隨著元宇宙、AIGC、虛擬人等概念的流行，有關(guān)多模態(tài)內(nèi)容生成等新一代AI技術(shù)的商業(yè)化落地引起了多方關(guān)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(nèi)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(nèi)容的生成、落地則成為了不少科學(xué)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(guān)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(shù)，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(lǐng)銜的AI知名科學(xué)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(xué)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(shù)，尤其是以推理決策為核心的認知型AI技術(shù)，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(nèi)外對元宇宙的關(guān)注度很高，不論是Meta還是國內(nèi)公司都有所動作。但在他們眼中，當(dāng)前市面上還缺少可以規(guī)模化、標(biāo)準(zhǔn)化應(yīng)用的相關(guān)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(lǐng)域具備技術(shù)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(zhì)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(shù)棧結(jié)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(chǔ)設(shè)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(wù)。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(wù)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(fù)刻"數(shù)字分身"的能力。這背后需要兩層技術(shù)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(diào)的模仿和復(fù)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(fù)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(fù)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(nèi)容效果，如讓數(shù)智人的外觀構(gòu)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(dāng)前構(gòu)建了公司的第一個標(biāo)準(zhǔn)化產(chǎn)品——元分身。元分身主要幫助內(nèi)容分享者制作從聲音到形象的真人數(shù)字分身，可廣泛應(yīng)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(nèi)容創(chuàng)作效率和質(zhì)量：僅需一次建模，即可不斷創(chuàng)作視頻，幫內(nèi)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(nèi)容可控穩(wěn)定：視頻由數(shù)字分身以最佳狀態(tài)演繹，內(nèi)容通過文字驅(qū)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(wù)用戶。

另外拓元智慧還表示，公司當(dāng)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(shù)路線相關(guān)，拓元智慧林倞介紹，當(dāng)前在業(yè)界，關(guān)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(diào)用第三方的大模型，也會涉及到難以進行針對場景進行調(diào)參和訓(xùn)練的問題。對此，拓元智慧在模型架構(gòu)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(gòu)建少標(biāo)注、低成本的模型訓(xùn)練和場景遷移能力，從而實現(xiàn)形象模仿、聲音復(fù)刻、文本重構(gòu)和對話生成等多樣化內(nèi)容生成。

在整體差異化上，拓元智慧表示，當(dāng)前業(yè)內(nèi)具備構(gòu)建AI"大腦"能力的公司較少。不同的技術(shù)背景（如CG、NLP、3D建模等）決定了大家通過不同的路徑構(gòu)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(fù)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(yīng)用好的廠商。

當(dāng)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(fù)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(guān)懷場景落地。"不論是元宇宙還是內(nèi)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(shù)與應(yīng)用場景快速融合，創(chuàng)造新的價值。"林倞總結(jié)表示。

關(guān)鍵詞： 因果模型 人工智能技術(shù)