对话魔珐科技柴金祥：让AI「白领」拥有身体，为3D数字人做基建

“从AI的具像化方向看，一种身体形态是具身领域的‘蓝领’，即人形机器人，而另一种形态就是3D数字人，即AI‘白领’。我认为，未来‘白领’的应用空间会更加广阔。”

在人形机器人及其组件如火如荼的当下，魔珐科技创始人兼CEO柴金祥提出了AI影响产业和社会的另一种可能——通过3D数字人，让AI在线上也拥有“身体”。

近日，魔珐科技（Xmov）宣布正式上线具身智能3D数字人开放平台——魔珐星云。作为全球首个高质量、低时延、高并发、低成本、多终端的具身智能3D数字人开放平台，魔珐星云基于魔珐科技自主研发的文生多模态3D大模型及云-端协同架构，突破了传统数字人技术在质量、成本、延时之间的铁三角难题，不仅实现了从语义到身体语言的自然生成，更在系统架构层面完成了性能、成本和响应速度的协同优化，让AI完成了从“大脑”到“身体”的进化。

柴金祥认为，魔珐星云有望成为驱动下一代人机交互——即“多模态具身交互”的关键底层基础设施，对未来的人机交互模式、数字内容创作和服务行业产生深远影响，为整个行业带来重大变革。

魔珐星云发布现场，「明亮公司」与柴金祥就3D数字人目前的行业进展、未来展望等进行了交流。以下为问答精选（根据需求有表述调整）：

成为3D数字人的「基础设施」

Q：为什么要选择做开放平台？

柴金祥：目前来看，我们的数字人产品在行业中相对而言成本更低、质量更好，各方面领先优势都比较明显。

这种情况下，对于有实际需求的公司而言，选择大投入自主研发的结果未必更好，甚至无法保证质量，倒不如拥抱我们的生态，利用我们的平台做自己的应用。这也是我们选择对平台进行开放的原因。

本质上讲，我们做的是基础设施。如同大模型是AI技术层的基础设施，3D数字人作为AI“身体”的一种形态，也需要一个基础设施，我们称之为人形机器人中的“白领”，对应当前具身领域的“蓝领”人形机器人。

另外，选择将平台开放给开发者还有一层原因，即如今很多公司都在重复“造轮子”——大家不仅重复招人，而且花很多钱做出来的东西却没有我们效果好，这是一种隐形的浪费和低效。一个公司不是每件事情都要亲自去做，大模型已经验证了这一点，大多数公司只要调用其能力即可，无需自建，这样也可以把关注点有效聚焦在应用层。

Q：目前具身智能领域，数据短缺情况依旧比较严重。你们是如何解决数据规模这一问题的？

柴金祥：从AI的角度看，“大脑”方面的数据获取，在起步阶段相对容易，毕竟互联网上已经存在大量数据资源。即便是Sora，其基本数据获取也可以通过抓取海量网络视频和图片完成。

但加入“具身”之后，数据一下子就变得稀缺了。即便是非常简单的数据，比如抓杯子、叠衣服，都要进行反复采集，因为这些数据从来没有过，需要从0开始积累。同样，作为AI另一种“身体”形态，3D数字人的数据也是非常稀缺的，需要一点点去构建起来。

而且，目前绝大多数人形机器人公司以前做的都是单点动作抓取，这也是为什么扩展至人体动作数据之后，人才缺乏的原因之一。

从积极的角度看，3D数字人的数据相较于视频更加结构化，只要采集到人体关键的动作数据即可。整体而言，完全描述人体动作需要的数据比生成视频和图片的量要小很多，而且我们也可以通过采用2D的数据对其进行丰富，如同仿真数据对真实数据的补充一样。

但这并不意味着3D数字人的制作就更容易，因为这个领域的难题并非仅仅是数据量，还有数据更难处理、人才较少等其他维度的困难。

我们会很快发布一个大模型，其中包括数字人可以任意走路的功能。比如，你可以告诉它往前走5步，趴下，然后再爬起来。当然，我们可以直接把人形机器人领域的数据拿来进行仿真，重复已有数据的动作，但我们的优势在于，可以让数字人自主行动，自主站立自主行走，无需遥控。

在落地方面，今天的“大脑”已经很强了，相较于具身的人形机器人，我觉得让AI“白领”拥有身体非常重要，比如一个展厅，有一个3D数字人讲解和只用一台讲解器，体验的差别是非常大的。

数据积累方面已具备先发优势

Q：是否可以理解成，AI未来会有两个方向，一条在线下，沿着具身机器人方向走，主要承担“蓝领”工作，另一条在线上，即3D数字人，主要负责“白领”工作。

柴金祥：是的，但长远来看，这两条线也会统一。

从实际需求看，现实中的一个白领在虚拟世界里也可以成为一个“蓝领”，乃至其他任何角色，而我们为虚拟世界打造的每个数字人角色，未来都有可能直接驱动现实中的机器人，让它们实现相同的动作，推动AI从虚拟走向现实。

虽然直到目前行业对具身机器人的热情仍旧比较高，但我认为，随着大家在虚拟世界中的时间越来越长，AI“白领”的空间将比“蓝领”更广阔。而且作为蓝领的具身机器人，训练难度可能相对还小一点，比如一个动作只要采集到数据、反复训练即可，但“白领”数字人需要的能力更丰富，要想做好更困难，但我认为也更有价值。

Q：就3D数字人领域而言，如果一个公司想跻身头部，最重要的能力有哪些？

柴金祥：我觉得大致可以总结为三个维度。

首先，公司和团队必须要坚定。因为这是一件很难的事情，我们不仅要意识到它的重要性和难度，更要看到它的未来和长期价值；其次是质量，这是最基础的能力。

再次，要有数据和强劲的美术能力。与大模型所需的数据相比，3D数据可能是最高质量的数据之一，我们用了大约十年的时间才构建起目前这个规模的数据库。这个价值点在于，即便是大厂，积累这些数据也需要经历这样漫长的过程和同样的时间。从这个角度而言，我们起步早无疑具有先发优势。

单纯看数字人，门槛其实很低，但有些可能只有对口型的功能，不仅无法生产数字人的动作，更不能驱动人形机器人。这也是为什么2D数字人几乎没有市场，客户也不愿买单，因为效果确实比较差。

此外，即便具备相对充足的数据，从团队的角度看，做3D内容生产和AI生成结合的人才目前依旧非常稀缺。尤其是动作表情，全世界范围内的专业人才都很少，所以公司不仅要大胆招聘人才，更要持续培养人才。

Q：人才稀缺的原因有哪些？

柴金祥：一个主要原因是，这个行业的前身是影视动画游戏，这些人才中懂AI的很少，而近几年新兴的AI人才，又很少懂影视动画游戏和3D制作。这两条线不仅数据不交叉，人才也不交叉。

实际上，包括阿里、腾讯、百度、商汤、讯飞等在内的大厂，都曾亲自上阵做过3D数字人，但目前坚持下来的很少，仅剩几个仍在继续的公司做得也不太好。大家可能做个两三年就会发现这件事很难，投入很高也不一定达到预期。

因为这件事不像文生文、文生图那么简单，拿到一个通用大模型改一下就可以。如果没有数据、没有长期的积累，几乎寸步难行。

商业化市场已达一定成熟度

Q：经过近几年发展，AI在提升客户付费意愿方面有何变化，是否有一些案例？

柴金祥：以医院场景为例，其中有一些垂直供应商，负责为医院提供终端产品、软件等服务。这些客户一个个拓展是非常慢的，所以我们就直接输出底层能力，比如在终端实现提问、挂号、付费等，他们可以直接调用我们的API，都不需要额外加价。

但其中有个前提，就是我们本身的规模化程度，包括是否能部署到各种终端、是否足够便宜、是否足够易用等。原因很简单，对于软件产品而言，如果想让别人购买使用，首先要做到人无我有，尤其是大厂不能有，否则肯定会被虹吸；其次要质量过硬，且易得易用。

另外，低成本、高并发、多终端以及信创等都要同时跟上，否则规模化一定会有问题，即便客户很想用，但可能会因为太贵，或者响应时间太长，或者没法实现终端产品的提升等原因放弃购买。

从应用看，如同大模型的发展路径一样，未来AI不仅一定会需要3D数字人这样的“身体”，更需要一个可以随时调用的基础设施去优化资源配置并提升效率。一方面，像陪练、教学、面试甚至银行服务等很多场景，有没有“身体”带来的差异体验会非常大。以后甚至不会有APP，所有的服务都直接由一个数字人来完成。

另一方面，大模型是必须的，但做大模型是有门槛的，这方面我们具备更多积累和先发优势。从语言模型到动作模型，数据能力变得更垂直，有了数据之后如何复制人类的感知能力又极为关键。

从商业化前景上看，我们认为市场也已经达到一定的成熟度。而且，决定做3D数字人基础设施这件事时，我门就已经考察过应用场景，比如赛诺菲就已经开始使用。

换言之，如果市场中多数企业没有相关预算和费用，那我们做再多投入也不会产生很大价值。

Q：目前商业化应用的领域与几年前相比，是否有一些变化？

柴金祥：差不多，只是可能服务不一样。我们成为底层能力后，就可以覆盖所有行业，而且可以做到以前无法实现的功能，比如聊天机器人。

陪伴这个领域，现在大多是没有真人形象或者形象很简单的产品，一旦我们可以输出这种能力，这类产品就可以马上调用，跟调用大模型一样简单。

医院场景也一样，以前我们是没法做的，因为其中的终端设备芯片能力太弱了，比手机差很多。

但魔珐星云有个很重要的特点就是，百元芯片也能跑，而且能保证质量，因为我们有自研的文生多模态3D大模型和云-端拆分的架构创新。也正因此，应用场景中对终端屏幕的要求可以不必很高，从而实现了规模化商业化的必要条件。

还有银行，其中的自助终端目前保有量约200万台，如果要把这些都升级为AI终端并达到智能体70%的普及率，这个市场将非常可观，而类似的场景还有很多。

酒店里电视机其实也是一个典型场景，虽然市场很大，但以前由于设备太差根本跑不动，也没法做到规模化。就像如果大模型的token价格不是迅速降低，那么目前大多数终端也不会沾到边，可见便宜是多么重要。

对于我们来讲，很多市场是真实存在、等待开发的，核心在于有没有能力做到足够便宜，质量足够好，体验足够好。这也是我们一直追求的目标。

在海外，输出能力比输出产品更有效

Q：目前海外进展情况如何？

柴金祥：魔珐星云预计两三周以后会在海外上线。

软件产品在海外做B端其实蛮难的，因为高于1万美金的订单基本上都要线下做，这导致软件类产品很难规模化，而且准入门槛也很高。但如果是输出一个“能力”，就相对比较容易，任何公司只要在线上调试好效果即可，所以规模化也相对简单。

截至目前，中国似乎很少有成功全球化的软件产品，但DeepSeek作为大模型这种“基础设施”，通过开源的方式就迅速实现了大规模的全球化应用。

所以，如果你的技术非常强，又真正做到了应用，就应该成为基础设施。但要避开大厂的能力，否则如果在成本、易用性上面没有优势，必定会很快被大厂吞没。

Q：海外是否有已经触达的场景？

柴金祥：我们此前已经积累了不少服务在华外企的经验，验证了我们的底层的能力，比如Chatbot、陪练模型等。这些东西放到美国也有很大需求，尤其比如销售、陪练甚至客服、面试等领域，可能需求比国内还要大，但们海外很多国家现在还不具备这方面的能力，所以我们要做的就是去触达各行各业。

另外，有些行业可能已经具备了一些智能体，但这些智能体既没有形象也没有身体，又或者他们已经调用了某个大模型，但也是只有大脑没有身体，这些都是我们可以拓展的空间。

Q：海外上线的第一站会选在哪里？

柴金祥：我们会直接全球同步上线。在产品设计研发阶段，我们就已经植入了全球各地的语言和形象，但未来主打市场可能还是希望在美国。