今年6月，羅永浩的數(shù)字人登上百度電商直播間，連續(xù)6小時不間斷“帶貨”，一邊調(diào)侃、一邊拎著可樂、喝著奶茶，與助播朱蕭木的數(shù)字人一唱一和，引發(fā)1300萬人次圍觀。這場直播最終實現(xiàn)GMV（商品交易總額）5500萬元，刷新了數(shù)字人帶貨紀(jì)錄。

▲羅永浩的數(shù)字人直播

現(xiàn)在，驅(qū)動這場直播的“AI總導(dǎo)演”，站上了世界互聯(lián)網(wǎng)大會烏鎮(zhèn)峰會的領(lǐng)獎臺。

在11月6日至9日舉行的2025年世界互聯(lián)網(wǎng)大會烏鎮(zhèn)峰會上，百度“劇本驅(qū)動多模協(xié)同的高擬真數(shù)字人技術(shù)”榮獲領(lǐng)先科技獎，實現(xiàn)連續(xù)三年獲獎。

▲百度CTO王海峰在講解高擬真數(shù)字人技術(shù)

從羅永浩的數(shù)字分身到世界互聯(lián)網(wǎng)大會的領(lǐng)獎舞臺，我們看到數(shù)字人好像跟前幾年我們印象中的不一樣了，一個問題隨之浮現(xiàn)：

讓數(shù)字人跨越“形似”的初級階段，進入“神形兼?zhèn)?rdquo;的全新境界，百度是如何做的？

一、烏鎮(zhèn)大會上的AI新風(fēng)向：數(shù)字人成大模型經(jīng)典落地場景

世界互聯(lián)網(wǎng)大會“領(lǐng)先科技獎”是全球互聯(lián)網(wǎng)科技發(fā)展的一個風(fēng)向標(biāo)。

在今年的世界互聯(lián)網(wǎng)大會烏鎮(zhèn)峰會上，評審委員會從34個國家和地區(qū)征集了424項科技成果，經(jīng)海內(nèi)外專家評審，最終遴選出17項年度領(lǐng)先成果。

其中，作為融合了大語言模型與多模態(tài)技術(shù)的創(chuàng)新應(yīng)用，百度“劇本驅(qū)動多模協(xié)同的高擬真數(shù)字人技術(shù)”成功入選。一同入選的還有中國科學(xué)院計算技術(shù)研究所、中國科學(xué)院軟件研究所的“處理器芯片軟硬件全自動設(shè)計”，清華大學(xué)“北斗三號衛(wèi)星導(dǎo)航信號關(guān)鍵技術(shù)及應(yīng)用”等成果。

▲2025年世界互聯(lián)網(wǎng)大會領(lǐng)先科技獎頒獎現(xiàn)場

當(dāng)下，數(shù)字人正成為AI最具代表性的落地場景之一。百度“劇本驅(qū)動多模協(xié)同的高擬真數(shù)字人技術(shù)”體現(xiàn)了這一趨勢，不僅是語言、視覺、語音技術(shù)的融合創(chuàng)新，更是百度多年AI技術(shù)的集大成者。

從2023年“知識增強大語言模型關(guān)鍵技術(shù)”到2024年“文心智能體技術(shù)”，百度成為唯一連續(xù)三年獲獎的人工智能公司。

二、何以“高擬真”？5大核心技術(shù)，為數(shù)字人注入“靈魂”

過去我們談數(shù)字人，更多是關(guān)注“像不像”；而今天百度的數(shù)字人，已經(jīng)進入“神似”的維度。何以“高擬真”？

其核心，在于以文心大模型為內(nèi)核的“劇本驅(qū)動多模協(xié)同技術(shù)”，讓數(shù)字人具備了自我理解、規(guī)劃和表演的能力。該技術(shù)有以下五大創(chuàng)新點：

1、劇本驅(qū)動多模協(xié)同：為數(shù)字人注入“靈魂”

傳統(tǒng)數(shù)字人依賴人工腳本和單模態(tài)驅(qū)動，而百度的這項技術(shù)能生成一份真正意義上的“劇本”， 劇本生成的核心在于語言模型驅(qū)動下的多模態(tài)協(xié)同，不僅有“說什么”，還有“怎么說、說的時候怎么配合動作表情”。

比如，當(dāng)提到“法令紋”時，視覺系統(tǒng)會自動指向?qū)?yīng)面部區(qū)域；當(dāng)數(shù)字人“送福利”時，語音模塊會自動調(diào)整語調(diào)，表現(xiàn)出興奮情緒。甚至在雙人互動時，還能標(biāo)記“在哪個詞后接話”，實現(xiàn)無縫對話。

這讓數(shù)字人不再只是“說話的模型”，而是真正擁有導(dǎo)演級的多模態(tài)表達協(xié)調(diào)力。