對話魔琺科技柴金祥：讓AI「白領」擁有身體，為3D數字人做基建

“從AI的具像化方向看，一種身體形態是具身領域的‘藍領’，即人形機器人，而另一種形態就是3D數字人，即AI‘白領’。我認為，未來‘白領’的應用空間會更加廣闊。”

在人形機器人及其組件如火如荼的當下，魔琺科技創始人兼CEO柴金祥提出了AI影響產業和社會的另一種可能——通過3D數字人，讓AI在線上也擁有“身體”。

近日，魔琺科技（Xmov）宣布正式上線具身智能3D數字人開放平臺——魔琺星云。作為全球首個高質量、低時延、高并發、低成本、多終端的具身智能3D數字人開放平臺，魔琺星云基于魔琺科技自主研發的文生多模態3D大模型及云-端協同架構，突破了傳統數字人技術在質量、成本、延時之間的鐵三角難題，不僅實現了從語義到身體語言的自然生成，更在系統架構層面完成了性能、成本和響應速度的協同優化，讓AI完成了從“大腦”到“身體”的進化。

柴金祥認為，魔琺星云有望成為驅動下一代人機交互——即“多模態具身交互”的關鍵底層基礎設施，對未來的人機交互模式、數字內容創作和服務行業產生深遠影響，為整個行業帶來重大變革。

魔琺星云發布現場，「明亮公司」與柴金祥就3D數字人目前的行業進展、未來展望等進行了交流。以下為問答精選（根據需求有表述調整）：

成為3D數字人的「基礎設施」

Q：為什么要選擇做開放平臺？

柴金祥：目前來看，我們的數字人產品在行業中相對而言成本更低、質量更好，各方面領先優勢都比較明顯。

這種情況下，對于有實際需求的公司而言，選擇大投入自主研發的結果未必更好，甚至無法保證質量，倒不如擁抱我們的生態，利用我們的平臺做自己的應用。這也是我們選擇對平臺進行開放的原因。

本質上講，我們做的是基礎設施。如同大模型是AI技術層的基礎設施，3D數字人作為AI“身體”的一種形態，也需要一個基礎設施，我們稱之為人形機器人中的“白領”，對應當前具身領域的“藍領”人形機器人。

另外，選擇將平臺開放給開發者還有一層原因，即如今很多公司都在重復“造輪子”——大家不僅重復招人，而且花很多錢做出來的東西卻沒有我們效果好，這是一種隱形的浪費和低效。一個公司不是每件事情都要親自去做，大模型已經驗證了這一點，大多數公司只要調用其能力即可，無需自建，這樣也可以把關注點有效聚焦在應用層。

Q：目前具身智能領域，數據短缺情況依舊比較嚴重。你們是如何解決數據規模這一問題的？

柴金祥：從AI的角度看，“大腦”方面的數據獲取，在起步階段相對容易，畢竟互聯網上已經存在大量數據資源。即便是Sora，其基本數據獲取也可以通過抓取海量網絡視頻和圖片完成。

但加入“具身”之后，數據一下子就變得稀缺了。即便是非常簡單的數據，比如抓杯子、疊衣服，都要進行反復采集，因為這些數據從來沒有過，需要從0開始積累。同樣，作為AI另一種“身體”形態，3D數字人的數據也是非常稀缺的，需要一點點去構建起來。

而且，目前絕大多數人形機器人公司以前做的都是單點動作抓取，這也是為什么擴展至人體動作數據之后，人才缺乏的原因之一。

從積極的角度看，3D數字人的數據相較于視頻更加結構化，只要采集到人體關鍵的動作數據即可。整體而言，完全描述人體動作需要的數據比生成視頻和圖片的量要小很多，而且我們也可以通過采用2D的數據對其進行豐富，如同仿真數據對真實數據的補充一樣。

但這并不意味著3D數字人的制作就更容易，因為這個領域的難題并非僅僅是數據量，還有數據更難處理、人才較少等其他維度的困難。

我們會很快發布一個大模型，其中包括數字人可以任意走路的功能。比如，你可以告訴它往前走5步，趴下，然后再爬起來。當然，我們可以直接把人形機器人領域的數據拿來進行仿真，重復已有數據的動作，但我們的優勢在于，可以讓數字人自主行動，自主站立自主行走，無需遙控。

在落地方面，今天的“大腦”已經很強了，相較于具身的人形機器人，我覺得讓AI“白領”擁有身體非常重要，比如一個展廳，有一個3D數字人講解和只用一臺講解器，體驗的差別是非常大的。

數據積累方面已具備先發優勢

Q：是否可以理解成，AI未來會有兩個方向，一條在線下，沿著具身機器人方向走，主要承擔“藍領”工作，另一條在線上，即3D數字人，主要負責“白領”工作。

柴金祥：是的，但長遠來看，這兩條線也會統一。

從實際需求看，現實中的一個白領在虛擬世界里也可以成為一個“藍領”，乃至其他任何角色，而我們為虛擬世界打造的每個數字人角色，未來都有可能直接驅動現實中的機器人，讓它們實現相同的動作，推動AI從虛擬走向現實。

雖然直到目前行業對具身機器人的熱情仍舊比較高，但我認為，隨著大家在虛擬世界中的時間越來越長，AI“白領”的空間將比“藍領”更廣闊。而且作為藍領的具身機器人，訓練難度可能相對還小一點，比如一個動作只要采集到數據、反復訓練即可，但“白領”數字人需要的能力更豐富，要想做好更困難，但我認為也更有價值。

Q：就3D數字人領域而言，如果一個公司想躋身頭部，最重要的能力有哪些？

柴金祥：我覺得大致可以總結為三個維度。

首先，公司和團隊必須要堅定。因為這是一件很難的事情，我們不僅要意識到它的重要性和難度，更要看到它的未來和長期價值；其次是質量，這是最基礎的能力。

再次，要有數據和強勁的美術能力。與大模型所需的數據相比，3D數據可能是最高質量的數據之一，我們用了大約十年的時間才構建起目前這個規模的數據庫。這個價值點在于，即便是大廠，積累這些數據也需要經歷這樣漫長的過程和同樣的時間。從這個角度而言，我們起步早無疑具有先發優勢。

單純看數字人，門檻其實很低，但有些可能只有對口型的功能，不僅無法生產數字人的動作，更不能驅動人形機器人。這也是為什么2D數字人幾乎沒有市場，客戶也不愿買單，因為效果確實比較差。

此外，即便具備相對充足的數據，從團隊的角度看，做3D內容生產和AI生成結合的人才目前依舊非常稀缺。尤其是動作表情，全世界范圍內的專業人才都很少，所以公司不僅要大膽招聘人才，更要持續培養人才。

Q：人才稀缺的原因有哪些？

柴金祥：一個主要原因是，這個行業的前身是影視動畫游戲，這些人才中懂AI的很少，而近幾年新興的AI人才，又很少懂影視動畫游戲和3D制作。這兩條線不僅數據不交叉，人才也不交叉。

實際上，包括阿里、騰訊、百度、商湯、訊飛等在內的大廠，都曾親自上陣做過3D數字人，但目前堅持下來的很少，僅剩幾個仍在繼續的公司做得也不太好。大家可能做個兩三年就會發現這件事很難，投入很高也不一定達到預期。

因為這件事不像文生文、文生圖那么簡單，拿到一個通用大模型改一下就可以。如果沒有數據、沒有長期的積累，幾乎寸步難行。

商業化市場已達一定成熟度

Q：經過近幾年發展，AI在提升客戶付費意愿方面有何變化，是否有一些案例？

柴金祥：以醫院場景為例，其中有一些垂直供應商，負責為醫院提供終端產品、軟件等服務。這些客戶一個個拓展是非常慢的，所以我們就直接輸出底層能力，比如在終端實現提問、掛號、付費等，他們可以直接調用我們的API，都不需要額外加價。

但其中有個前提，就是我們本身的規模化程度，包括是否能部署到各種終端、是否足夠便宜、是否足夠易用等。原因很簡單，對于軟件產品而言，如果想讓別人購買使用，首先要做到人無我有，尤其是大廠不能有，否則肯定會被虹吸；其次要質量過硬，且易得易用。

另外，低成本、高并發、多終端以及信創等都要同時跟上，否則規模化一定會有問題，即便客戶很想用，但可能會因為太貴，或者響應時間太長，或者沒法實現終端產品的提升等原因放棄購買。

從應用看，如同大模型的發展路徑一樣，未來AI不僅一定會需要3D數字人這樣的“身體”，更需要一個可以隨時調用的基礎設施去優化資源配置并提升效率。一方面，像陪練、教學、面試甚至銀行服務等很多場景，有沒有“身體”帶來的差異體驗會非常大。以后甚至不會有APP，所有的服務都直接由一個數字人來完成。

另一方面，大模型是必須的，但做大模型是有門檻的，這方面我們具備更多積累和先發優勢。從語言模型到動作模型，數據能力變得更垂直，有了數據之后如何復制人類的感知能力又極為關鍵。

從商業化前景上看，我們認為市場也已經達到一定的成熟度。而且，決定做3D數字人基礎設施這件事時，我門就已經考察過應用場景，比如賽諾菲就已經開始使用。

換言之，如果市場中多數企業沒有相關預算和費用，那我們做再多投入也不會產生很大價值。

Q：目前商業化應用的領域與幾年前相比，是否有一些變化？

柴金祥：差不多，只是可能服務不一樣。我們成為底層能力后，就可以覆蓋所有行業，而且可以做到以前無法實現的功能，比如聊天機器人。

陪伴這個領域，現在大多是沒有真人形象或者形象很簡單的產品，一旦我們可以輸出這種能力，這類產品就可以馬上調用，跟調用大模型一樣簡單。

醫院場景也一樣，以前我們是沒法做的，因為其中的終端設備芯片能力太弱了，比手機差很多。

但魔琺星云有個很重要的特點就是，百元芯片也能跑，而且能保證質量，因為我們有自研的文生多模態3D大模型和云-端拆分的架構創新。也正因此，應用場景中對終端屏幕的要求可以不必很高，從而實現了規模化商業化的必要條件。

還有銀行，其中的自助終端目前保有量約200萬臺，如果要把這些都升級為AI終端并達到智能體70%的普及率，這個市場將非常可觀，而類似的場景還有很多。

酒店里電視機其實也是一個典型場景，雖然市場很大，但以前由于設備太差根本跑不動，也沒法做到規模化。就像如果大模型的token價格不是迅速降低，那么目前大多數終端也不會沾到邊，可見便宜是多么重要。

對于我們來講，很多市場是真實存在、等待開發的，核心在于有沒有能力做到足夠便宜，質量足夠好，體驗足夠好。這也是我們一直追求的目標。

在海外，輸出能力比輸出產品更有效

Q：目前海外進展情況如何？

柴金祥：魔琺星云預計兩三周以后會在海外上線。

軟件產品在海外做B端其實蠻難的，因為高于1萬美金的訂單基本上都要線下做，這導致軟件類產品很難規模化，而且準入門檻也很高。但如果是輸出一個“能力”，就相對比較容易，任何公司只要在線上調試好效果即可，所以規模化也相對簡單。

截至目前，中國似乎很少有成功全球化的軟件產品，但DeepSeek作為大模型這種“基礎設施”，通過開源的方式就迅速實現了大規模的全球化應用。

所以，如果你的技術非常強，又真正做到了應用，就應該成為基礎設施。但要避開大廠的能力，否則如果在成本、易用性上面沒有優勢，必定會很快被大廠吞沒。

Q：海外是否有已經觸達的場景？

柴金祥：我們此前已經積累了不少服務在華外企的經驗，驗證了我們的底層的能力，比如Chatbot、陪練模型等。這些東西放到美國也有很大需求，尤其比如銷售、陪練甚至客服、面試等領域，可能需求比國內還要大，但們海外很多國家現在還不具備這方面的能力，所以我們要做的就是去觸達各行各業。

另外，有些行業可能已經具備了一些智能體，但這些智能體既沒有形象也沒有身體，又或者他們已經調用了某個大模型，但也是只有大腦沒有身體，這些都是我們可以拓展的空間。

Q：海外上線的第一站會選在哪里？

柴金祥：我們會直接全球同步上線。在產品設計研發階段，我們就已經植入了全球各地的語言和形象，但未來主打市場可能還是希望在美國。