中科深智创始人兼CEO成维忠

　　“我们团队既要扎扎实实的立足于国内市场，同时在看待技术方向和整个战略的时候，还要有全球眼光。”中科深智创始人兼CEO成维忠如是说。

　　在国内，提到虚拟人绕不开的企业之一便是中科深智（全称“北京中科深智科技有限公司”）。他可以说是生成式AI虚拟人和3D AIGC领导者。

　　资料显示，中科深智可提供全流程、端到端的实时3D虚拟人产品。公司已获得国家发明专利超18项、计算机软件著作权超67项。合作伙伴覆盖中国电信、中兴、腾讯等诸多知名企业。

　　成维忠在接受新浪VR访谈时表示，未来虚拟人并不缺市场。在他看来，未来1000亿虚拟人里面，如果每个虚拟人花10块钱做技术支撑，就是万亿市场，如果每个训练产生100块钱，就是一个10万亿的收入市场。

　　对于公司未来，他表示，“现阶段公司是解决一个人的动作生成，我们可以用声音去生成，也可以用传感器信号去生成。接下来，我们要解决两人和多人交互的动作表情生成。3至5年后，除了人以外，我们还涉及到跟物品的交互、跟场景的交互。”

　　全球领先自动生成表情

　　2014年7月，Facebook宣布以20亿美元的价格收购Oculus。在Facebook看来，Oculus的技术开辟了全新的体验和可能性，不仅仅在游戏领域，还在生活、教育、医疗等诸多领域拥有广阔的想象空间。

　　一石激起千层浪，Facebook这一举措，被外界视其在为未来买单。同时，这也刺激着对市场敏感的人，掀起VR创业热潮。而彼时，对市场敏感的成维忠也看到了VR行业机会的到来。

　　2016年，全球掀起了一股VR热潮。Oculus和HTC纷纷推出消费版本的VR头显，开启了外界业内普遍盛传的“VR元年”。机构数据显示，2016年里国内外VR、AR行业投融资规模分别同比大幅增长了387%、968%。

　　而中科深智也正是在这一年成立。成维忠讲到，“我们开始筹备中科深智的时候，行业开始走下坡路。当时我们有两个选择，要么继续顺着原来移动互联网的路走，要么选择一个新的事情。2015年以后新兴的移动互联网公司基本非常少，（移动互联网）已经过了一个创新高点，所以我们就在想我们做下一代互联网。”

　　基于此，当时成维忠对于互联网未来一个大判断是，未来下一代互联网是以这个实时渲染产生的图形、图像视频为主的时代。他表示，“要发展的话，就需要场景、物品、人三个基础设施，我们把人作为落脚点。”

　　“我们觉得虚拟的数字就是下一代互联网基础设施，我们也在基础设施基础设施的研发当中，我们要占一席之地，这是我们创办公司的一个初衷。”成维忠如是说。

　　他表示，当前在3D环境中，数字人要去表演无非两种，一种是AI驱动的，一种是某种意义上人去驱动的。这两种技术并没有好坏之分。但是用动捕去驱动这种技术，在未来是一个非常小众的技术。

　　“所以未来一定是AI驱动的数字人，在大命题下面，我们就把生成AI驱动虚拟人作为我们的核心技术。我们把生成式AI虚拟人作为一个重点。这是我们对整体技术方向的一个大的研判。”

　　他举例讲到，比如最早迪士尼做动画，人建模绑定，大概占整个工作量的10%~15%，后期的渲染大概占10%，预算和时间投入70%都是动作表情处理。

　　近几年随着动画工作流的改进，比如动作表情捕捉技术。但动作表情处理占的工作量和预算的比重还超过50%。因此，未来在必须得要去解决动作表情生成的问题，才能完成整个3D AIGC的一个闭环。

　　“这就是我们做生成式AI虚拟人和 3D AIGC去生成表情的主要因素之一，奠定了我们3D、AI经济当中一个不可或缺的这样一个地位。”成维忠强调到。

　　“我们团队既要扎扎实实的立足于国内市场，同时在看待技术方向和整个战略的时候，还要有全球眼光。”他表示，过去公司一直把生成式AI虚拟人和3D AIGC作为重心，毫不动摇持续的在投入。

　　“每一项新的技术出来以后，我们都用它来进一步增强我们的动作表情处理方面的能力，我们在国内同行之间实际上已经拉开了一定的差距。可以说，当前在深层次的动作表情领域、深层次AI动作表情领域，我们处于全球领先行列。”

　　端到端虚拟人全流程服务

　　中科深智作为生成式AI虚拟人和3D AIGC领导者，目前可做到提供全流程、端到端的实时3D虚拟人产品。已获得国家发明专利超18项、计算机软件著作权超67项。合作伙伴覆盖中国电信、中兴、腾讯等诸多知名企业。

　　在大语言模型方面，中科深智有200亿和20亿两个参数两个轻量级版本，可为大中小企业进行私有化部署。

　　在3D模型生成方面，通过文本等多模态输入，生成3D数字人模型。中科深智结合图像渲染技术、3D建模技术和机器学习算法来实现，基于深度学习的生成对抗网络（GAN）和变分自编码器（VAE）等技术，建立网络学习3D模型的特征和规律来生成新的3D人物模型。

　　在CLLAP模型方面，中科深智自主研发的跨多模态AI生成算法，通过持续的不同模态数据的关联和交叉训练，已经获得基于语音语义实时生成动作和表情的能力。“通过公司自研的重定向算法介导，这些实时生成的动作和表情数据，即可最终驱动虚拟人，从而完成生成式AI虚拟人的技术闭环。”

　　在Motionverse方面，据他介绍，多模态实时驱动虚拟数字人的业务中台，整合了中科深智底层大语言模型以及动作和表情生成等算法、自动建模技术及模型库、Hive虚拟人云端渲染技术，形成面向产品和应用的AI虚拟人业务中台。“除了支撑公司自有产品外，也为有二次开发能力的行业开发者，提供SDK和管理后台。”

　　对于行业未来趋势，成维忠表示，行业的未来市场还是看在下一代互联网大趋势，但不得不承认移动互联网已经到头了。下一代互联网当中一定会人货场，根本就不缺场景，市场会很大。在他看来，将来整个虚拟人的总体的量应该是千亿级。

　　成维忠认为，“1000亿虚拟人里面，如果每个虚拟人后面花10块钱做技术支撑，就是万亿市场，如果每个训练产生100块钱，就是一个10万亿的收入市场。”

　　“对我们这样的公司来说，只要扎扎实实把自己的事情给做好就OK了，未来的训练应该是无处不在，无所不在的。这个市场会不断的融合，因为新技术出来是不断融合。”

　　对于公司未来，他表示，“现阶段公司是解决一个人的动作生成，我们可以用声音去生成，也可以用传感器信号去生成。接下来，我们要解决两人和多人交互的动作表情生成。3至5年后，就除了人以外，我们还涉及到跟物品的交互、跟场景的交互。”

　　在访谈最后，成维忠表示，出海将成为公司的一个重点。“接下中科深智除了继续做国内的市场以外，出海是一个重点。”