摸着乔布斯过河，司马华鹏带着硅基智能「一路狂奔」

摘要：成立七年多，在数字人行业，一半人在摸着硅基智能过河，一半人看不懂硅基智能。一方面，融合了大模型与数字人多种热门科技元素于一身，成立七年多，硅基智能却是业内罕见的不烧钱的玩家。在业务规划上，这家公司走的是难得的稳扎稳打的玩法：在人人比拼大模型参数与价格战的时候，

继图形、触摸之后，硅基数字人代表的智能交互将带来互联网的第三次交互革命。作者 | ray
编辑 | 郑玄成立七年多，在数字人行业，一半人在摸着硅基智能过河，一半人看不懂硅基智能。一方面，融合了大模型与数字人多种热门科技元素于一身，成立七年多，硅基智能却是业内罕见的不烧钱的玩家。在业务规划上，这家公司走的是难得的稳扎稳打的玩法：在人人比拼大模型参数与价格战的时候，硅基智能已经凭借最基础的智能外呼赚到了第一桶金；没过多久，公司的做法成为金融领域智能外呼的标准模板，硅基智能开启了公司的第二曲线。再后来，疫情期间，数字人赛道爆火，凭借着智能外呼积累起的交互经验以及逼真的数字人形象，还有强悍的渠道，硅基智能一度将旗下数字人直播间数量推到五万家之多。以此为基础，硅基智能公开放言要成为国内第一家营收百亿的 AI 企业；与此同时，能否帮助用户赚到 100 万，被写进了这家公司对产品的 KPI 考核。如今，这两个目标，均已进展大半。但仍有一半人看不懂硅基智能。在过去两年，元宇宙的星辰大海中，3D 一度成为创投风口的背景下，硅基智能屡次发声坚持 2D 思路，为此，创始人司马华鹏甚至被踢出了同行群聊。而在大模型如火如荼的当下，所有人都在试图打造一个全知全能 AI 之时，司马华鹏却在试图颠覆传统意义上对图灵测试的认知：在智能程度上，无法区分人与机器，只是一级的图灵测试；让 AI 拥有情感，完成人与机器的双向情感交互，是二级的图灵测试；人与 AI 死生相契，这是三级的图灵测试，也是我们打造人工智能的终极目标。如何定义 AI 的情感，以及如何完成跨越硅基碳基的死生相契，一千个用户有一千个哈姆雷特。但这些并不影响硅基智能在这个行业的分量：成立仅七年，硅基智能已经连续获得九轮融资，其投资人，既包括红杉中国这样的顶级 VC, 招银国际这样对风险回报严格控制的银行资本，同样不乏腾讯、360 这样的产业巨头。

在 C 端的破圈，则始于 2022 年百万粉丝大 V 刘润的年终演讲，视频中，刘润展示出的硅基智能为其制作的数字人效果几乎真假难辨，引来台下一片惊呼的同时，硅基智能也随之声名鹊起。紧随其后，ChatGPT 在 2022 年年底发布，数字人被装上进化版大脑。自此，抖音、快手、视频号，各大视频内容平台中，硅基智能的数字人产品成为全行业最炙手可热的明星。然而，仅仅一年时间，平台风向突变，抖音对数字人直播的态度，从鼓励变为打击封禁，硅基智能在抖音最多十万多的直播间，到如今只剩几千家。司马华鹏的频繁对外发声中，也自此杠上了巨头抖音。足够吸引眼球，也足够有争议。一定程度上，读懂硅基智能，也就读懂了数字人产业的过去与未来。

数字人直播间破万后的困惑无论是否承认，在数字人产业，硅基智能都是一个让人望而生畏的对手。在这家公司的历史中，你不难看到这样的战绩：2023 年，硅基智能为某酒旅品牌打造的数字人直播间，销售 GMV（商品交易总额）突破十亿；某咖啡品牌的数字人直播间，5 小时收获了 85.6 万营收，数据之亮眼，也吸引了国内电商直播龙头谦寻与其共同打造 AI 数字人直播系统。趁着这波平台的流量窗口，凭借公司多年累积起的 120 多项授权专利，硅基智能一举将旗下人工智能相关的矩阵号推到了上百个，每天上亿次的播放，累积起超过千万的粉丝量。公司业务在这一时期，覆盖了金融、政府、运营商、保险等多个行业，拿下了包括工商银行、中国银行、招商银行在内多家巨头客户。这不仅成为硅基智能当时的核心业务，也让其打造了 AI 领域最大的账号矩阵，将公司估值一举推到近 10 亿美金。如果这一趋势持续，那么到了 2025 年，硅基智能将轻松完成自己定下的目标——为全球打造 1 亿硅基劳动力。对于这种高举猛打，司马华鹏将其定性为对第一性原理的尊重，以及对乔布斯引起的第三次交互革命 Siri 的延续与变种——互联网的革命本质是交互的革命。历史上，Mac OS 与 Windows 将计算机从代码交互变为图形交互，自此产生了 PC 产业；智能机将手机交互从键盘按键改为触摸，APP 绑定人类的衣食住行，全世界范围内的移动互联网浪潮就此掀开；第三次交互革命，则是 Siri 掀开从触摸到语音的升级，几十万年的历史演化，已经将语言、语音与沟通的强绑定，刻进了人类乃至所有动物的 DNA。然而，革命注定不是一帆风顺：Siri 功业未半而乔布斯中道崩殂，硅基智能数字直播间正加速狂奔，突然迎来抖音的平台风向突变：2023 年到 2024 年，抖音开始对数字人直播进行严查，不到一年时间，硅基智能旗下 AI 数字人直播间就从几万个，掉到了几千个。尽管抖音失利后，硅基智能立刻转战淘宝、天猫、拼多多、美团，新的直播间再次风生水起，但司马华鹏想不通：为什么 2022 年，为了快速占领直播市场，还率先引入了数字人直播的抖音，如今却对数字人的态度一改往常？为什么一个诞生之日起，就强算法导向弱编辑干预的平台，唯独如此抗拒算法内容的生成？更深一层，「为什么我们的数字人被封禁了，但是剪映生成的内容却还在大行其道？」「故人」戴上了帽子，怎么突然就成了「敌人」？业内一个被广泛认可的解读是 AI 大行其道，所产生的内容参差不齐，会影响平台的用户体验。但算法的内容产出一定低于真人，更生动的视频只能依靠真人动捕吗？硅基智能不这么认为。

参数的 scaling law 与情感的 L1-L5最近几个月，在硅基智能，所有员工发现，老板司马华鹏突然之间变得无处不在。最近司马华鹏频繁地开会、与销售一起见客户；一线产品与研发遇到问题，司马华鹏第一时间会给出回应；公关职能部门的主导下，司马华鹏还密集的参加行业大会以及采访交流，高强度对外发声。各种内外事务交织，这位老板的日常用忙得脚不沾地形容，也算不上夸张。但是打开网络，这位 CEO 却仿佛还同时活在直播间，不停地回答各种网友的提问，国学、技术、教育，无所不能。在这背后，是司马华鹏在面对「如果生命只剩一年的提问」后，把自己上传到了大模型世界中所打造的「simahuapeng.ai」。

在他看来，亲情不只是血缘关系的天然绑定，而是超越生物学意义上的回忆、形象、思想、经历、交流的总和。因此，在 simahuapeng.ai，司马华鹏将自己的思想、记忆、情感和人格特征通过几百万字的数据输入传递给 AI，形成了自己在硅基世界中的分身，除了像传统的大模型一样「博学」，数字人一样逼真之外，还同时具备思考能力、情绪感知与回应能力，以及与外界互动的能力，在交互体验中，与一位坐在直播间对面的真实主播交流别无二致。当然，这种语音识别、情感理解、视觉感知、真人级形象等前沿能力不只能被用来复刻司马华鹏。基于以上技术，从而衍生出的涵盖情感陪伴、知识传承和个人品牌塑造在内的硅基分身能力，在未来可能无限大。比如，陪伴与数字永生，正接棒直播，成为新的营收发力点，最近硅基智能在忙的一件事情，就是通过数字人让民族实业家张謇「复活」。不过，与这种能力进化形成鲜明对比的是，「simahuapeng.ai」的开发，在内部，只花了团队大约一周时间。支撑起这种高效的，则是硅基智能自主研发的 DUIX ONE 多模态大模型。

DUIX ONE 的大模型参数量达到 700 亿个，因此，在处理复杂任务和理解自然语言方面表现显著提升，进而与用户产生足够聪明的互动。此外，实时推理上，DUIX ONE 的单次推理时间大约在 300 毫秒，因此只要网络状况允许，完全可以提供与真人交互同等级别的流畅体验。交互的深度上，DUIX ONE 则能够处理长达 10,000 个字符的上下文，确保对话连贯性。此外，针对不同场景，DUIX ONE 的数据训练，还涵盖了医疗、教育、娱乐在内等多个领域，让模型做到天文地理无所不知，并支持超过 50 种语言的理解与生成，满足全球用户需求。与此同时，不同于市面上一些数字人「形象」与「思考」的分离，导致数字人说话时的口型、表情不一致；DUIX ONE 除了发力多模态，在文本基础上增加图像、视频、声音和形象的处理能力，同时还支持文本、音频和视频的端到端处理，所有操作均在统一模型中完成，无需模态转换，音画同步成为可能。对于用户比较在意的 AI 数字人「赛博油腻」「不真实」的痛点，DUIX ONE 在交互中，对面部、情绪和背景声音的识别准确度再次提高，可以输出情绪饱满的音频之外，视觉上，还支持高达 4K 分辨率的图像输入，并能够识别超过 10,000 种不同类别的物体，准确率达到 98%。因此，与 DUIX ONE 就像一个真人，不仅能听懂语音，更可以根据产生相应的动作、情绪、表情作出回复，真正将大模型与数字人技术结合，实现了「All in One」。但数字人，一半是数字，另一半是人。在大模型朝着 scaling law 一路狂奔的时候，司马华鹏无疑是这场游戏中最热情的参赛者之一。另一方面，围绕「人」或者「生命」，司马华鹏对大模型智能的评判标准，在 scaling law 之外，还有一套独特的情感的 L1-L5。思考的来源，源于他陪伴儿子成长的过程。儿子是 14 年出生的，司马华鹏在 2017 年创业时候儿子只有 3 岁。陪伴孩子成长的过程，也影响到了司马华鹏创业的思路：「小朋友的大脑的发育是个很有趣的现象，他五六岁的时候，不会深度思考，但是他已经可以很好地表达了，比一个无所不知的大模型，更生动、更灵活，拥有更多可能。」

得到启发，NLP 的 P 或许除了 processing，还有 performance 的含义，至少在数字人的打造中，表演、表达与情感是重要一环。比如在过去，硅基智能被很多人认识，就是源于克隆大 V。但数字人能否学会大 V 生动的面部情绪，声音起伏，才是用户决定是否接受大 V 数字直播的根本。只有智能的 AI 显然无法做到。与此同时，数字人直播，用户进来之后，如何留住，这依旧需要情感的能力进化。而这些也就成为司马华鹏提出图灵测试三等级的根本：智能通关之外，还应该人机双向情感交互，最终达成死生契阔。但情感进化，可以等同于一个完美的数字人直播商业模式吗？答案是否定的。

3000 块与 100 万如何评价一个大模型是否有用，在硅基智能，答案简单而粗暴「能不能帮用户赚 100 万。」如果不行，参数再多，技术再先进，也无法保证技术路线是不是掉进了加拉帕格斯陷阱自娱自乐。产生这个判断的逻辑很直白，司马华鹏经常举的一个例子是红杉的一份报告：全世界投了五六千亿美金在大模型算力，但是整个 AI 加起来的回报还不到 1, 000 亿，中间隔着几千亿 gap，全都是泡沫。未来，这些不能赚到钱的 AI，迟早会高峰跌落。但一个有趣的现象是，多次对外发声中，司马华鹏也坦言：如果说你买一个月 3000 块钱的数字人就能把公司的电商盘活，那这个数字人就不止 3000 块了。两句话似乎都很有道理，但连在一起，却多少显得有些矛盾？事实上，「矛盾」的根源，在于如何定义 AI。一次对外采访中，司马华鹏做了这样一个比喻，「数字人只是包饺子过程中的葱花，我能保证我的葱花是最新鲜的，但你不能说，饺子好不好吃，全指望葱花。数字人不是一个充分必要条件，它只是一个重要条件。所以，大家要对 AI 直播的预期和价值链有清楚的思考。」大模型与数字人本质是个工具，但工具发挥效益，却需要一个完整地从供应链到策划、投流、运营的体系。过程中，企业对 AI 直播的预期是什么？答案是节省主播培训费用，主播带货费用、实体直播间整体搭建费用。作为硅基智能的合作伙伴，谦寻曾经算过一笔账，一个日播的店播品牌直播间每个月至少有 10 万的基础投入费用，数字人直播如果进行大规模应用，保守估计能够帮助品牌降低一半的成本，品牌方每个月只需投入数千元，就可以打造自己的直播间。更关键的是，既降低了主播的试错成本，也没有主播跳槽的风险。更进一步，当用户掌握了数字人的能力之后，场景其实不止局限于直播。司马华鹏曾开过一个脑洞：用 AI 做一个「爷爷」数字人，孙子或者是孙子的更晚的晚辈过来给爷爷磕个头，谁磕头心意更诚，数字人就能给谁支付宝到账更多红包。为了将脑洞进一步延伸，硅基智能还推出了一项 10 亿元补贴计划，为 5000 万大学生免费提供 AI 技能培训和数字人技术支持。比如，支持一个五音不全，但颜值情商过关的大学生，成为顶流数字人娱乐主播。

这样的场景很多，但司马华鹏给公司画出的红线是，不要去预设，不去过度伸手，「simahuapeng.ai」的打样之后，硅基智能的目标依旧是能不能让客户赚到 100 万。在 AI 的落地的 4*100 接力中，AI 与数字人只是个杠杆，用户才是能否撬动 100 万的收益，决定最后能不能夺冠的最后一棒——万能的锤子，敲出什么样的作品，全看将它用在什么场景。但对硅基智能来说，只要沿着乔布斯第三次交互变革的路线，做好过程中的加速，就足以成就一个足够伟大的商业模式。极客一问你看懂硅基智能了吗？