一、数字人到底是个啥？一句话说清核心
先抛个最简单的定义：数字人就是“活”在数字世界里的“人”。不是动画片里的卡通形象，也不是游戏里的Npc（非玩家角色），而是能像真人一样听、说、动，甚至能思考互动的虚拟存在。
打个比方，你刷短视频看到的虚拟主播、打电话时遇到的智能客服、银行App里帮你办业务的虚拟助手，这些都是数字人。它们有的长得和真人一模一样，连皱纹、发丝都清晰可见；有的是卡通风格，但说话做事透着“人情味儿”；还有的只闻其声不见其人，但能精准理解你的需求——本质上，它们都是用技术堆出来的“数字分身”或“虚拟员工”。
可能有人会问：“这和 Siri、小爱同学有啥区别？”关键就在“形象”和“交互”上。语音助手只有声音，而数字人有可视化的“人形”，还能做动作、变表情，互动起来更像和真人对话。就像同样是聊天，打电话和视频通话的感觉完全不同，数字人就是给智能语音装上了“身体”和“脸”。
还有个容易混淆的概念是“智能体”。简单说，智能体是能自主干活的智能系统，比如自动下单的机器人、导航软件里的路线规划程序，不一定有人的样子；而数字人是智能体的“特殊款”，必须长着人形（或类人形），还得会模仿人的社交行为。比如同样是客服系统，纯文字回复的是智能体，而屏幕上那个边说话边点头的虚拟客服就是数字人。
二、数字人是怎么造出来的？拆解“造人”全过程
别看数字人五花八门，从制作到能干活，都得经过“搭骨架、塑外形、装大脑、练动作”这几步。就像造机器人，先做身体，再装智能系统，最后教它怎么动。
第一步：画图纸、塑外形——给数字人“造身体”
这是数字人最直观的一步，就像给虚拟人做“肉身”，主要分2d和3d两种路子。
2d数字人最简单，有点像“会动的图片”。比如有些直播间的虚拟主播，其实是用真人照片改的，通过技术让图片的嘴巴、眼睛跟着声音动。你刷到的“AI孙燕姿”短视频，很多就是用这种技术做的——把孙燕姿的照片和AI合成的歌声结合，让图片“唱”起来。这种数字人成本低，几千块就能做一个，缺点是不够逼真，动作也比较僵硬。
3d数字人就复杂多了，相当于造一个“虚拟玩偶”。高端的3d数字人要用专门的建模工具，比如游戏圈常用的Unreal（虚幻）引擎，先搭出骨骼框架，再贴皮肤、画五官，连毛孔、胡茬、皮肤反光都得调。现在还有更省事的办法，用iphone对着真人拍段视频，就能把人的面部表情、动作数据扫进电脑，直接生成和真人一模一样的3d模型。
当年爆火的虚拟美妆博主“柳夜熙”，就是典型的3d数字人。她的团队花了半年多，投入上百万，才做出那逼真的面部表情和动作，第一条短视频成本就高达几十万。不过现在技术进步了，通过SaaS平台（简单说就是“云端工具包”），小企业花几万块也能定制3d数字人，不用再养专业建模团队了。
第二步：装“耳朵”和“嘴巴”——让数字人能听会说
光有样子不行，数字人得能和人交流，这就需要“听觉”和“语言”系统，核心是两项技术：ASR和ttS。
ASR就是“语音识别技术”，相当于数字人的“耳朵”。你对着数字人说话，它能瞬间把声音转成文字。比如你问“今天天气怎么样”，ASR会把这句话变成文本发给后台系统。现在这技术很成熟，手机输入法里的语音转文字、智能音箱的唤醒功能，用的都是同款技术。
ttS是“语音合成技术”，也就是数字人的“嘴巴”。后台系统算出答案后，ttS能把文字变成声音。早期的合成音很机械，像“机器人说话”；现在有了AI大模型，能模仿真人的语气、声调，甚至能复刻特定人的声音。比如“AI孙燕姿”的歌声，就是用孙燕姿的真实歌曲数据训练模型，让AI学会她的声线和演唱习惯。
现在高级点的数字人还能“定制声线”。比如企业做虚拟客服，能把真人客服的声音录下来，训练成专属语音，客户打电话听到的就是熟悉的“老客服”声音，亲切感一下子就上来了。
第三步：装“大脑”——让数字人变聪明
这是数字人从“木偶”变“智能人”的关键，以前的数字人缺的就是这个，所以只能念稿子、做重复动作，现在有了大语言模型（LLm），才算真正有了“灵魂”。
早几年的数字人，“大脑”其实是预设好的脚本。比如你问它“营业时间”，它能答；但你多问一句“周末营业吗”，它可能就卡住了。就像提线木偶，只能做提前编好的动作。
现在的数字人，直接把Gpt、文心一言这样的大模型当“大脑”。你问它啥，它先通过ASR把话转成文字，传给大模型；大模型像真人一样思考，生成回答文本；再通过ttS变成声音说出来。这个过程快的话只要几百毫秒，感觉就像数字人在“实时聊天”。
比如罗永浩的数字人直播时，有人问“这个手机续航怎么样”，大模型会结合产品参数，用口语化的方式回答，还能顺便推荐快充配件，这都是以前的数字人做不到的。百度副总裁说，现在的数字人已经能达到“媲美头部主播”的交互效果，就是因为大模型给了它真正的“思考能力”。
第四步：练动作——让数字人动起来更自然
光会说还不够，数字人得“动起来”才像人，这就需要“动作驱动”技术。
简单的动作驱动靠算法。比如数字人说话时，嘴巴要跟着语音动，算法会根据声音的频率、节奏，自动控制嘴巴的开合大小，还能加点头、眨眼的小动作。你刷到的2d数字人，基本都是用这种方式驱动的。
复杂的动作就得靠“动捕技术”。比如虚拟偶像跳舞，是让真人演员穿戴上带传感器的衣服，演员跳一遍，数字人就跟着学一遍，动作精准到手指的弯曲角度。现在还有更高级的“无标记动捕”，不用穿特制衣服，摄像头拍真人动作，电脑就能自动识别并传给数字人。
现在的高端数字人，连“微表情”都能做。比如你夸它“说得真好”，它会微笑着点头；你问它复杂问题，它会皱着眉“思考”。这些都是通过捕捉真人的表情数据，再教给数字人做出来的。
三、数字人分哪几类？从“花瓶”到“实干家”的进化
数字人不是一刀切的，按“聪明程度”和“用途”能分成好几类。几年前火的大多是“花瓶型”，现在主流是“实干型”。
按智能程度分：“木偶型”和“思考型”
“木偶型”数字人是早期的主流，没有真智能，只能做预设好的动作、说固定的话。比如商场里的虚拟导购，只会循环播放“欢迎光临”“这件衣服打8折”；还有些虚拟偶像的舞台表演，其实是提前编好的动画，就像放电影一样，不能和观众互动。
“思考型”数字人是现在的新趋势，靠大模型驱动，能自主思考、灵活互动。比如京东618期间的数字人主播，能上手测试产品，有人问“这冰箱耗电吗”，它会马上调出参数回答，还能对比其他型号；医院的虚拟导诊，能根据你的症状推荐科室，甚至提醒你带什么检查报告。这种数字人才算真正的“智能数字人”。
按用途分：“娱乐型”和“实用型”
“娱乐型”数字人最开始火起来的，主要是虚拟偶像、虚拟主播。2021年那波热潮里，屈臣氏推了“屈晨曦”，花西子搞了“花西子虚拟人”，都是想靠虚拟偶像吸引年轻人。但后来大家发现，虚拟偶像成本高、粉丝粘性差，抖音上虚拟主播的平均观看时长从15分钟跌到5分钟，粉丝流失率超40%，很多品牌悄悄把虚拟代言人撤了。
现在更吃香的是“实用型”数字人，也就是帮企业干活的“虚拟员工”。比如金融行业的虚拟客服，24小时在线解答贷款、理财问题，比真人客服效率高还不用发工资；教育领域的虚拟老师，能一对一给学生讲题，还能根据答题情况调整进度；政务大厅的虚拟导办，能帮人填表格、查流程，不用排队等真人。
百度的罗永浩数字人就是“实用型”的代表，在百度电商直播时，吸引了1300多万人观看，GmV（成交总额）突破5500万元，比罗永浩真人同期首秀的数据还好。京东的数据更夸张，618期间有1.7万家品牌用数字人直播，这些数字人带货能力超过了80%的真人主播。
四、数字人离我们有多近？盘点身边的数字人应用
现在数字人已经渗透到生活的方方面面，只是很多时候你没意识到那是数字人。从购物到看病，从学习到办事，到处都有它们的影子。
电商直播：24小时不休息的“虚拟销售”
这是数字人最常见的场景。很多品牌直播间里，半夜还在带货的主播可能就是数字人。它们不用吃饭、不用睡觉，能从凌晨播到天亮，还能记住所有产品的参数、优惠信息。
比如美妆品牌的数字人主播，能对着镜头演示化妆步骤，有人问“适合干皮吗”，马上就能答出产品成分和保湿效果；3c产品的数字人，能熟练讲解手机的处理器、摄像头参数，比刚入职的真人销售还专业。更厉害的是，数字人能同时在多个平台直播，一个“人”顶好几个真人主播。
不过数字人直播也有翻车的时候。有的数字人因为算法问题，会说些莫名其妙的话，比如把“降价”说成“涨价”；还有的动作僵硬，嘴巴和声音对不上，被观众一眼看穿。但总体来说，对中小品牌而言，数字人直播性价比很高——花几万块做个数字人，比雇几个真人主播一年几十万的工资划算多了。
金融服务：不会不耐烦的“虚拟柜员”
银行、证券这些行业，现在特爱用数字人。招商银行的“AI小招”就是典型，你打开App办信用卡，它会像真人柜员一样问你需求，帮你选卡种，还能解释年费、额度这些问题。要是半夜想查理财收益，数字人客服随叫随到，比等第二天银行开门方便多了。
还有些证券App的数字人投顾，能根据你的风险承受能力推荐基金，你问“这只基金最近跌了怎么办”，它会分析市场行情，给出加仓、减仓的建议。虽然不能替代专业投顾，但解决普通用户的基础问题绰绰有余。
政务办事：不用排队的“虚拟导办”
现在很多地方的政务服务大厅都上线了数字人。比如你去办社保转移，不用找真人咨询，直接问数字人，它会一步步教你填表格、准备材料，还能帮你预约办理时间。西宁、绵阳等地的政府部门，今年都上新了数字人，专门帮市民解答医保、公积金的问题。
这些政务数字人最大的好处是“有耐心”。不管你问多少遍“材料要复印几份”“去哪里盖章”，它都不会烦，而且回答得特别标准，不会像真人那样可能记错政策。对老年人来说尤其友好，不用怕看不懂复杂的办事指南，问数字人就行。
医疗教育：随叫随到的“虚拟助手”
医院里的数字人主要当“导诊员”。你去医院挂号，数字人会先问你“哪里不舒服”“疼了多久”，然后推荐对应的科室，还能提醒你“挂内科要空腹”“挂皮肤科不用憋尿”。有些医院的住院部数字人，还能帮家属查探视时间、订餐，减少医护人员的重复工作。
教育领域的数字人更像“私人助教”。小学生的数字人老师，能教拼音、背古诗，还能纠正发音；大学生的数字人辅导员，能解答选课、补考这些问题。甚至还有针对职业教育的数字人，比如教电工接线的虚拟老师，能360度展示操作步骤，比看课本直观多了。
五、数字人热潮退了？从“造星”到“干活”的冷静期
2021年那波数字人热潮，有点像“全民造星”——企业都想做个虚拟偶像蹭热度，资本也疯狂跟风，A股的数字人概念股轮番涨停，还流传着“3个月造星、6个月回本”的说法。但热闹了没多久，很多人发现“理想很丰满，现实很骨感”。
首先是成本太高。做个高端3d数字人要上百万，每年维护费还要几十万，可带来的收益却有限。虚拟偶像要涨粉、接广告，得花大量钱运营，可用户新鲜感一过，就没人关注了。很多品牌花大价钱做了虚拟代言人，最后粉丝没几个，广告也卖不出去，只能悄悄下架。
其次是技术瓶颈。早期的数字人大多是“木偶型”，表情僵硬、动作卡顿，说话像背书，根本没法和真人比。抖音、快手这些平台的数据很能说明问题：虚拟主播的GmV还不到真人主播的1\/5，用户付费意愿越来越低，快手后来甚至取消了对数字人直播间的流量支持。
不过这两年，数字人行业反而“降温成暖”，从追求“颜值”转向追求“实力”。原因很简单：大模型技术成熟了，让数字人从“花瓶”变成了“实干家”；同时企业发现，与其花钱做虚拟偶像，不如做个能干活的虚拟员工，性价比高多了。
现在行业里的共识是：c端（面向普通消费者）的虚拟偶像不好做，但b端（面向企业）的实用型数字人是块香饽饽。比如客服、直播、导诊这些场景，数字人能24小时干活，还不用交社保、发奖金，成本能降一大半。百度财报显示，2025年二季度数字人收入环比增长55%，规模约5亿元，主要就来自企业客户。
资本市场也重新盯上了这个领域。2025年上半年，虚拟数字人领域的投融资案件有23起，总金额达35.07亿元，平均每笔融资超过1.5亿元，快赶上2024年全年的量了。政策也在加码，上海今年发布的政策里明确支持数字人技术攻关，多地政府还自己用上了数字人办事，相当于给行业打了“强心针”。
六、数字人会取代真人吗？藏在便利背后的问题
数字人越来越能干，很多人担心：“会不会抢了我的工作？”还有人问：“数字人侵权怎么办？”这些问题确实绕不开，毕竟是新技术带来的新挑战。
先说说“抢工作”的担忧：替代的是重复劳动，不是创造力
首先得明确：数字人能替代的，大多是“机械重复、不需要创造力”的工作。比如电商里的基础带货主播，每天念同样的产品介绍；银行里的客服，回答重复的开户问题；医院里的导诊，讲解固定的办事流程。这些工作数字人干得比真人好，还不用休息，被替代是早晚的事。
但需要创造力、情感交流的工作，数字人很难替代。比如真人主播的临场发挥、和粉丝的情感互动；医生的诊断、和患者的沟通；老师的因材施教、对学生的心理疏导。罗永浩的数字人虽然带货厉害，但要是遇到突发状况，比如直播设备坏了、粉丝故意抬杠，还是得真人团队救场。
甚至数字人还会创造新工作。比如数字人建模师、动作捕捉演员、数字人运营专员，这些都是近几年新冒出来的职业。就像当年流水线机器人出现，虽然替代了部分工人，但也催生了机器人维护、编程等新岗位。
再说说“侵权”的坑：数字人也得讲规矩
数字人越像真人，越容易出侵权问题。比如用别人的照片做2d数字人、模仿明星的声音做语音合成、照搬虚拟人的形象设计，这些都可能违法。
北京互联网法院就判过一起案子：有人抄袭了别人设计的虚拟数字人形象，法院认定这个虚拟人有独创性，属于美术作品，抄袭者构成侵权，得赔钱。法官还明确说了，虚拟数字人分两部分受保护：外在形象如果是原创的，受着作权法保护；如果用了真人的照片、声音，就得经过真人同意，不然侵犯肖像权、声音权。
还有些“擦边球”行为也得注意。比如用AI生成“假明星”直播带货，虽然不是真明星，但长得太像，容易误导消费者；还有些数字人直播间用录播冒充实时直播，欺骗用户停留。抖音去年就处理了17万个这样的录播直播间，封了3万多个账号，就是为了打击这种乱象。
未来这些问题会越来越规范。现在已经有平台要求数字人直播必须标注“这是虚拟人”，不能冒充真人；还有的地方在制定数字人行业标准，明确哪些能做、哪些不能做。就像当年的互联网一样，新技术先发展，再慢慢补规矩。
还有个伦理难题：数字人能有“情感”吗？
现在的数字人能模仿人的表情，比如你难过它会说“别伤心”，但这只是算法预设的反应，不是真的有情感。可如果数字人越来越逼真，甚至能模仿人的共情能力，会不会让人产生情感依赖？
比如独居老人天天和数字人聊天，会不会越来越不愿意和真人交流？孩子长期跟着数字人学习，会不会影响社交能力？这些问题没有标准答案，需要社会慢慢适应。就像当年电视刚出现时，有人担心“看电视会让人变傻”，现在大家也能合理平衡看电视和现实生活的关系。
七、未来数字人会变成什么样？5年之内可能发生的事
根据中国互联网协会预测，2025年我国虚拟数字人核心市场规模会突破480亿元，带动相关产业超过6400亿元。这个规模意味着，未来几年数字人会越来越“接地气”，走进更多场景。
第一：做数字人会越来越便宜、越来越快
现在做个高端3d数字人要上百万，未来可能几万块就能搞定。因为技术在模块化、平台化，就像现在做ppt一样，以后企业打开云端工具，选个模板，改改五官、换身衣服，半天就能做出一个数字人。甚至个人也能做自己的数字人，比如用手机拍段视频，生成一个“虚拟分身”，帮自己剪视频、发朋友圈。
第二：数字人会更“像人”，不只是外表
现在的数字人已经能模仿表情，但未来会更懂“人情世故”。比如你和数字人客服聊天，它能听出你语气里的不耐烦，马上说“抱歉让您久等了，我马上帮您解决”；你和数字人老师请教问题，它能看出你没听懂，换种更简单的方式讲解。这背后是情感识别技术的进步，让数字人从“能说话”变成“会说话”。
百度副总裁平晓黎就说，随着多模态大模型发展，虚拟数字人的效果有望超越真人——比如能同时记住100个产品的所有参数，能瞬间回应100个观众的提问，这些都是真人做不到的。
第三：应用场景会更细分，渗透到各行各业
除了现在的客服、直播，未来数字人会出现在更多意想不到的地方。比如：
- 制造业里的“虚拟巡检员”，戴着VR眼镜，远程检查机器故障；
- 文旅行业的“虚拟导游”，带你逛博物馆，还能讲文物背后的故事；
- 家庭里的“虚拟管家”，帮你接电话、记日程，甚至陪孩子写作业；
- 影视行业的“虚拟演员”，不用真人出镜，就能演危险动作、重复镜头，还能复刻已故演员的形象。
第四：监管会更完善，行业更规范
未来数字人行业会有明确的“游戏规则”：比如数字人必须实名备案，不能冒充真人；用真人数据做数字人必须签授权协议；直播、广告等场景要用数字人，必须提前标注。这样既能保护消费者，也能让行业健康发展。
八、最后总结：数字人到底是个啥？
绕了这么多，回到开头的问题：数字人到底是个啥？
简单说，它是技术发展的产物——用建模技术造外形，用ASR\/ttS技术造听觉和语言，用大模型造大脑，用动捕技术造动作，最后变成一个能在数字世界里干活、交流的“虚拟人”。
它不是用来“追星”的新玩具，而是能帮企业降本、帮人省事的“工具”。就像当年的电脑、互联网一样，刚开始大家觉得新鲜，后来慢慢融入生活，变成不可或缺的一部分。
未来几年，我们会看到越来越多的数字人：可能是凌晨帮你带货的主播，是24小时在线的客服，是医院里的导诊员，甚至是家里的管家。它们不会取代真人，但会让我们的生活更便利——这大概就是数字人最本质的价值：用技术模拟人，最终服务人。