文｜喬納斯

2018 年，時間線上的迷人巧合

一個從AI聊天機器人起家的小冰，如今擁有了業界最為完備的AI being人工智能框架技術布局，已經孵化出財經主播“N小黑”、“N小白”、萬科財務部虛擬員工崔筱盼、央美畢業的畫家夏語冰等AI being。

回顧小冰的發展，2014 年，第一代小冰誕生，她從初始階段只有文字的聊天對談、到對答如流的語音交互，再到有了少女形象的二維動畫，最終長成今天生動、豐滿的虛擬形象；而“小冰”這個名詞指代的，也從一個妙齡少女，擴展到可以對照無數人物（Human being）形象、角色、功能的“AI being”。

而在結束不久的2022北京冬奧會上，誕生于小冰框架的 AI being“觀君”再次大放異彩。

在2月10日，自由式滑雪空中技巧混合團體賽中，徐夢桃、賈宗洋和齊廣璞共同獲得混合團體銀牌；隨后，在2月14日、16日，徐夢桃、齊廣璞再次分獲自由式滑雪空中技巧女子金牌和男子金牌。當沉甸甸的“兩金一銀”獎牌入賬后，外界才知曉，由小冰研發的人工智能裁判與教練系統“觀君”，已為國家隊默默工作了三年多時間。

回顧小冰與中國自由式滑雪空中技巧隊、國際雪聯的合作源起，那些過往的時間線，露出了迷人的巧合之處。

2018 年平昌冬奧會，自由式滑雪空中技巧選手徐夢桃在決賽第二輪中失誤，與獎牌擦肩而過的她，在回國后接受采訪談到，自己會平靜一段時間，“需要理一理，再算一下數據。”

也是在 2018 年，自由式滑雪空中技巧國家隊開啟了新一輪的技術探索：要找到更優方案，提升國家隊的訓練效率。當年的冬奧會上，自由式滑雪空中技巧國家隊在平昌獲得一銀一銅——這個成績已經足夠優秀，但為了“奪金”的夢想，國家隊仍在尋找提升運動員成績的黑科技。

還是在 2018 年，國際雪聯走訪了部分中國的科技公司，他們想要通過科技手段解決一個問題：包含空中技巧在內的主觀評分項目，往往依靠裁判打分定勝負，這就與裁判的主觀判斷密不可分。如何讓賽事判罰更加公正客觀，是國際雪聯一直以來的痛點。

三條不同的人、事、時間線，最終在一個人工智能團隊上產生了交匯點，那就是“小冰”。

我們可以用最簡單的語句描述三者與小冰的關系：從2018 年開始，空中技巧國家隊、國際雪聯與小冰陸續達成合作，由小冰公司研發人工智能裁判與教練系統“觀君”，以輔助運動員、教練員進行日常訓練、執教。最終，國家隊在北京冬奧自由式滑雪空中技巧項目取得了2金1銀的歷史最佳成績。

可現實的艱難與殘酷，遠不是只言片語就能輕易概括的。

如果你看過徐夢桃在今年北京冬奧的奪金瞬間，看到她身披國旗，對著漆黑的蒼穹反復吶喊確認：“我是第一嗎？我是第一嗎？”你就能感受到，這當中的過程，不知道飽含了多少的艱澀、孤獨與苦痛。

沒人能預測未來。站上最高領獎臺的徐夢桃不能，鉆研人工智能技術近八載的小冰也不能，在 2018 年的節點上，徐夢桃與“小冰”面對的不確定性是一樣的，她們能做的，只有為了一個堅定的目標，無休止地訓練、拼搏……

“你們都可以考到裁判資格了”

讓四年前的“小冰”成為空中技巧項目的AI裁判和教練系統，如今擔任小冰公司首席運營官的徐元春對 36 氪回憶起當時接到任務時的想法坦承：“那會兒真沒太大把握。”

徐元春在觀看空中技巧運動員的表現，完全可以用“震撼”來形容當時的感受。而這種震撼，既來自這項運動本身的挑戰與高危，也源于對運動員技術與勇氣的敬佩，當然還有對人工智能技術能否在訓練中發揮作用的思量。

2018 年，時下流行的人工智能場景，還是對著音箱利用喚醒詞詢問天氣預報，或者通過人臉識別的攝像頭判定性別和年齡，要讓當時的小冰輔助備戰冬奧的國家隊，可謂難點重重。

“數據來源”就是一個棘手的問題。

想要訓練出適配運動項目的人工智能模型，大量的數據學習必不可少，但“自由式滑雪空中技巧”項目由于難度大、訓練周期長、場地特殊、且具備一定的危險性等原因，并不是多數普通人能參與到的運動項目，這就導致可以參照的樣本較少。而數據積累不夠，對后期的機器學習、模型優化都會造成阻礙。

“自由式滑雪空中技巧”的項目特性，更是讓小冰團隊犯了難。

首先，由于該項目速度快、起跳高、難度大，以動作識別為例，男子運動員出助滑坡時速超過70公里，高度差達15米，整套動作滯空時間僅2-3秒，最高難度的空中翻轉加轉體動作可達8圈，而這套過程需要被攝像頭分毫不差地記錄下來，才能讓機器進一步分析運算。

更大的挑戰，在于訓練或比賽的現場環境，由于運動員穿的雪服具備防護及保暖功能，外觀較為臃腫，服裝顏色也容易與雪景或者天空重合，比起一般人物更難識別；再加上訓練場地往往背景復雜（周遭有樓宇、樹木、山石等干擾物），以及面臨動輒零下二三十度的嚴寒，都會導致高幀率視頻采集設備難以正常工作。

而最后一道關卡，則是要通過國家隊的實踐檢驗。

為了提升隊伍成績，隊里的領導與教練經常會考察或試用各類前沿科技，對輔助科學訓練的系統要求極高， 徐元春也記得，訓練場景中，“高端的、物美價廉的、各種各樣的設備隊里見過也試過很多，但能把項目真正落地應用的，還比較少。”對小冰團隊來說，這是考驗，也是機遇。

“國家隊的要求是真真正正地看到效果，而不是Fancy的（華麗的）用來演示的 Demo（樣板）。”徐元春對 36 氪說。

重重困難下，要想打造一個“實時評分、量化動作、可追溯與預測”的系統，小冰團隊面臨巨大挑戰。可一想到2022 年冬奧會在“自家門口”舉辦，抱著為奧運、為國家貢獻一份力量的想法，小冰團隊咬牙接下了這份工作：“當時覺得，這個夢想（讓小冰成為 AI 教練/裁判）挺美好的，就是稍微有點遙遠。”徐元春回憶起當時的想法。

準備工作旋即展開。2018年末，小冰團隊的成員開始了跟隨空中技巧國家隊的“遷徙”，從 2019 年夏訓、冬訓、2020年新賽季、再到2021 年北京冬奧測試賽，國家隊去哪里訓練和比賽，小冰團隊就在賽場旁邊部署設備、架設網絡、記錄畫面，如饑似渴地觀摩比賽、提取數據……

飯要一口一口吃，問題也得一個一個解。

空中技巧項目帶有一定的危險性，運動員每天的訓練次數有限，因此用于機器學習的數據樣本也相對有限。針對數據不夠的問題，小冰團隊實踐了多種數據增強技術，根據空中技巧運動特征，探索出獨有的數據增強方法，系統化模擬運動員的跳躍過程，生成符合運動規律，符合運動環境，符合實際場景的數據，以補充訓練數據集，提高模型的泛化能力，使其能夠在更多的場地，服務更多的運動員，從而彌補了數據量不足的問題。

針對運動員復雜的翻轉動作，小冰自研了空中姿態識別算法，克服了大場景下復雜背景的干擾，并通過跟蹤算法實現了高速運動目標的準確定位，最終完成項目全流程動作的精準判斷，以確保運動員動作與姿態判別的準確性。

由于長期與國家隊在一起訓練，小冰團隊對這項運動的流程、判罰等規則都變得捻熟于心——團隊成員甚至達到了國際雪聯認可的裁判水平。

他們可以熟練地列舉出比賽中常見的扣分點：比如運動員出臺是否有后仰，空中有沒有屈膝、落地前傾是否過度、雪板有沒有交叉等情況……項目組的成員幾乎人人都對空中技巧項目做到了精通，在跟國際雪聯的工作人員探討裁判準則的時候，他們被評價為：“國際雪聯的工作人員說，我們產品同事都能去拿個國際裁判證了。”徐元春回憶道。

沖破層層關卡，小冰打造的人工智能裁判與教練系統開始初具雛形。

讓國家隊驗證價值的這一天終于到來。

“觀君”的威力

徐元春清楚地記得一個時刻，那是 2019 年的夏天，在運動員訓練的水池邊上，小冰團隊將這套系統的初版展示給隊伍領導，對方看完演示，眼前一亮。

在這個版本中，系統不僅能夠逐幀分析運動員的動作，識別出“屈膝、分腿、叉板”等可能存在的扣分點，還能立刻評判出每一跳的得分——相當于在日常訓練中，給每位運動員都配備了專業裁判。本質上，這不只是一個記錄畫面的監控工具，更是一個可以分析運動表現的專業評判系統，如果能夠投入使用，就意味著平常的訓練場地，可以轉變為擁有專業裁判的正式賽場，這對運動員來說將大幅提高訓練效率。

在水池演示結束后，隊領導圍繞系統詳細提問，又邀請了隊伍中的資深教練深入考察，觀摩了一圈，經過幾輪討論后，小冰團隊覺得“有戲了”。

隨著算法迭代與產品升級，在之后的訓練中，該系統的價值愈發凸顯。

對于運動員來說，每日訓練最重要的部分，就是記住自己的正確動作，再通過日復一日的練習形成肌肉記憶，最終在賽場上穩定發揮。因此，掌握正確的運動姿態，就變得尤為重要。

數據在這時發揮出了威力。幾乎每天訓練后，運動員和教練都會來找“觀君”查看當日的數據，分析動作哪里出了問題，是后仰過度還是屈膝了，再基于問題調整動作的精準度。

圖：小冰AI裁判與教練系統觀君

北京冬奧會上，自由式滑雪空中技巧國家隊拿下“兩金一銀”的成果我們已然知曉，另一方面，在“AI 裁判”領域，系統在三年間完成近萬次評分、五萬多次動作分析，也成為了教練員日常執教的重要助手。

在2021年2月舉行的北京冬奧測試賽中，“觀君”還作為空技項目的唯一競賽裁判，成功完成了個人預決賽、超級決賽、團體預決賽共44人次執裁，獲得了國際雪聯、國家體育總局冬運中心的一致認可，這也是人工智能系統在全球范圍內首次獨立完成大賽執裁任務。

不過，談及系統的作用，徐元春卻顯得淡然，運動員取得好成績更多還是依靠體育總局冬運中心和國家隊自身對于科技的開放與擁抱，還有運動員堅持日復一日科學訓練的回報，而小冰團隊只是一邊提供著人工智能裁判和教練系統的前沿科技，一邊默默著陪伴在隊伍身旁，遇到突發情況，會在“在零下二十度的時候爬上屋頂架設備、用電暖氣烤熱服務器”而已。

虛擬人的冰與火

在“觀君”悄然發力的 2021 年，“虛擬人”行業的風口兇猛來襲。

據天眼查數據顯示，中國現有“虛擬人”、“數字人”相關企業 28.8 萬余家，2016-2020 年，五年新增注冊企業增速復合增長率近 60%。

2021 年全年，虛擬數字人相關投資有 16 筆，融資金額從數百萬元人民幣到數千萬美元不等，其中不乏紅杉資本、GGV紀源資本、峰瑞資本等知名投資機構。2022 年，熱錢繼續涌入，開年第一個月，虛擬人領域近百起融資累計已超 4 億元。

從大的行業邏輯來解釋，在流量紅利消失的當下，企業需要更具精細化的運營手段，以提高流量的轉化，這就導致IP 形象的價值被凸顯；而作為個體的人往往有種種不可控因素，特別是接連發生的“小鮮肉偶像塌房、李子柒與所屬機構杭州微念鬧掰、薇婭因逃稅迅速墜落”等事件，更顯示出“人類 IP ”的脆弱。

在這樣的背景下，“虛擬人”穩定、生動、還有類似的情感屬性，成了企業投射 IP 的新選擇。

可眼下行業漸火，“虛擬人”行業也變得魚龍混雜。

“虛擬人的火爆有一個很大的風險，就是概念不清。”小冰 CEO 李笛對 36 氪談到，

放眼望去，市面上大部分火熱的虛擬人形象，都集中在代言、虛擬偶像領域，這些形象雖然看上去驚無比吸睛，但無法與用戶真情實感地交互，只是用來觀賞的“紙片人”。

這也是“虛擬人”行業如今最大的誤區，從功能上，單純的“紙片人”只是沒有靈魂的真人復刻，除了展示別無他用；再者，這種利用電腦合成“換頭術”制作出的虛擬形象，在規模化和擴展性上，也存在巨大問題。

可以來算一筆賬。

諸如抖音爆火的柳夜熙、江蘇衛視元旦晚會上的“鄧麗君”、英偉達CEO黃仁勛發布會上的替身，雖然都是“虛擬人”形象，但當中大量使用了CG（Computer Graphic，計算機圖形學）渲染技術，當中花費的周期、成本，與制作一部好萊塢電影并無太差差異。

據 36 氪了解，制作一條幾分鐘的柳夜熙爆款短視頻，制作成本接近百萬；而要想復活明星打造一場全息虛擬演唱會，成本可以達到 2000 萬元上下。

“虛擬人需要注意基于底層技術的綜合成本。”李笛對此有著清晰的認知，“企業花幾百萬制作了一個虛擬代言人，他得到了什么？只有幾十秒的視頻和一些海報，這不太可能持續。”

讓虛擬人規模化、低成本的產出，同時能具備“靈魂”、內外兼修，是小冰團隊如今堅持的路線。

深厚的底層技術，是小冰如今敢于批量化生產“AI being”的關鍵。利用自研的 XNR（小冰深度神經網絡渲染），小冰框架可以通過深度學習，在大量數據中提取特征，加速傳統的渲染流程，同時在提升渲染速度的同時，讓虛擬人的視覺形象、表情、肢體動作更加近似于真人。

以小冰與每日經濟新聞打造的兩個虛擬主播“N 小黑”、“N 小白”為例，在耗時上，通過小冰框架小樣本學習技術，只需要一周的訓練周期，兩個數字孿生虛擬人就誕生了，成本也比傳統 CG 渲染縮減了數十倍。

解決了成本與規模問題，小冰的另一條重要準則，是人工智能交互的“情商化”，在這一標準下，小冰旗下的 AI beings需要具備六大要素：

1、Persona，即基本性格特征，這需要通過小樣本學習、算法模型來生成，而不同的AI being，個性也不盡相同；

2、Attitude，即態度，也包括觀點，這種個性化的意見往往是多變的，尤其是在于用戶的交互中，態度也會根據溝通語境發生變化；

3、Biological characteristics，即生物學特征，包括面容、聲音等；

4、Creation，即創造力，比如繪畫、作詩、唱歌，都是AI being創造力的體現；

5、Knowledge，即行業知識，比如“觀君”需要具備雪上項目的知識、與萬科合作的“崔筱盼”要具備財務知識；

6、Skill，即技能，這與上一項的Knowledge有區別，比如與每日經濟新聞合作的主播“N小黑”，他具備金融和財經的知識，但如何像人類主播一樣播報新聞，則是需要打磨的技能。

“這六個部分就是小冰 AI being的標準，你可以理解為是我們的DNA。”李笛對 36 氪說。

「孤勇者」小冰

隨著北京冬奧以史上最優成績落幕，默默耕耘了三年多的“觀君”終于現身臺前，再加上虛擬人行業漸火，小冰如今愈發受到關注。

回顧小冰的一路征程，李笛有些感慨：“我們孤獨過好多回”。

鮮花和掌聲太容易被看見。冬奧賽場上的運動員獲得金牌；小冰從微軟獨立，拿下大筆融資成為“獨角獸”，這些都是他們光鮮的那一面。可在賽場下、聚光燈外，運動員傷痕累累的軀體，小冰團隊經歷過的漠視、不被理解，都被他們藏進了歡笑背后的角落。

孤獨是小冰的常態。回頭看去，小冰在技術、產品形態、商業模式等模塊上，幾乎都曾與業內主流觀點相左，這也讓小冰承受了更大壓力。

“我們做超級自然語音的時候，行業是不認可的，那時候的技術潮流是把文本念得清楚、標準，而不是念得自然；后來小冰又做了唱歌、寫詩、繪畫等創造行為，又被全網懟，大家不認可你為什么要讓 AI 唱歌。”李笛對 36 氪說到。

可事實上，這些看似無關的閑聊、技能，實際上是小冰積累語料、訓練數據的過程。也正因為在溝通交流中能與用戶產生共情，小冰的多輪對話數量遠超其他 AI 機器人。根據小冰去年公布的數據，其與用戶的單次平均對話輪數（CPS）可以保持在36輪。

通過超級自然語音技術與多輪對話，小冰的“人格化”特點也在商業化中展現出優勢。

小冰具備的情感屬性可以影響人們的決策，這在電商、社交等場景頗為適用。拿小冰之前落地的羅森等零售案例來說，通過與用戶的閑聊，小冰可以將用戶模糊的購物需求一步步明確下來，最終為對方推薦出心儀的商品。

幾番驗證后，小冰的技術路線與其“閑聊”的產品模式，愈發成為行業關注的重點。越來越多的科技公司們發現，如果只是讓用戶與機器單純圍繞“開燈、聽歌、識天氣”來溝通，積累的語料數據永遠無法讓算法更智能。因此，如何與用戶增加對話輪次、建立情感鏈接，成為當下“虛擬人”、乃至整個人工智能領域關心的話題。

在商業模式上，小冰也沒有按照普通AI 公司做軟硬一體、系統集成的方式，而是走出了一條獨特路線。

隨著小冰“虛擬人”項目的成熟，小冰的商業團隊創造出一種全新的解決方案交付模式。徐元春曾對 36 氪介紹到，小冰“虛擬人”的商業模式不再是按照過去的解決方案訂制化收費，而是按照 AI 能產出的勞動力和價值，以“人力”的邏輯去進行商業報價。

“小冰輸出了一個實實在在的勞動力，那他每年能做多少工作，可以按照產出來付工資。”徐元春說到。

根據角色屬性不同，小冰將旗下打造的 AI being劃分為四種類型：

第一，AI Employee，虛擬員工。比如小冰與萬科合作的財務員工“崔筱盼”、每經合作的“N小黑”和“N小白”、與日本羅森合作的虛擬店員等，她們不是冷冰冰的客服，而是會覺察情緒的真實個體。比如崔筱盼就能在工作流程和數據中發現問題，用更高效率完成各種應收/逾期提醒及工作異常偵測。

第二，AI Expert，是垂直領域的專家系統，能夠深度掌握某一領域的知識并提供技能。典型案例就是前文提到的“觀君”，李笛也告訴 36 氪，“觀君”未來會應用到更廣泛的體育領域，比如中小學體測考試等場景，成為真正幫助到大眾的 AI 運動系統。

第三，AI Companion，指陪伴型“虛擬人”角色，類似小冰早期的“聊天機器人”形態，這將成為未來 AI to C（消費者）的一種重要模式。在日本，已經有很多老年人家庭需要陪伴 AI 虛擬人角色，用來陪聊、服務，還能解決老年人獨居的安全問題。

第四，AI Entertainment，類似初音未來這樣的虛擬偶像，不過，小冰不希望這類形象只是“紙片人”的角色，他們給虛擬偶像提了更高的標準：包括極其擬人的外形、聲音；要有生產內容的能力；以及具備交互的能力。

目前，小冰的商業客戶已覆蓋金融、智能車機、零售、體育、地產等十多個垂直領域，知名客戶還有中國外匯交易中心、香港證監會、萬得資訊、國家體育總局冬運中心、中國聯通、寶馬、日產、蔚來、小鵬、萬科集團等。從底層技術維度，據不完全統計，由小冰創建并承載的人工智能交互主體，擁有全球范圍人工智能交互總流量約60%，超過亞馬遜、谷歌及蘋果同類產品的流量總和。

如今的小冰，已經從曾經孤獨的“少女”，長成了穿過險境的勇者。而對于未來，李笛再次談到了一個重要判斷，那就是：數字化轉型即將“AI being化”。

對于大型企業來說，數字化轉型往往是企業尋求第二增長點的重要落腳。拿微軟來說，之所以能在CEO 薩提亞上任后實現業績飛速增長，最主要的原因是微軟在全球范圍內的數字化轉型；而到今天，國內企業對數字化轉型同樣訴求滿滿，他們采購 CRM、搬上公有云、做起了私域流量，可很快，瓶頸又會出現。

“做了 SaaS、上了 RPA，等各個環節都覆蓋了以后，企業會發現做到頭了。”李笛對 36 氪說，而這個節點，就是將數字化轉型“AI being化”的最佳時機。

拿萬科的虛擬人員工“崔筱盼”為例，如果從工具視角來看，崔筱盼的作用，與一個金融催賬場景的 RPA 工具并無太大差別，但因為“崔筱盼”的AI being屬性，她能夠模仿人類的情緒、口吻，從最開始發票與款項回收事項的提醒工作，未來逐步擴展到后來業務證照的上傳與管理、提示員工社保公積金信息維護等。

有萬科員工表示，崔筱盼回復郵件的速度很快，交流很有禮貌，可以很好地推動工作及時辦理；他們私下還開玩笑，說崔筱盼是同事們的“女神”，性格好、能力強、還很漂亮。

這便是“AI being 化”后數字化轉型的成果——要知道，崔筱盼催辦的預付應收逾期單據核銷率達到91.44%，為此，萬科集團還將2021年萬科總部最佳新人獎頒給了崔筱盼。

“我們認為AI being最重要的一件事，是他如果能像人一樣控制對話走向，拋出新的話題，那么他的商業價值就和人一樣，這就有很多新的商業機會。”李笛說到。