對話未來商業(yè) | 中科深智創(chuàng)始人兼CEO成維忠：虛擬人，接通元宇宙時代的關鍵角色

每經記者 陳婷    海報設計 蔡沛君    每經編輯 劉雪梅    

■行業(yè)屬性：虛擬數字人

■估值/融資輪次：2021年11月，中科深智獲得晨山資本約千萬美元B輪融資。

■核心競爭力：自主研發(fā)CLAP算法；多模態(tài)驅動技術；3D AIGC產品

■未來關鍵詞：元宇宙時代；AGI；AIGC

2月25日，OpenAI CEO薩姆·阿爾特曼又一次公開提到了AGI（通用人工智能）。

在他發(fā)表的文章中，這位當下全球的焦點人物強調了OpenAI的使命是確保AGI造福全人類，他認為，AGI如果被成功創(chuàng)造出來，可通過增加豐富度、推動全球經濟發(fā)展以及幫助發(fā)現改變可能性極限的新科學知識，幫助提升人類。

ChatGPT，這一近期引爆全球關注的“新物種”，是由Open AI于2022年11月30日推向世界的，也就是說，薩姆·阿爾特曼可被稱作“ChatGPT之父”，與此同時，他也是AGI的推崇者和踐行者。

在人工智能這條通往未來之路上，耕耘的人千千萬萬，中科深智創(chuàng)始人兼CEO成維忠便是其中一員。與薩姆·阿爾特曼以及他所開創(chuàng)的Open AI相比，成維忠以及他所創(chuàng)立的中科深智選擇了一條更具差異化的競爭路線。

成維忠本科畢業(yè)于中國科學技術大學物理系半導體專業(yè)，研究生畢業(yè)于復旦大學世界經濟研究所，曾在中興通訊、光明乳業(yè)、北緯科技等上市公司任職。作為創(chuàng)業(yè)老兵，2016年，他又創(chuàng)建了中科深智，創(chuàng)始團隊沒有選擇Open AI的大語言模型方向，而是選擇了虛擬人動作和表情的生成技術這一較為小眾的切入點。

究其原因，在接受《每日經濟新聞》“對話未來商業(yè)”欄目（點擊直達專題：對話未來商業(yè)|記錄、預見、讓未來發(fā)生）專訪時，成維忠向記者透露，ChatGPT突破的大語言模型被業(yè)內視為AGI的“圣杯”，是大廠必定涉足的戰(zhàn)場；中科深智的創(chuàng)業(yè)團隊審時度勢，堅定了作為一家創(chuàng)業(yè)公司應避其鋒芒的自身站位。

與Open AI路徑不同，但與薩姆·阿爾特曼對AGI的狂熱相似的是，在接受記者采訪時，成維忠不止一次提到了“信仰”二字，而他的信仰便是“技術”本身。

“對于我們這些做技術的公司來說，如果只是為了贏利，卻不能發(fā)自內心地把技術做好，公司可能會很快死亡。”成維忠說。

但眼下，推出僅兩個月便俘獲全球1億用戶的ChatGPT，已引發(fā)了外界對于“元宇宙時代是否能真正到來”的質疑，乃至對虛擬人前景的擔憂。

ChatGPT引爆全球關注 每經記者 劉雪梅 攝

對此，成維忠表示，ChatGPT能夠提高虛擬人的智力，“但虛擬人的表情動作還是需要我們用其他大模型來解決。”在成維忠看來，元宇宙和ChatGPT不是替代關系，元宇宙是下一代互聯(lián)網的代名詞，是一個更大范疇的概念，“除非有一天我們證實了下一代互聯(lián)網不是以3D視覺、沉浸式環(huán)境為主的，那么元宇宙的概念就沒有被推翻。”

他表示，ChatGPT之所以能一炮而紅，并不僅僅是因為技術上取得的成果，而是因為ChatGPT的出現預示著下一代互聯(lián)網整個交互方式的改變。

成維忠認為，互聯(lián)網發(fā)展可以分為三個階段，第一個階段是PC互聯(lián)網時代，第二個階段是移動互聯(lián)網時代，第三個時代，則是元宇宙時代。他認為，元宇宙時代的關鍵詞是“Conversation”，即人機的擬人化交流?；谶@個認知，ChatGPT等LLM不可或缺，“生成式AI虛擬人也不可或缺”。

“這個方向真的被我們押中了”

帶領中科深智走到現在，成維忠多少有點“賭”的成分。

“2015年，我和創(chuàng)始團隊就在討論，如果再創(chuàng)業(yè)，我們是順著原來移動互聯(lián)網的方向走，還是找新方向。”成維忠回憶。

當時，移動互聯(lián)網創(chuàng)新的機會點已經越來越少，成維忠和創(chuàng)業(yè)伙伴們將眼光投向了下一代互聯(lián)網。當時還沒有完整概念的元宇宙，成為他們押注的未來。

“我們當時在想，下一代互聯(lián)網，無非要么做場景的技術，要么做物品的技術，要么做人的技術——我們覺得人的技術更重要。”成維忠說?；谶@些考量，起步時，成維忠就給中科深智下了這么一個定位：圍繞虛擬人動作和表情的生成技術，為各行各業(yè)提供以軟件和算法為主驅動的內容生產工具。

當記者問及為何不選擇大語言模型賽道時，成維忠說：“我覺得如果大廠一進來，肯定會把我們‘滅掉’。”

中科深智創(chuàng)立于2016年，那是一個人工智能方興未艾的年份。不到一年前，2015年12月，Open AI誕生，在成立時的定位是一家非營利機構，由阿爾特曼、特斯拉創(chuàng)始人馬斯克、PayPal聯(lián)合創(chuàng)始人蒂爾等硅谷科技大佬參與創(chuàng)立，承諾投資10億美元。

“成立的時候，Open AI起的調子就挺高的，當然不像現在這樣全世界都知道，但我們（業(yè)內）那時候都知道。”成維忠回憶，當時，Open AI計劃做開源的大語言模型，“雖然那時Open AI的方向沒有現在這么清晰，因為它現在用的底層技術是2017年谷歌才發(fā)布的。”

即便如今大名鼎鼎的Open AI，當時也不過是初出茅廬的狀態(tài)，但包括成維忠在內的業(yè)內人士已經意識到，具備強勁資金基礎的大廠遲早會將大語音模型作為重心。

之所以如此確信，與大語言模型的特殊性有關。成維忠透露，一直以來，ChatGPT所取得突破的大語言模型被業(yè)內視為AGI的“圣杯”。

“人類資料中，最全面的信息便是語言的信息，樣本量是最大的，知識體系是最豐富的，做訓練就會比較容易。”在此基礎上，不少美國專家有一個基本觀點：用數學的角度來看，人類的大腦和語言的數學結構相近（隱馬爾可夫模型），如果這個假設成立的話，通過語言的不停迭代訓練，在取得了大的突破以后，AGI便實現了。

雖然打定了主意不做大語言模型，中科深智一開始還是走了一段試錯之路。

“早期，可選擇可嘗試的過程很多，一直到2017年谷歌推出Transformer，我們找到了方向，慢慢道路就清晰了。”成維忠提到，ChatGPT的底層技術也是Transformer，“當時，谷歌基于Transformer做了很多demo，我們也很興奮，慢慢就把精力聚焦到這個方向上。”

無論Open AI，還是中深科智，將技術重心壓到Transformer上，都冒了非常大風險。

由于早期一直專注在底層技術的研發(fā)，沒有做太多商業(yè)化的事情，所以中科深智早期的研發(fā)費用都是由團隊自掏腰包籌集的。2019年，公司推出第一代較為成熟的產品，情況才有所改善。2020年，在創(chuàng)立四年之后，中科深智終于獲得千萬級天使輪融資。

下一個轉折點發(fā)生在2021年。企查查顯示，這一年年初，中科深智獲得著名投資機構金沙江創(chuàng)投領投的數千萬人民幣A輪融資。2021年11月，中科深智又獲得了晨山資本約千萬美元的B輪融資。

也正是在這一年，成維忠覺得自己“賭對了”。

“從整個發(fā)展趨勢來看，這個方向真的被我們押中了，我們感覺自己做得越來越對了。”成維忠說。

在理想與現實中取得平衡

金沙江創(chuàng)投在官宣關于中科深智的融資消息時，時任金沙江創(chuàng)投主管合伙人的朱嘯虎表示：“未來將會是消費互聯(lián)網與企業(yè)服務并重的10年，我們持續(xù)看好用各類新技術為消費大場景B端賦能的初創(chuàng)企業(yè)。”

獲得明星投資人的青睞固然是好事，但作為技術出身的一名創(chuàng)業(yè)者，成維忠始終還有一種“壯志未酬”之感，他希望資本能夠看到中科深智更多的技術價值。

成維忠說，“投資人對我們有信心，是因為他們覺得我們在虛擬人領域的確是一家領頭的公司——一方面是我們做得早，另一方面我們也很聚焦。”

成維忠表示，國內投資人更看重具體的產品落地，關注核心業(yè)務在市場上的表現和應用前景，“和他們講一些特別‘飄’的事，他們不大感興趣。”

這或許也是中科深智較晚才獲得第一筆融資的原因。

成維忠回憶：“在那個時間點，我們覺得最痛苦的事就是，雖然我們認為這個方向很重要，但在和VC對話的時候，我們很難講清楚具體的實現路徑——我們認為路是能走通的，但具體該基于什么大模型來做，有很多種可能性和不確定性。”他清楚地記得，當時有投資人對他說：“既然你們覺得很重要，你們自己先砸錢再說。”

因此，公司創(chuàng)始團隊在早期，都是自掏腰包支撐公司的發(fā)展。

交談過程中，Open AI在美元資本助推下的崛起之路也讓成維忠感慨。在他看來，國內的資本市場邏輯和環(huán)境，更注重快速和短期的回報，會給在垂直領域推進生成式AI技術研發(fā)的企業(yè)帶來壓力。

守得云開見月明，獲得明星資本押注也算是階段性成功。在平衡資本的現實訴求和己身的技術理想的追求之間，中科深智已經走出了一條獨有的發(fā)展路線。

成維忠向記者介紹，中科深智定位為生成式AI虛擬人和3D AIGC技術公司，發(fā)展到現在，主要為三個部分。

第一個部分是底層算法，用成維忠的話來說，是“自己覺得很寶貝的事”。據悉，中科深智的底層算法為自主研發(fā)的CLAP算法，即Contrastive Language-Action Pretraining算法。

第二個部分是虛擬人業(yè)務中臺Motionverse，資料顯示，這是一個多模態(tài)動作生成驅動引擎，該引擎融合了XR和AI技術，可以用傳感器、語音、視頻等多種方式讓虛擬人動起來，隨時與用戶互動。成維忠將這部分定義為“外界覺得很重要，公司內部也覺得很重要”的部分。

第三個部分即3D AIGC產品。這一部分，在成維忠看來，是投資人更為看重的部分。

產品方面，以單個產品為例，針對市場需求，中科深智推出了“自動播”虛擬直播產品，讓虛擬主播們全年無休地滾動直播。據中科深智提供的數據，其虛擬主播產品已經服務了超過2000家客戶，占據主流電商平臺虛擬主播近70%的份額。

“整個市場是不停變化的，今年一個產品很好，三年以后還火不火很難確定。但是算法方向是一旦走順了就會越來越順。所以我們認為底層的東西會更重要一些。”成維忠說。

知止而后定，說到業(yè)務范圍，中科深智保持謹慎，“脫離開技術的事，比如說打造IP，都不是我們的業(yè)務范圍。”成維忠說。

事實上，成維忠認為，一家技術主導的公司在推出產品的時間點上需要多方考量。

“為什么ChatGPT火成這樣了，Open AI還是沒有推出產品？”成維忠分析，“一方面，是Open AI的團隊認為算法是不夠成熟的，在這種情況下，大量地推出產品可能會令用戶感到反感。另一方面，在一家公司不考慮營收和產品的時候，這家公司就可以all in到算法的迭代中，算法的迭代必然會比較快。”

成維忠認為，如果一家公司算法的迭代還沒到一個理想狀態(tài)就下場做產品和服務解決方案，“這自然會難受一些。”

超級虛擬人助手：元宇宙時代的入口？

伴隨著ChatGPT的一炮而紅，不少質疑聲襲向了虛擬人乃至元宇宙賽道。甚至有觀點認為，隨著ChatGPT成為焦點，虛擬人乃至背后的元宇宙，都會成為“明日黃花”。

成維忠顯然不認同這一觀點。在他看來，ChatGPT的出現加速了元宇宙新時代的到來，未來，會出現超級虛擬人助手擔當“元宇宙時代的入口”這一角色。

“我們過去互聯(lián)網的交互方式是菜單式的，菜單式的交互方式是科技發(fā)展的結果，與我們人的本能差距是非常大的。”成維忠說，“人類本能交流方式是通過聲音交流，或者面對面交流。”

在他看來，ChatGPT提供了新的可能性：“現下，ChatGPT提供的是文本的會話，之后也可以通過聲音進行交流，在對于未來的進一步想象中，對面也可以是一個虛擬人，我們和虛擬人進行溝通。”

也就是說，在成維忠預想的未來中，當前人們習慣的文本會話，很快會變成聲音的會話，并最終演變?yōu)槁曇艏右曈X的多媒體會話。也正是因此，成維忠認為，作為新時代的入口，虛擬人在未來世界中的地位不可撼動。

這一切的前提，是虛擬人技術的進一步成熟。值得一提的是，雖說業(yè)內大都認為ChatGPT能夠提高虛擬人的智力，并賦予虛擬人以“靈魂”，單就技術層面而言，距離一個理想中的虛擬人真正到來還有一段路要走。

成維忠提到，ChatGPT并不能解決虛擬人人機交互的所有問題，如果想要一個虛擬人笑起來、像人一樣走路，就需要中科深智這樣做虛擬人動作表情驅動的大模型算法。“從技術的角度來說，雖說ChatGPT會極大提升虛擬人的智力，但是它并不能讓虛擬人跟人的交互變得更為流暢、更為生動。”成維忠說。

這條路要走通，資本的支持必不可少。ChatGPT帶動的這場“狂飆”，能否給中科深智的發(fā)展帶來更多機會？資本們的態(tài)度會不會發(fā)生新的轉變？

“我不確定。”成維忠很快回答。在他看來，當下外界的關注度更多集中在大語言模型上，未來一個明顯的轉折點可能會發(fā)生在GPT4問世之后，“GPT4的側重點可能會從語言大模型到多模態(tài)學習上，等到那一天，VC可能會覺得針對垂直行業(yè)的多模態(tài)訓練才是未來比較誘人的方向。我堅信這一時間點會到來。”

而多模態(tài)訓練正是中科深智的擅長領域，通過多模態(tài)驅動技術，中科深智讓虛擬人更有活力地與人交互。

成維忠向記者表示，所謂的多模態(tài)訓練，是當人輸入一個文本信息到虛擬人時，ChatGPT可以將這個文本處理成虛擬人可以理解的語言，但在之后的階段，虛擬人具體如何動作，便與ChatGPT這一語言模態(tài)無關了，需要更多模態(tài)的參與。

當前階段，ChatGPT的出現已給中科深智在一級市場帶來了一定利好。至少，成維忠感覺到，當他跟別人談起中科深智到底是做什么的，聽得懂的人越來越多了。

在他的預判中，虛擬人的發(fā)展會比元宇宙快一步，“虛擬人技術雖然是元宇宙原生技術的一部分，虛擬人本身也是一個交互工具，解決了交互問題，對互聯(lián)網的交互升級會起到關鍵作用。”

他認為，在元宇宙真正到來之前，未來3到5年內，只要有屏幕有網絡的地方，便會有虛擬人的身影。