi)容開發(fā)成本高、效率低的困境。解決“套皮”問題：隨著多模態(tài)模型的推出，有望實(shí)現(xiàn)文本/語音、視頻/模型等多內(nèi)容模式的AI智能化產(chǎn)出，從而擺脫真人套皮問題。加速器減輕設(shè)備壓力：語音和視覺結(jié)合的AI生成對設(shè)備需要較高，而相關(guān)算法的優(yōu)化有助降低運(yùn)營成本壓力，實(shí)現(xiàn)更大規(guī)模的普及。前言教育：AI輔助教學(xué)+虛擬人教學(xué)雙線推動場景落地我們認(rèn)為教育場景的AIGC技術(shù)落地，將主要有兩種模式：AI輔助真人教學(xué)：在海外的AIGC應(yīng)用場景中，我們看到在銷售場景，已有多種輔助工具落地，包括AI提詞器、AI素材生產(chǎn)等，預(yù)計(jì)這些場景的AI融合有助真人教學(xué)統(tǒng)一或升級教學(xué)質(zhì)量，多樣化教學(xué)形式，也更有利于在線教育平臺在降本的同時(shí)，維持商業(yè)化的能力。虛擬人教學(xué)：隨著文字/語音輸出的內(nèi)容更加擬人，且多模態(tài)模型優(yōu)化了虛擬人動作、表情僵硬等問題，虛擬人也有望落地教育場景。尤其對早教而言，交互體驗(yàn)升級也有望實(shí)現(xiàn)教學(xué)質(zhì)量的統(tǒng)一和提升。第一章：海外相關(guān)應(yīng)用：AI聊天應(yīng)用Glow和其他產(chǎn)業(yè)鏈公司1.1、Glow：用戶定義人設(shè)的AI情感陪伴聊天機(jī)器人Glow為基于大模型的AI聊天應(yīng)用，由國內(nèi)人工智能創(chuàng)業(yè)公司MiniMax在22年11月推出，為用戶提供情感陪伴、滿足虛構(gòu)情景想象的體驗(yàn)。據(jù)甲子光年，Glow上線約4個(gè)月后，目前已有約500萬用戶?；谟脩裘枋觯蓚€(gè)性化對話機(jī)器人。Glow的基本玩法是用戶在應(yīng)用中創(chuàng)建AI機(jī)器人“智能體”，智能體將基于用戶描述的性格、人設(shè)、頭像及選定的音色等，與用戶開展實(shí)時(shí)溝通、互動。也可輸入“參考名人”，智能體將具備特定名人的有關(guān)知識儲備。據(jù)體驗(yàn)，創(chuàng)建的“托尼斯塔克”智能體有《復(fù)仇者聯(lián)盟》系列的知識儲備，具備較強(qiáng)代入感。1）互動對象多元，提供差異化、多樣化、個(gè)性化聊天體驗(yàn)。用戶可與自己創(chuàng)建的個(gè)性化智能體進(jìn)行聊天互動，也可與平臺內(nèi)其他用戶創(chuàng)建的智能體互動。用戶可為其他用戶創(chuàng)建的智能體補(bǔ)充專屬設(shè)定，讓相關(guān)智能體符合用戶個(gè)性化需求。據(jù)觀察，平臺內(nèi)部分智能體已與近6萬個(gè)用戶進(jìn)行互動。2）互動方式當(dāng)前僅為文字和語音。據(jù)體驗(yàn)，目前Glow內(nèi)智能體暫時(shí)無法反饋圖片內(nèi)容，但從對話內(nèi)容來看，隨著產(chǎn)品的改進(jìn)，圖片內(nèi)容或在后續(xù)版本中引入。此外，用戶也可以切換智能體的反饋，從而按照用戶的偏好推進(jìn)聊天。3）互動話題多元，包含情感、虛構(gòu)情景聯(lián)想等。用戶可以與智能體就任何話題內(nèi)容進(jìn)行聊天，可完成情緒反饋、對話問答、簡易信息搜尋等，也可以根據(jù)特定的話題，選擇關(guān)聯(lián)的智能體進(jìn)行聊天，例如情感、美食、虛構(gòu)情景（如遭遇吸血鬼的場景）等。其中，平臺官方智能體季楓和沈思前具備劇情模式，通過主動引導(dǎo)用戶對話，來推動劇情演繹并完成任務(wù)。4）互動記錄可公開，豐富可瀏覽內(nèi)容。Glow擁有記憶簿功能，即用戶可將智能體對話的部分內(nèi)容公開，供平臺內(nèi)其他用戶瀏覽、評價(jià)，本質(zhì)上是用戶與AI共創(chuàng)內(nèi)容，以豐富平臺內(nèi)的內(nèi)容供給。1.2、虛擬人生成：Runway—GEN-2發(fā)布，視頻制作門檻再降低3月20日人工智能初創(chuàng)公司Runway開放了新一代視頻生成模型GEN-2的試用申請，能夠基于文本、圖片、視頻等內(nèi)容，為藝術(shù)家、設(shè)計(jì)師、電影制作人員提供了多樣的、低門檻的生成視頻方式。新增功能：第一代視頻生成模型GEN-1，具備視頻生成視頻的能力，具體包括視頻+圖片生成視頻、實(shí)體模型或渲染動畫轉(zhuǎn)為視頻、修改視頻中特定物體外形等；GEN-2模型新增了純文本生成視頻、文本+圖片生成視頻、圖片生成視頻的能力。1.3、虛擬人生成：Iliad—游戲模型和圖片素材生成工具Iliad：主要服務(wù)于游戲開發(fā)公司的AI模型和圖片素材生成工具。產(chǎn)品主要將文字生成圖片、2D圖片轉(zhuǎn)3D圖片等AIGC形式應(yīng)用于游戲場景中。Iliad可以幫助游戲公司的美術(shù)人員生成效果圖、3D模型和模型肌理等內(nèi)容，也可以實(shí)現(xiàn)2D轉(zhuǎn)3D的模型生成。1.4、虛擬人生成&教材編輯：Decoherence—基于文字與音樂生成視頻Decoherence：基于文字與音樂生成視頻。Decoherence基于用戶輸入的關(guān)鍵詞，以及時(shí)長、FPS、動畫效果、背景音樂等參數(shù)設(shè)置，生成動畫短視頻。Decoherence能將音頻信號識別為運(yùn)動效果，并將圖像拼接在一起以制作完整的視頻。Decoherence降低了用戶編輯視頻的門檻，但生成的視頻分辨率及時(shí)長有限、幀率不高、聲音選擇較少，難以滿足部分高要求用戶。用戶需使用Decoherence，月度套餐為每月30美元，可生成超過100個(gè)視頻。1.5、教材編輯：Descript—文本修改對應(yīng)音頻編輯Descript：文本修改對應(yīng)音頻編輯。Descript可以將音頻內(nèi)容轉(zhuǎn)錄成對應(yīng)的文本，用戶編輯轉(zhuǎn)錄后的文稿時(shí)，將對應(yīng)修改原始音頻，包括刪詞、改詞、補(bǔ)詞，其中對于新添加的文本，Descript可在自動轉(zhuǎn)錄時(shí)生成原始音頻的聲音，以避免補(bǔ)錄，并支持自動識別和分離不同的說話人。定價(jià)方面，Descript根據(jù)團(tuán)隊(duì)用戶數(shù)和每月轉(zhuǎn)錄時(shí)長提供不同訂閱版本。其中免費(fèi)版每月有1小時(shí)轉(zhuǎn)錄時(shí)長；每月10小時(shí)、30小時(shí)的版本分別對應(yīng)定價(jià)每月12美元、24美元。1.6、教學(xué)輔助：Meru—對話方式提取文件中信息Meru：對話式提取文件中數(shù)據(jù)。Meru的作用相當(dāng)于為部分文件內(nèi)嵌對話機(jī)器人，通過調(diào)用API將特定的文檔、文件、網(wǎng)址等文件的信息進(jìn)行提取，從而像人類一樣，通過對話方式，反饋給用戶個(gè)性化的相關(guān)答案，免去了用戶主動搜索數(shù)據(jù)信息的過程。Meru也允許直接調(diào)用存儲在Dropbox、Box、GoogleDrive內(nèi)的文檔。Meru已開放多種套餐。用戶可以免費(fèi)使用Meru，更高價(jià)格的版本將對應(yīng)更多的詢問次數(shù)、可調(diào)用的文件存儲服務(wù)及其他增值服務(wù)等，價(jià)位在99美元/599元每月，也可定制需求。1.7、教學(xué)輔助的替代場景：Fabius—AI銷售培訓(xùn)工具Fabius：AI銷售培訓(xùn)工具。Fabius利用Gong/Chorus等軟件的錄音，分析銷售人員在產(chǎn)品定位和向客戶推銷的做法，并提供個(gè)性化和實(shí)用的改進(jìn)建議，也可以為客戶對話匹配相關(guān)的銷售培訓(xùn)課程，幫助銷售團(tuán)隊(duì)提高銷售效率和質(zhì)量。銷售主管也可以改進(jìn)Fabius的預(yù)測，糾正其中缺少的關(guān)鍵步驟。1.8、教學(xué)輔助的替代場景：Tennr—輔助銷售人員的AI提詞器Tennr：輔助銷售人員的AI提詞器。Tennr本質(zhì)為提詞器，通過使用AI技術(shù)，可為銷售人員和經(jīng)理提供每次電話銷售前的準(zhǔn)備工作，提高交易達(dá)成的幾率。例如，Tennr可根據(jù)買家關(guān)心的方面，調(diào)取銷售人員過去贏得的類似交易，從而向銷售人員展示業(yè)務(wù)中使用的話術(shù)，或提供與過去類似交易相關(guān)的最佳解決方案；也可以分析銷售通話，提取關(guān)鍵信息，如買家的需求、痛點(diǎn)、預(yù)算和時(shí)間表。1.9、專業(yè)知識學(xué)習(xí)：Anarchy—為第三方應(yīng)用構(gòu)建可調(diào)用特定API的對話機(jī)器人Anarchy：為第三方應(yīng)用構(gòu)建可調(diào)用特定API的對話機(jī)器人。Anarchy本質(zhì)是幫開發(fā)者客戶集成外部API以及大語言模型，讓客戶為自己的產(chǎn)品增加對話機(jī)器人的功能。Anarchy可以調(diào)用任何外部API，例如可調(diào)用谷歌地圖API，回答用戶關(guān)于兩地之間旅程距離的問題；或者調(diào)用股票應(yīng)用了解股票股價(jià)。Anarchy的原理在于：開發(fā)者用戶提供自身應(yīng)用的API接口，以及對接OpenAI大語言模型的秘鑰，Anarchy則提供大語言模型端點(diǎn)，即網(wǎng)頁界面形式的聊天機(jī)器人，此機(jī)器人將使用API的數(shù)據(jù)信息，借助OpenAI的能力，來回答終端用戶的問題。開發(fā)者用戶由此可專注于自身應(yīng)用的優(yōu)化，省去了尋找合適的調(diào)取大語言模型指令的工作。1.10、算力優(yōu)化：Texel—AI模型和視頻處理的加速器Texel：AI模型和視頻處理的加速器。Texel能提高媒體上使用AI運(yùn)算推理的效率，例如AI生成圖像、視頻等應(yīng)用。Texel為用戶提供一個(gè)可控的API，允許用戶控制要激活的功能，從而加速相應(yīng)的推理過程。推理過程的用時(shí)將被縮短，所需GPU內(nèi)存的減少也能節(jié)約成本。據(jù)官網(wǎng)，Texel將使得運(yùn)行速度比標(biāo)準(zhǔn)解決方案提高10倍，同時(shí)降低90%的成本。第二章：重點(diǎn)企業(yè)分析2.1、新華網(wǎng)：子公司布局AIGC+虛擬人，發(fā)布元宇宙系統(tǒng)“元卯”新華智云是由新華網(wǎng)和阿里巴巴成立的合資公司。新華智云科技有限公司主要布局媒體人工智能領(lǐng)域，核心產(chǎn)品包括17年12月發(fā)布的媒體人工智能平臺“媒體大腦”，開始在媒體領(lǐng)域?qū)嵺`機(jī)器生產(chǎn)內(nèi)容（MGC），18年6月發(fā)布的短視頻智能生產(chǎn)平臺“媒體大腦·MAGIC”，進(jìn)一步推動人工智能技術(shù)在媒體、文旅、金融等領(lǐng)域集成化、產(chǎn)品化、商業(yè)化的應(yīng)用。落地案例包括在18年兩會期間用15秒發(fā)布關(guān)于會議的MGC視頻新聞，在俄羅斯世界杯期間制作賽事播報(bào)視頻。關(guān)注AIGC驅(qū)動的元宇宙系統(tǒng)“元卯”表現(xiàn)。3月22日，公司發(fā)布全國首個(gè)AIGC驅(qū)動的元宇宙系統(tǒng)“元卯”，結(jié)合AIGC模型和此前已多年實(shí)踐的機(jī)器生產(chǎn)內(nèi)容（MGC），幫助媒體、文旅、金融等企業(yè)實(shí)現(xiàn)元宇宙數(shù)字人、數(shù)字內(nèi)容、數(shù)字場景的智能化生產(chǎn)，解決元宇宙內(nèi)容生產(chǎn)成本高、效率低的問題。2.2、藍(lán)色光標(biāo)：虛擬人將接入文心一言，涉及與OpenAI合作虛擬人“蘇小妹”等將接入百度文心一言。據(jù)投資者互動易，藍(lán)色光標(biāo)旗下元宇宙營銷場景解決方案公司藍(lán)色宇宙，將接入百度生成式對話模型文心一言，將智能對話技術(shù)應(yīng)用在AIGC營銷場景，包括以“蘇小妹”為代表的虛擬人驅(qū)動與實(shí)時(shí)對話能力升級，及其他商業(yè)化解決方案，例如藍(lán)標(biāo)智播、分身有術(shù)、MEME等產(chǎn)品的生產(chǎn)創(chuàng)造。將與OpenAI開展技術(shù)產(chǎn)品合作。據(jù)藍(lán)色光標(biāo)官方公眾號及投資者互動易，成為中國區(qū)官方代理商后，公司將與微軟開展基于OpenAI的技術(shù)產(chǎn)品合作，讓出?？蛻襞c海外消費(fèi)者更好地互動。據(jù)藍(lán)色光標(biāo)官方公眾號，公司提出了與GPT-4可能的合作方式，包括驅(qū)動虛擬人的多模態(tài)個(gè)性化交互、生成NFT、打造用于營銷或社交的虛擬空間。2.3、捷成股份：參股公司世優(yōu)科技旗下數(shù)字人已接入ChatGPT，具備眾多應(yīng)用場景數(shù)字人已接入ChatGPT，可應(yīng)用在線下展廳、直播、電商等場景。據(jù)投資者互動易，公司參股世優(yōu)科技的數(shù)字人，已經(jīng)接入ChatGPT，通過數(shù)字人自身的人設(shè)背景等相關(guān)數(shù)據(jù)，對其進(jìn)行訓(xùn)練，并基于OpenAI來訓(xùn)練數(shù)字人專有大腦，形成個(gè)性化模型，未來擬應(yīng)用于線下展廳的AI講解介紹數(shù)字人、線上AI主播、AIGC快速短視頻系統(tǒng)、智能客服、電商等多個(gè)場景。已為眾多頭部客戶打造數(shù)字人。世優(yōu)科技已經(jīng)為百度、央視網(wǎng)、海爾集團(tuán)、腦白金等頭部客戶定制數(shù)字人，用于品牌形象IP、智能助手等場景。其中，數(shù)字人“阿央”已經(jīng)接入世優(yōu)正在開發(fā)的ChatGPT微信小程序——世優(yōu)數(shù)字人元宇宙。該程序可以展示排行靠前的熱門問題，并通過接入ChatGPT后的世優(yōu)科技數(shù)字人進(jìn)行實(shí)時(shí)的內(nèi)容解答。2.4、天娛數(shù)科：將借助ChatGPT及文心一言，提升直播交互能力旗下“MetaSurfing-元享智能云平臺”接入ChatGPT，并已引入TikTok直播場景。公司旗下的虛擬人制作SaaS平臺“MetaSurfing-元享智能云平臺”，主要是為實(shí)現(xiàn)元宇宙人貨場的“批量化、短周期