虛擬數(shù)字人行業(yè)深度研究：元宇宙的主角破圈而來

虛擬數(shù)字人行業(yè)深度研究：元宇宙的主角破圈而來1.

名詞概覽：計算機技術(shù)打造虛擬數(shù)字人1.1.

定義：數(shù)字人、虛擬人、虛擬數(shù)字人被賦予特定人物身份虛擬人、數(shù)字人、虛擬數(shù)字人的目標(biāo)是通過計算機圖形學(xué)技術(shù)（ComputerGraphic，CG）

創(chuàng)造出與人類形象接近的數(shù)字化形象，并賦予其特定的人物身份設(shè)定，在視覺上拉近和人

的心理距離，為人類帶來更加真實的情感互動。按照各定義特征的要求，數(shù)字人的范疇包

含虛擬人，虛擬人的范疇包含虛擬數(shù)字人。對于不要求必須具備交流互動能力時，數(shù)字人、虛擬人、虛擬數(shù)字人這三者概念可

以認(rèn)為是等同的。但在嚴(yán)格意義下它們又有細微的差別。虛擬人的身份是虛構(gòu)的，

現(xiàn)實世界中不存在的。數(shù)字人強調(diào)角色存在于數(shù)字世界。虛擬數(shù)字人強調(diào)虛擬身份

和數(shù)字化制作特性。1.2.

劃分：人格象征和圖形維度是虛擬數(shù)字人常見的分類依據(jù)根據(jù)人格象征，虛擬數(shù)字人可分為虛擬

IP和虛擬世界第二分身；根據(jù)人物圖形維度，虛擬數(shù)字人可分為

2D和

3D兩大類，從外形上可分為卡通、寫

實等風(fēng)格，綜合來看可分為二次元、3D卡通、3D超寫實、真人形象四種類型。1.3.

框架：五大模塊構(gòu)成虛擬數(shù)字人通用系統(tǒng)框架人物形象根據(jù)人物圖形資源的維度，可分為

2D和

3D兩大類；語音和動畫生成模塊可分

別基于文本生成對應(yīng)的人物語音以及人物動畫；音視頻合成顯示模塊將語音和動畫合成視

頻；交互模塊根據(jù)語音語義識別用戶的意圖，并決定數(shù)字人后續(xù)的語音和動作。交互模塊為擴展項，根據(jù)其有無，可將數(shù)字人分為交互型數(shù)字人和非交互型數(shù)字人。非交互型虛擬數(shù)字人系統(tǒng)依據(jù)目標(biāo)文本生成對應(yīng)的人物語音及動畫，并合成音視頻呈

現(xiàn)給用戶。交互型數(shù)字人根據(jù)驅(qū)動方式的不同可分為智能驅(qū)動型和真人驅(qū)動型。1）智能驅(qū)動型數(shù)字人可通過智能系統(tǒng)自動讀取并解析識別外界輸入信息，根據(jù)解析

結(jié)果決策數(shù)字人后續(xù)的輸出文本，然后驅(qū)動人物模型生成相應(yīng)的語音與動作來使數(shù)字

人跟用戶互動。該人物模型是預(yù)先通過

AI技術(shù)訓(xùn)練得到的，可通過文本驅(qū)動生成語

音和對應(yīng)動畫，業(yè)內(nèi)將此模型稱為

TTSA（TextToSpeech&

Animation）人物模型。2.

行業(yè)情況分析：虛擬數(shù)字人市場廣闊，應(yīng)用領(lǐng)域不斷拓展2.1.

行業(yè)沿革：虛擬數(shù)字人已處高速成長階段虛擬數(shù)字人從最早的手工繪制到現(xiàn)在的

CG（ComputerGraphics，電腦繪圖）、人工智能

合成，虛擬數(shù)字人大致經(jīng)歷了萌芽、探索、初級和成長四個階段2.2.

產(chǎn)業(yè)鏈：隨理論技術(shù)日益成熟，商業(yè)模式持續(xù)演進豐富產(chǎn)業(yè)鏈當(dāng)前虛擬數(shù)字人理論和技術(shù)日益成熟，應(yīng)用范圍不斷擴大，產(chǎn)業(yè)正在逐步形成、不斷豐富，

相應(yīng)的商業(yè)模式也在持續(xù)演進和多元化。2.2.1.

基礎(chǔ)層：廠商深耕軟硬件行業(yè)，具有深厚技術(shù)壁壘基礎(chǔ)層為虛擬數(shù)字人提供基礎(chǔ)軟硬件支撐，硬件包括顯示設(shè)備、光學(xué)器件、傳感器、芯片

等，基礎(chǔ)軟件包括建模軟件、渲染引擎。顯示設(shè)備是數(shù)字人的載體，既包括手機、電視、

投影、LED顯示等

2D顯示設(shè)備，也包括裸眼立體、AR、VR等

3D顯示設(shè)備。光學(xué)器

件用于視覺傳感器、用戶顯示器的制作。傳感器用于數(shù)字人原始數(shù)據(jù)及用戶數(shù)據(jù)的采集。

芯片用于傳感器數(shù)據(jù)預(yù)處理和數(shù)字人模型渲染、AI計算。建模軟件能夠?qū)μ摂M數(shù)字人的人

體、衣物進行三維建模。渲染引擎能夠?qū)艄?、毛發(fā)、衣物等進行渲染，主流引擎包括

UnityTechnologies公司的

Unity3D、EpicGames公司的

UnrealEngine等?？傮w來看，處于

基礎(chǔ)層的廠商已經(jīng)深耕行業(yè)多年，已經(jīng)形成了較為深厚的技術(shù)壁壘。2.2.2.

平臺層：提供多元技術(shù)支持，賦予虛擬數(shù)字人真實及靈動感平臺層包括軟硬件系統(tǒng)、生產(chǎn)技術(shù)服務(wù)平臺、AI能力平臺，為虛擬數(shù)字人的制作及開發(fā)提供技術(shù)能力。建模系統(tǒng)和動作捕捉系統(tǒng)通過產(chǎn)業(yè)鏈上游的傳感器、光學(xué)器件等硬件獲取

真人/實物的各類信息，利用軟件算法實現(xiàn)對人物的建模、動作的重現(xiàn)；渲染平臺用于模型的云端渲染。解決方案平臺基于自身技術(shù)能力為廣大客戶提供數(shù)字人解決方案。AI能力平

臺提供計算機視覺、智能語音、自然語言處理技術(shù)能力。平臺層匯聚的企業(yè)較多，騰訊、

百度、搜狗、魔琺科技、相芯科技均有提供相應(yīng)數(shù)字人技術(shù)服務(wù)平臺。2.2.3.

應(yīng)用層：帶領(lǐng)虛擬數(shù)字人切入商業(yè)化賽道應(yīng)用層是指虛擬數(shù)字人技術(shù)結(jié)合實際應(yīng)用場景領(lǐng)域，切入各類，形成行業(yè)應(yīng)用解決方案，

賦能行業(yè)領(lǐng)域。按照應(yīng)用場景或行業(yè)的不同，已經(jīng)出現(xiàn)了娛樂型數(shù)字人（如虛擬主播、虛

擬偶像）、教育型數(shù)字人（如虛擬教師）、助手型數(shù)字人（如虛擬客服、虛擬導(dǎo)游、智能助

手）、影視數(shù)字人（如替身演員或虛擬演員）等。不同外形、不同功能的虛擬數(shù)字人賦能

影視、傳媒、游戲、金融、文旅等領(lǐng)域，根據(jù)需求為用戶提供定制化服務(wù)。2.3.

政策：近期多項政策推動虛擬數(shù)字人新興科技產(chǎn)業(yè)發(fā)展2.4.

行業(yè)趨勢：優(yōu)質(zhì)技術(shù)仍待普及，受眾群體仍待拓展虛擬數(shù)字人產(chǎn)業(yè)生產(chǎn)及運營成本高，優(yōu)劣差異化顯著，受眾群體不斷拓展，因而虛擬數(shù)字人價值凸顯，應(yīng)用領(lǐng)域不斷拓展，未來有望加速商業(yè)化進程。采集制作流程簡單化、一體化，迭代式提升真實感。未來虛擬數(shù)字人制作技術(shù)將更加簡單，更加一體化、自動化設(shè)備同步獲取模型、身體、表

情等所有數(shù)據(jù)，無需穿戴專業(yè)傳感設(shè)備。交互方式衍變，智能化程度不斷加深。全雙工技術(shù)將推進數(shù)字人交互方式的演變，使得數(shù)字人擁有一次喚醒、多次交互能力﹐具

備實時智能響應(yīng)、只能打斷、智能糾錯、多輪對話等功能。3.

技術(shù)架構(gòu)：建模、驅(qū)動、渲染三大關(guān)鍵技術(shù)構(gòu)成底層架構(gòu)虛擬數(shù)字人基礎(chǔ)技術(shù)架構(gòu)包括“五橫兩縱”?！拔鍣M”是指用于數(shù)字人制作、交互的五大技

術(shù)模塊，即人物生成、人物表達、合成顯示、識別感知、分析決策等模塊。其中，人物生

成，即人物建模方面

2D數(shù)字人較為簡單，3D數(shù)字人需要額外使用三維建模技術(shù)。人物

表達包括語音生成和動畫生成。動畫生成則包含驅(qū)動和渲染兩大部分?！皟煽v”是指

2D、

3D數(shù)字人，2D數(shù)字人和

3D數(shù)字人在技術(shù)架構(gòu)方面基本一致。3D數(shù)字人需要額外使用

三維建模技術(shù)生成數(shù)字形象，信息維度增加，所需的計算量更大。3.1.

建模：主流技術(shù)仍為靜態(tài)掃描，動態(tài)光場成為未來重點發(fā)展方向建模技術(shù)分為靜態(tài)掃描建模和動態(tài)光場重建，目前主流技術(shù)仍為靜態(tài)掃描，相比靜態(tài)重建

技術(shù)，具有高視覺保真度的動態(tài)光場三維重建技術(shù)不僅可以重建人物的幾何模型，還可一

次性獲取動態(tài)的人物模型數(shù)據(jù)，并高品質(zhì)重現(xiàn)不同視角下觀看人體的光影效果，成為數(shù)字

人建模重點發(fā)展方向。靜態(tài)掃描建模技術(shù)靜態(tài)掃描建模技術(shù)可分為結(jié)構(gòu)光掃描重建和相機陣列掃描重建，結(jié)構(gòu)光掃描重建掃描時間

長，對于人體這類運動目標(biāo)在友好度和適應(yīng)性方面都差強人意，更多的應(yīng)用于工業(yè)生產(chǎn)、

檢測領(lǐng)域。相機陣列掃描重建替代結(jié)構(gòu)光掃描重建克服了以上問題成為人物建模主流方式。

隨著拍照式相機陣列掃描重建得到飛速發(fā)展，目前可實現(xiàn)毫秒級高速拍照掃描（高性能的

相機陣列精度可達到亞毫米級），并成功應(yīng)用于游戲、電影、傳媒等行業(yè)。國際上

IR、Ten24

等公司將靜態(tài)重建技術(shù)完全商業(yè)化，服務(wù)于好萊塢大型影視數(shù)字人制

作。凌云光近年來大力發(fā)展立體視覺并研發(fā)了高精度人體3D建模系統(tǒng)——Human3D+，

其中核心的三維幾何和彩色數(shù)據(jù)采集部分均使用了以佳能專業(yè)鏡頭，配合佳能

SDK軟件

開發(fā)包及凌云光專用

3D建模軟件能快速、清晰成像并高速儲存，自動完成高精度人體全

身或局部重建，再利用三維動畫制作軟件對重建結(jié)果進行處理，得到高真實度數(shù)字人物。動態(tài)光場重建技術(shù)動態(tài)光場重建是目前世界上最新的深度掃描技術(shù)，此技術(shù)可忽略材質(zhì)，直接采集三維世界

的光線，然后實時渲染出真實的動態(tài)表演者模型，為

3D建模提供更加豐富的圖像信息，

它主要包含人體動態(tài)三維重建和光場成像兩部分:3.2.

驅(qū)動：智能合成，動作捕捉遷移成為主流動作生產(chǎn)方式3.2.1.

智能合成：2D、3D數(shù)字人均已實現(xiàn)嘴型動作的智能合成，其他部位僅支持錄播2D、3D數(shù)字人嘴型動作智能合成的底層邏輯類似，均建立在輸入文本到輸出音頻與輸出

視覺信息的關(guān)聯(lián)映射。其中

3D視頻驅(qū)動方式為以下三個步驟：1）視頻算法訓(xùn)練：對已采集到的文本到語音和嘴型視頻的數(shù)據(jù)進行模型訓(xùn)練，得到一個

輸入任意文本均可驅(qū)動嘴型的模型。2）語音自動識別：對語音進行標(biāo)注，綁定數(shù)據(jù)與動作,使得虛擬數(shù)字人對特定詞語或語境

做出相應(yīng)動作。3）動捕設(shè)備采集：需真人穿戴動捕設(shè)備，動捕設(shè)備與真人肢體動作相綁定，可實時傳遞

到虛擬數(shù)字人身上。3.2.2.

動作捕捉：動作捕捉方案最高可實現(xiàn)毫米級誤差通過將捕捉采集的動作遷移至數(shù)字人是目前

3D數(shù)字人動作生成的主要方式，核心技術(shù)是

動作捕捉。動作捕捉是指通過數(shù)字手段記錄現(xiàn)實人們的運動過程。同時，動作捕捉系統(tǒng)根

據(jù)實現(xiàn)原理的不同，可以分成光學(xué)動作捕捉、慣性動作捕捉、Track設(shè)備+IK算法的動作

捕捉、以人工智能為主的動作捕捉方案?，F(xiàn)階段，光學(xué)式和慣性式動作捕捉占據(jù)主導(dǎo)地位，

基于計算機視覺的動作捕捉成為聚焦熱點。光學(xué)動作捕捉光學(xué)動作捕捉是在演員身上粘貼能夠反射紅外光的

Marker（馬克點），攝像機通過反光來

捕捉這些馬克點的位置變化，從而完成對演員的動作捕捉。目前，光學(xué)動作捕捉方案能通

過高幀率的捕捉，實現(xiàn)毫米級誤差精度，能對人物動作還原最為精細，但這類捕捉方案對

于背景環(huán)境的要求較高，技術(shù)門檻也同樣較高。受到光線傳播的限制，數(shù)據(jù)采集難免有丟失的情況發(fā)生，在相對較大的拍攝空間中，需要

同時修正幾十個攝像機的參數(shù)，稍微移動一下就需要對攝像機參數(shù)進行重新標(biāo)定，想做到電影級別的精確捕捉，還是很耗時費力的。對于大范圍的行走和奔跑等日?；顒?，需要精

心控制的移動攝像機來記錄足夠的運動信息，這也很難實現(xiàn)的。在光學(xué)動作捕捉設(shè)備和方

案上，國內(nèi)外都涌現(xiàn)出一些較為優(yōu)秀的公司代表，比如英國的

Vicon，美國的

OptiTrack和魔神（MotionAnalysis），國內(nèi)的

Nokov、uSens、青瞳視覺等。慣性動作捕捉主要是基于慣性測量單元（InertialMeasurementUnit，IMU）來完成對人體動作的捕捉，

即把集成了加速度計、陀螺儀和磁力計的

IMU綁在人體的特定骨骼節(jié)點上，通過算法對

測量數(shù)值進行計算，從而完成動作捕捉。這種慣性動作捕捉方案價格相對低廉且精度較低，

會隨著使用時間的增加產(chǎn)生累積誤差，發(fā)生位置漂移。這類捕捉方案需要大量復(fù)雜的硬件

設(shè)備和嚴(yán)格的影棚環(huán)境，技術(shù)門檻也同樣較高，并不適合大眾消費者使用。我們常見的動作捕捉服、手套等設(shè)備都是屬于這類慣性動作捕捉范圍內(nèi)。在慣性動作捕捉技術(shù)的賽道里，代表性企業(yè)有荷蘭的

Xsens，以及國內(nèi)的諾亦騰

（Noitom）、幻境、國承萬通等。國內(nèi)廠商諾亦騰、國外廠商

XSens都擁有比較成熟的

產(chǎn)品。其中，諾亦騰通過全身

17

節(jié)點慣性傳感器、全身綁帶、傳感器充電盒以及

EVA便

攜箱等組成部分打造了入門級無線動作捕捉系統(tǒng)

PerceptionNeuron3。計算機視覺的動作捕捉視覺的動作捕捉主要是通過采集及計算深度信息來完成對動作的捕捉，是近些年才興起的

技術(shù)。這種視覺動捕方式因其簡單、易用、低價，已成為目前使用的頻率較高的動作捕捉

方案。視覺動作捕捉主要有兩種：1）Track設(shè)備+IK算法的動作捕捉方案，主要通過

Track設(shè)備以及

IK算法相結(jié)合，模擬

出一定的動作姿態(tài)。這種動作捕捉方案在一些消費級的產(chǎn)品上運用較多，也頗受硬核技術(shù)

流玩家們的喜愛，他們可以搭建自己的動作捕捉設(shè)備方案。2）以人工智能為核心的動作捕捉方案，借助設(shè)備上自帶的攝像頭，如

iPhone里搭載的

深感攝像頭實現(xiàn)面部捕捉功能，并且通過深度學(xué)習(xí)，訓(xùn)練算法將

2D圖像轉(zhuǎn)換成

3D圖像，

從而讓一些坐著的主播可以擁有一個活靈活現(xiàn)的虛擬形象。由于這種動作捕捉方案對硬件要求較低，多數(shù)依靠軟件層的算法，因此具有較為廣泛的應(yīng)

用空間和利潤空間。代表性產(chǎn)品有

LeapMotion、微軟

Kinect等。3.3.

渲染：主打

Unreal和

Unity渲染引擎，真實性和實時性均大幅提升當(dāng)通過不同的設(shè)備記錄下動作方案之后，還需通過渲染引擎，對毛發(fā)、衣物等細節(jié)盡量還

原。從引擎性能上來說，游戲領(lǐng)域的渲染引擎達到最好的渲染效果。PBR（PhysicallyBasedRendering，基于物理的渲染技術(shù)）渲染技術(shù)的進步以及重光照等新型渲染技術(shù)的

出現(xiàn)使數(shù)字人皮膚紋理變得真實，突破了恐怖谷效應(yīng)?？植拦刃?yīng)由日本機器人專家森政弘提出，認(rèn)為人們對機器人的親和度隨著仿真程度增加

而增高，但當(dāng)達到一個較高的臨界點時，親和度會突然跌入谷底，產(chǎn)生排斥、恐懼和困惑

等負面心理。數(shù)字人恐怖谷效應(yīng)主要由數(shù)字人外表、表情動作上與真人的差異帶來，其中

外表真實感的關(guān)鍵就是皮膚材質(zhì)的真實感，無論是塑料感還是蠟像感都會給人類帶來不適。PBR（PhysicallyBasedRendering）PBR是基于真實物理世界的成像規(guī)律模擬的一類渲染技術(shù)的集合，它的關(guān)鍵在于微表面

模型和能量守恒計算，通過更真實的反映模型表面反射光線和折射光線的強弱，使得渲染

效果突破了塑料感。常見的幾款

3D引擎，如

UnrealEngine4,

CryEngine3,

Unity3D5，均有了各自的

PBR實現(xiàn)。重光照技術(shù)重光照技術(shù)通過采集模擬多種光照條件的圖像數(shù)據(jù)，測算數(shù)字人表面光照反射特性，并合

成出數(shù)字人模型在新的光照下的渲染結(jié)果，使計算機中的虛擬數(shù)字人在任意虛擬環(huán)境下都

可以呈現(xiàn)近乎真實的效果，它徹底改變了傳統(tǒng)渲染方式通過模擬皮膚復(fù)雜的透射反射來計

算渲染總會帶來誤差的局面。該技術(shù)在

2000

年初由南加州大學(xué)實驗室創(chuàng)建

LightStage平臺時提出，并開始了相關(guān)研

究，目前已經(jīng)經(jīng)過

7

代的迭代發(fā)展，已被成功應(yīng)用到《阿凡達》、《復(fù)仇者聯(lián)盟》等眾多經(jīng)

典影片的角色制作中。渲染技術(shù)也可分為實時渲染技術(shù)和離線渲染技術(shù)，二者在渲染時長、計算資源計算量等方

面存在差異，所對應(yīng)應(yīng)用場景亦有所不同。4.

應(yīng)用場景：虛擬數(shù)字人落地場景豐富，偶像營銷或為先發(fā)賽道虛擬人及數(shù)字人應(yīng)用領(lǐng)域多元，主力文娛及服務(wù)行業(yè)。在畫面呈現(xiàn)方式日漸成熟的的基礎(chǔ)

下，疊加

5G、算力、AI等技術(shù)能力的提升，其落地場景日漸豐富。如今不再限于傳統(tǒng)文

娛如影視、動畫在人物建模、CG等方面在虛擬形象塑造的應(yīng)用，還在社交、游戲、辦公

等場景實現(xiàn)了真實人類虛擬化身的身份職能，并逐漸于直播電商、偶像造星、陪伴服務(wù)等

AI虛擬數(shù)字人領(lǐng)域?qū)崿F(xiàn)商業(yè)變現(xiàn)。4.1.

游戲：玩家數(shù)字化身需求日益提升，頭部游戲廠商具有數(shù)字人技術(shù)積累中國游戲產(chǎn)業(yè)處存量博弈階段，角色扮演類游戲在市場收入方面居于首位。2021

年中國

游戲市場實際銷售收入

2965.13

億元，yoy+6.4%。2021

年中國游戲用戶規(guī)模

6.66

億，

yoy+0.22%，用戶數(shù)量漸趨飽和。2021

年中國移動游戲收入排名前

100

位產(chǎn)品中，角色

扮演、卡牌、策略三類游戲占據(jù)半壁江山，表明了玩家的偏好，以及企業(yè)相對集中的市場

供給；此外，角色扮演、多人在線戰(zhàn)術(shù)競技和射擊三類游戲占總收入

50%以上，反映這三

類游戲用戶基數(shù)較大的客觀現(xiàn)實。角色扮演類（RPG）游戲重視角色機制設(shè)定，開放世界概念拉升數(shù)字人需求。據(jù)

GameRefinery，2021

年

RPG成為美國

iOS市場的第四大游戲類別，貢獻

14%的市場

收益，主要系年內(nèi)兩款大熱

RPG：《原神》和《我的英雄學(xué)院：最強英雄》上線所致。二

者均為開放世界設(shè)定的

ARPG，注重單人游戲體驗和故事線。與其他游戲不同，幾乎所有

開放游戲都會有角色機制，游戲開發(fā)者希望玩家以游戲世界中的角色形象進行沉浸式探索，

并盡可能提供具有不同外觀、不同風(fēng)格、不同陣營的數(shù)字人增添玩家的體驗豐滿度，同時

還交給玩家體質(zhì)、敏捷、智力、力量等多方面屬性的的數(shù)字人內(nèi)在設(shè)定選擇。除玩家的初

始角色外，《原神》2019

年已擁有

33

個可玩角色，而在

2.0

版本更新后，可玩角色數(shù)量

將達到

36

個。制作團隊預(yù)計每年為《原神》新增大約

17

個角色，這對開放世界

ARPG來說并非一個小數(shù)目。國內(nèi)頭部游戲廠商已具有數(shù)字人自動生成技術(shù)沉淀，游戲捏臉成熟簡便。在對于游戲內(nèi)虛

擬角色的設(shè)定以外，廠商亦重視玩家自身虛擬化身的打造。以中國主流

MMORPG類型

游戲為例，騰訊《天涯明月刀》及網(wǎng)易《逆水寒》均在玩家捏臉以及角色畫面呈現(xiàn)上有先

進優(yōu)勢。騰訊北極光工作室

2015

年發(fā)布端游《天涯明月刀》，當(dāng)時市場游戲普遍只提供

30-60

個可調(diào)參數(shù)的基礎(chǔ)上，天刀的開發(fā)團隊通過生物學(xué)、醫(yī)學(xué)和解剖學(xué)的深造和研究，根

據(jù)人類臉部骨骼和肌肉的自然分布，設(shè)定出

48

根骨骼上總共超過

200

項的可調(diào)參數(shù)。

在自研引擎的給力支撐下，天刀使用了大量的材質(zhì)特效，提供了

3S材質(zhì)的皮膚質(zhì)感，

極真模擬真實肌膚紋理，以及可調(diào)節(jié)的皮膚粗糙度和衰老度等設(shè)置。天刀捏臉系統(tǒng)提

供可視化操作。玩家點擊臉部

mask可直接進行操作，同時也提供滑動條和鍵盤+-

符號兩種操作方式。旋轉(zhuǎn)、位移、縮放，帶來細膩而便捷的操作感受。網(wǎng)易伏羲人工智能實驗室的智能捏臉項目，于

2018

年底在端游《逆水寒》中上線。

這也是全球首次在

MMORPG游戲中實現(xiàn)基于單張照片的智能捏臉玩法。系統(tǒng)使用大量的隨機參數(shù)來模擬捏臉，訓(xùn)練

AI學(xué)習(xí)捏臉的過程。玩家上傳照片以后，系統(tǒng)就

會把照片拆解成

AI理解的形式，比如五官的位置、大小，妝容顏色等特征，AI就會

根據(jù)這些信息，對這些特征做復(fù)原。數(shù)字人建模技術(shù)及空間計算能夠有效簡化和加快游戲

CG制作過程。技術(shù)沉淀使廠商

在有限成本的情況下讓游戲中更多的虛擬角色都具備豐富的肢體動作和精細的面部

表情，給玩家?guī)砀两挠螒蝮w驗。例如網(wǎng)易伏羲實驗室成功將虛擬數(shù)字人技術(shù)應(yīng)

用到《逆水寒》等多個游戲劇情動畫場景制作中，在無手工參與下，快速生成動畫，

這使得大量的虛擬角色都能富有視覺的表達能力。游戲引擎作為虛擬世界的賣水人，有望破圈助力多行業(yè)數(shù)字人打造。以

Unity，Unreal兩

大游戲引擎為首，游戲引擎的強大性能使得數(shù)字人形象擬真度進一步提升。Unity的渲染技術(shù)

HDRP是基于可編程渲染管線（SRP）構(gòu)建的，具有完全統(tǒng)一基

于物理的渲染以獲得超高的畫質(zhì)表現(xiàn)，

HDRP的設(shè)計遵循三個原則：1）渲染基于

真實物理。2）光照統(tǒng)一、連貫。3）功能獨立于渲染路徑。HDRP的強大性能讓數(shù)

字人得以“逃離”恐怖谷，以更接近真人的狀態(tài)呈現(xiàn)在大眾面前。SUA的不同之處是全身都基于實時渲染實現(xiàn)?；趯崟r渲染，SUA不僅可以創(chuàng)建與

用戶實時交互的

4K內(nèi)容，速度高效至每秒

30

幀，這才讓

SUA與觀眾互動成為可能。

通常的電影動畫渲染中，使用的都是離線渲染，這種技術(shù)需要內(nèi)容創(chuàng)建者投入大量的

計算和時間才能生成高質(zhì)量的圖形。以單幀的高質(zhì)量畫面為例，剪裁需要數(shù)小時、計

算機渲染需要數(shù)十小時，制作

1

小時的視頻至少需要數(shù)百小時甚至更長時間才能完成。Unrealengine于

21

年

2

月揭曉其虛擬數(shù)字人制作應(yīng)用

MetaHumanCreator。

MetaHumanCreator是一款云端流送應(yīng)用，旨在不犧牲質(zhì)量的前提下，使實時數(shù)字

人類的創(chuàng)作時間從數(shù)周乃至數(shù)月縮短到一小時以內(nèi)。工作原理是根據(jù)一個不斷增長的、

豐富的人類外表與動作庫進行繪制，并且允許使用直觀的工作流程雕刻和制作想要的

結(jié)果，從而創(chuàng)作出可信的新角色。MetaHumanCreator會以數(shù)據(jù)約束的合理方式在

庫中的實際示例之間進行混合。用戶可以從豐富的數(shù)據(jù)庫里選擇一系列預(yù)設(shè)人臉作為

創(chuàng)作起點，混合出想要的人臉。獲得人物后，用戶可以使用表演捕捉工具讓它動起來——可以使用虛幻引擎的

iOS應(yīng)

用

LiveLinkFace，并提供對

ARKit、DI4D、Dynamixyz、Faceware、JALI、DigitalDomain、SpeechGraphics和

CubicMotion解決方案的支持——也可手動制作關(guān)

鍵幀動畫。為一個

MetaHuman創(chuàng)作的動畫可以在其他任何

MetaHuman上運行，

因此用戶可以將工作成果復(fù)用于各種項目。4.2.

偶像造星：虛擬偶像逐步滲透主流文化，國內(nèi)大廠紛紛入局虛擬藝人虛擬偶像市場高速增長，帶動衍生產(chǎn)業(yè)空間廣闊。據(jù)艾媒咨詢，2020

年中國虛擬偶像核心

產(chǎn)業(yè)規(guī)模為

34.6

億元，yoy+70.3%，預(yù)計

2021

年將達到

62.2

億元；另一方面，隨著商業(yè)

價值被不斷發(fā)掘，越來越多產(chǎn)業(yè)與虛擬偶像聯(lián)系在一起，虛擬偶像帶動產(chǎn)業(yè)規(guī)模

2020

年

達

645.6

億元，預(yù)計

2021

年達

1074.9

億元。同時八成以上網(wǎng)民有追星行為，其中喜歡虛

擬偶像的網(wǎng)民占

63.6%，根據(jù)粉絲需求策劃的偶像，能最大程度滿足粉絲的想象，有利于

積累更龐大的粉絲群體。用戶對虛擬偶像付費意愿較強，周邊產(chǎn)品豐富帶動變現(xiàn)能力。據(jù)艾媒咨詢，八成網(wǎng)民為虛

擬偶像每月花費在

1000

元以內(nèi)，且

37.6%的網(wǎng)民表示愿意花更多的錢支持虛擬偶像。隨著

虛擬偶像產(chǎn)業(yè)的延伸業(yè)態(tài)不斷發(fā)展，手辦、唱片等產(chǎn)品已經(jīng)成為了虛擬偶像流量變現(xiàn)的重

要渠道，粉絲愿意花費更多的金錢和精力去支持虛擬偶像。虛擬偶像早期隨二次元文化滲透，國產(chǎn)

VUP直播崛起。早期具有代表性的虛擬偶像包括以

初音未來、洛天依為代表的虛擬歌姬（VSinger），此外還有主要在

YouTube、B站開展活

動的虛擬主播（VTuber/VUP）。20

年前，B站虛擬直播區(qū)基本都被日系

VTuber占領(lǐng)，而

隨著中國

VUP的崛起，據(jù)

CEO陳睿，截至

21

年

6

月，B站擁有

3.2

萬位

VUP，每月有約

4000

多個虛擬主播開播。據(jù)

darkflame，20

年

B站

VUP總收入約

1.8

億元，21

年至今（截

至

11

月

21

日）已達

4.5

億元，是去年全年的

2.5

倍。分季度看，21Q3VUP直播收入近

1.5

億元，月付費人數(shù)提升至約

30

萬人。目前頭部

VUP每月的直播收入在

50-200

萬元不等，

20

年全球收入最高

VTuber收入約

1.5

億日元（約

840

萬元），已被

VUP全面趕上。從專

業(yè)機構(gòu)來看，VirtualReal和

A-SOUL兩個專業(yè)化程度較高的機構(gòu)一直占據(jù)收入榜首位?；ヂ?lián)網(wǎng)大廠青睞虛擬藝人領(lǐng)域，破圈走向主流文化已是大勢所趨。大廠布局分為兩類：1）

推出技術(shù)平臺。2）搭建虛擬藝人的商業(yè)場景。4.3.

品牌營銷：虛擬代言大幅提升用戶吸引效率，外部運營快速引導(dǎo)商業(yè)流量變現(xiàn)虛擬代言人市場空間充足，商業(yè)價值釋放領(lǐng)域多元。虛擬代言人可劃分為兩種類型：1）

品牌自主打造符合自身特性的虛擬代言人。2）品牌與外部團隊商業(yè)合作，外部團隊基于

技術(shù)引擎開發(fā)具有高擬真人類形態(tài)的虛擬形象，并獨立運營。虛擬數(shù)字人商業(yè)價值集中于：

1）社交賬號潛力無限。大部分虛擬數(shù)字人的注冊時間集中于

2020-2021

年，雖然時間較

短，但是部分賬號漲粉迅速。同時在微博上，百萬粉絲量級的虛擬數(shù)字人

KOL較少，仍有

流量洼地可供挖掘。2）活躍在社交平臺累積用戶粘性。虛擬數(shù)字人賬號在社交平臺上的

活躍，通過抽獎、科普、安利等多種形式和用戶進行高頻互動，共創(chuàng)內(nèi)容。3）多種方式

釋放商業(yè)價值。虛擬數(shù)字人可以通過數(shù)字化、科技化、大數(shù)據(jù)為一體的諸多功能屬性，進

行與真人一樣的品牌營銷模式。視頻大片、直播連線、聯(lián)名產(chǎn)品、封面雜志、產(chǎn)品上身等。

為粉絲帶去更具想象并貼近完美的營銷場景，釋放更多商業(yè)價值。虛擬代言人深度洞察

Z世代消費新需求、助力品牌破圈。品牌打造符合自身文化和品牌調(diào)

性的虛擬形象代言人，成為與年輕人建立溝通的突破口。從屈臣氏推出首位虛擬偶像代言

人屈晨曦

Wilson拉進與年輕人距離，王者榮耀借勢時下最流行電競虛擬男團“無限王者團”

全面打開社交屬性，到歐萊雅推出首位虛擬代言人“M姐”迎合年輕人走進圈層，花西子

推出首個品牌虛擬形象“花西子“引領(lǐng)國貨新風(fēng)尚，虛擬形象代言人正幫助品牌迅速吸引

年輕人的注意力，助力品牌俘獲更多的目標(biāo)用戶。外部運營虛擬數(shù)字人更偏向流量引導(dǎo)，有效推進直播帶貨場景應(yīng)用。虛擬數(shù)字人物柳夜熙于抖音上走紅，標(biāo)簽“會捉妖的虛擬美妝達人”。該賬號作品只有

5

條短視頻，獲得了

2087

萬點贊，粉絲總數(shù)

835.4

萬。截至

1

月

17

日，話題“

\t"/9508834377/_blank"#柳夜熙#

”播放量達到

9.4

億次?！傲?/p>

夜熙”賬號的公司名為創(chuàng)壹視頻，是剛成立三年的影視特效公司，旗下已經(jīng)有

“慧慧周”

“非非宇

Fay”“宇航員小五”等知名賬號，基本的賬號內(nèi)容遵循發(fā)揮劇情+特效實現(xiàn)粉絲

增長。4.4.

社交：數(shù)字人為次世代社交的必要環(huán)節(jié)，增強用戶沉浸及交互體驗數(shù)字人為次世代社交重要象征，用戶對個性化社交虛擬化身需求提升。次世代社交指的是

一個與現(xiàn)實平行、實時在線的虛擬世界，用戶可以憑借自己的虛擬化身，并基于自己的興

趣圖譜或推薦，體驗多樣的沉浸式社交場景，在接近真實的共同體驗中一起交流、娛樂，

最終找到志同道合的伙伴、建立社交連接。4.5.

影視：動作捕捉技術(shù)推動影視虛擬形象創(chuàng)作，打開藝術(shù)創(chuàng)作想象空間數(shù)字人于影視行業(yè)成熟運用，計算機化虛擬動捕已成為電影主流特效。技術(shù)發(fā)展并非一蹴

而就，

而由大量技術(shù)突破和創(chuàng)作實踐積累疊加而成。通過觀察影史中虛擬形象的典型應(yīng)

用案例，我們將虛擬動捕技術(shù)概括為影史中的四個不同發(fā)展階段：萌芽期（1990-1999）、

起步期（2000-2006）、成熟期（2006-2015）、新時期（2016-至今）。動捕技術(shù)為追求高品質(zhì)影像的重要路徑，助力動畫數(shù)字形象從現(xiàn)實提取真實性。數(shù)字時代

的背景下，計算機圖形技術(shù)不斷融入影像創(chuàng)作領(lǐng)域。影視動畫通常通過

2D繪制、定格擺

拍或

3D手調(diào)（關(guān)鍵幀動畫）的方式實現(xiàn)。為取得更真實的虛擬影像效果，動捕技術(shù)應(yīng)運

而生，從雛形動畫轉(zhuǎn)描技術(shù)發(fā)展至今，形成以紅外式和慣性式為主的多元解決方案。動捕

技術(shù)不斷強化，從動作捕捉到表演捕捉、從非實時到實時、從關(guān)鍵幀動畫為主到捕捉數(shù)據(jù)

為主，在經(jīng)歷一系列標(biāo)志性影片的助推后，達到如今《阿麗塔：戰(zhàn)斗天使》、《雙子殺手》

的高峰。接納及使用虛擬形象創(chuàng)作等新技術(shù)，放大科幻創(chuàng)作者想象力表現(xiàn)的空間。21

年

3

月，闊

別

12

年的經(jīng)典數(shù)字人電影《阿凡達》（2009）全球重映，以

28.47

億美元（184

億人民幣）

票房，從《復(fù)聯(lián)

4》中奪回世界票房冠軍，無宣發(fā)在中國大陸重映獲得

17

億票房。歸結(jié)其

原因，在于早期超前使用

3D、數(shù)字人動捕、CG等技術(shù)改革，至今仍保留最先進科幻電影

的世界觀及格局。隨數(shù)字技術(shù)發(fā)展，實時渲染、交互影像等新技術(shù)不斷加入影視創(chuàng)作中。

如何熟捻地使用數(shù)字技術(shù)為好故事服務(wù)，提升影視敘事和角色情感體驗，是影視行業(yè)對待

數(shù)字技術(shù)發(fā)展與藝術(shù)創(chuàng)作辯證關(guān)系的真正思路。5.

大廠布局：海內(nèi)外廠商多角度布局虛擬數(shù)字人賽道5.1.

國內(nèi)廠商：國內(nèi)廠商在產(chǎn)業(yè)鏈基礎(chǔ)層、平臺層和應(yīng)用層均衡發(fā)力國內(nèi)廠商在產(chǎn)業(yè)鏈基礎(chǔ)層、平臺層和應(yīng)用層發(fā)展較為均衡，虛擬數(shù)字人從開發(fā)到落地的體系逐漸趨于完整?；A(chǔ)層相關(guān)廠商主要著力點在人工智能、動作捕捉、建模渲染以及虛擬

數(shù)字人的技術(shù)服務(wù)?？拼笥嶏w、捷成股份、新華網(wǎng)、標(biāo)貝科技、追一科技和小冰等專注人

工智能，云舶科技專研動作捕捉，環(huán)球墨非、億真科技、虛谷未來科技、半人貓、疊鏡數(shù)

字、相芯科技以及

Ta