隨著元宇宙、AIGC、虛擬人等概念的流行，有關多模態(tài)內容生成等新一代AI技術的商業(yè)化落地引起了多方關注。比如，以Stable Diffusion、Midjourney為代表的文本生成圖像工具，激發(fā)了大量傳統(tǒng)內容制作行業(yè)的需求。而在圖像生成外，文本生成視頻、文本生成3D模型等更多模態(tài)內容的生成、落地則成為了不少科學家、工程師以及創(chuàng)業(yè)者持續(xù)研究、討論和攻克的方向。

(相關資料圖)

36氪日前接觸到的「拓元智慧」是其中一家利用多模態(tài)認知AI技術，進行商業(yè)化落地的公司。據(jù)介紹，拓元智慧成立于2022年初，也在同年獲得由銀杏谷資本、源數(shù)投資、卓源資本和漢仁資本投資的數(shù)千萬元天使輪融資。

據(jù)介紹，拓元智慧創(chuàng)始團隊包含林倞教授領銜的AI知名科學家及資深商業(yè)化及管理人才。公司創(chuàng)始人林倞教授，是中山大學人機物智能融合實驗室創(chuàng)立人，IAPRFellow，并具備豐富的產(chǎn)業(yè)界工作經(jīng)歷。據(jù)介紹，拓元智慧團隊致力于讓AI技術，尤其是以推理決策為核心的認知型AI技術，走出實驗室在現(xiàn)實生活和生產(chǎn)中創(chuàng)造價值。

談及創(chuàng)業(yè)契機，拓元智慧團隊表示，近兩年海內外對元宇宙的關注度很高，不論是Meta還是國內公司都有所動作。但在他們眼中，當前市面上還缺少可以規(guī)?；?、標準化應用的相關產(chǎn)品，而在這一相對的市場空白之下，創(chuàng)始團隊對這一領域具備技術積累和市場觀察及產(chǎn)業(yè)經(jīng)驗，拓元智慧也就此成立。

拓元智慧認為，AI的本質是人的智慧和能力的（時間和空間上的）延展，公司計劃從多模態(tài)認知AI引擎切入，通過低成本大模型、因果圖模型、心識模型等多技術棧結合，模擬人腦計算框架，賦予人工智能認知和交互能力，促進虛實世界的深度融合，創(chuàng)建與用戶新的鏈接方式，并成為未來元宇宙基礎設施的重要部分。

拓元智慧表示，未來，AI將真正實現(xiàn)類人化和智能化，從“模仿”，到具備“智商”，再到擁有“情商”，兼具想象和創(chuàng)造、推理和交互、陪伴和情感的能力，在數(shù)字空間（虛擬世界）中可能是我們某個真人的個性和價值觀的代表，也能夠創(chuàng)造有溫度能共情的虛擬身份和虛擬服務。他們彼此交互連接，運行發(fā)展創(chuàng)造，又與真人用戶緊密連接，進而反哺真實世界的運行，真正深入服務我們的生產(chǎn)和生活。在拓元智慧眼中，這才是“元宇宙”真正的意義和價值。

現(xiàn)階段，拓元智慧計劃以“數(shù)智人”為首個商業(yè)化落點，為普通人提供復刻"數(shù)字分身"的能力。這背后需要兩層技術的支持，首先在表皮層，拓元智慧可以快速做到對人外觀形象、神態(tài)動作及語音語調的模仿和復刻；而在大腦層，拓元智慧可以相對拉齊人的意圖、興趣和價值觀。在整體效果上，"我們的數(shù)智人會1:1復刻人的外形、聲音和動作，還有個性偏好，也就是實現(xiàn)"真人復刻"。"拓元智慧表示。

這兩層能力背后的主要的支撐除了大模型外還有兩個主要的模塊，分別是因果模型和心識模型。拓元智慧介紹，因果模型的引入會提升AI生成的內容效果，如讓數(shù)智人的外觀構建、聲音動作模仿的過程更加符合常識、穩(wěn)定和可控。而心識模型會更好地模擬人的價值觀，與大模型、因果模型融合從而實現(xiàn)人機互動與協(xié)同。

也基于此，拓元智慧當前構建了公司的第一個標準化產(chǎn)品——元分身。元分身主要幫助內容分享者制作從聲音到形象的真人數(shù)字分身，可廣泛應用于IP型短視頻創(chuàng)作、企業(yè)宣傳、模擬真人直播等場景，解決以下三大痛點：

1.提升內容創(chuàng)作效率和質量：僅需一次建模，即可不斷創(chuàng)作視頻，幫內容創(chuàng)作者省去繁雜的拍攝過程，讓時間回歸創(chuàng)作本身。

2.發(fā)布內容可控穩(wěn)定：視頻由數(shù)字分身以最佳狀態(tài)演繹，內容通過文字驅動，發(fā)布的作品可以通過圖靈測試（非專業(yè)人士難辨真假），并且支持大規(guī)模批量視頻生產(chǎn)。

3. 基于數(shù)字分身實現(xiàn)多模態(tài)人機交互：賦予數(shù)字分身各類行業(yè)知識及了解用戶意圖的能力，用高度自然的方式鏈接及服務用戶。

另外拓元智慧還表示，公司當前的制作價格是傳統(tǒng)視頻拍攝、制作的1/10甚至更低，相對做到了成本的降低和批量化生產(chǎn)。這背后也和公司的技術路線相關，拓元智慧林倞介紹，當前在業(yè)界，關于大模型的一個痛點是搭建成本和對數(shù)據(jù)的要求較高，而如果調用第三方的大模型，也會涉及到難以進行針對場景進行調參和訓練的問題。對此，拓元智慧在模型架構上進行了優(yōu)化，通過引入面向多模態(tài)生成的通用大模型，構建少標注、低成本的模型訓練和場景遷移能力，從而實現(xiàn)形象模仿、聲音復刻、文本重構和對話生成等多樣化內容生成。

在整體差異化上，拓元智慧表示，當前業(yè)內具備構建AI"大腦"能力的公司較少。不同的技術背景（如CG、NLP、3D建模等）決定了大家通過不同的路徑構建虛擬人和數(shù)智人。這其中也會產(chǎn)生效果差異，比如，CG和3D建模仍在努力解決流程復雜且無法模擬大腦智能的問題。綜合來看，公司表示，拓元智慧是較少能做到將認知層AI和感知層AI融合、應用好的廠商。

當前，公司的主要產(chǎn)品元分身平臺已經(jīng)發(fā)布月余，多個頭部客戶已呈現(xiàn)復購趨勢。接下來，公司還計劃打造元銷售、元陪伴等產(chǎn)品，在銷售和情感關懷場景落地。"不論是元宇宙還是內容創(chuàng)作，都可以挖掘出不少實實在在的需求，這些機會也必然會促進人工智能技術與應用場景快速融合，創(chuàng)造新的價值。"林倞總結表示。

關鍵詞： 因果模型 人工智能技術